Mira Murati revela 'modelos de interacción' que procesan conversaciones en tiempo real

Mira Murati, ex-CTO de OpenAI, hizo su primera aparición pública en 18 meses para presentar la visión técnica de Thinking Machines Lab. La empresa está desarrollando modelos de interacción que procesan flujos continuos de audio, texto y vídeo a intervalos de 200 milisegundos para capturar la textura de las conversaciones. Todavía no hay fecha de lanzamiento para la tecnología.

¿Cómo funcionan los modelos de interacción en tiempo real?

A diferencia de los modelos tradicionales que procesan entradas estáticas (un prompt de texto, una imagen), los modelos de interacción de Thinking Machines Lab operan en tiempo real. Ellos reciben flujos continuos de audio, texto y vídeo, analizando cada modalidad simultáneamente en intervalos de 200 milisegundos. Esto permite capturar matices como pausas, tono de voz y expresiones faciales, algo que sistemas actuales de IA conversacional todavía luchan para replicar. La propuesta es crear una experiencia de diálogo más natural y fluida, como una conversación entre humanos.

¿Por qué los modelos de interacción importan para desarrolladores brasileños?

Para la comunidad de IA en Brasil, este abordaje abre puertas para aplicaciones en call centers, asistentes virtuales, educación a distancia e incluso herramientas de accesibilidad. Imagine un asistente que no sólo entiende lo que dices, sino cómo dices, detectando frustración, entusiasmo o confusión. Empresas que ya invierten en modelos de fundación de transacciones, como bancos y aseguradoras que crean inteligencia propia, pueden encontrar en los modelos de interacción una evolución natural para atención al cliente más humano.

¿Cuándo estarán disponibles los modelos de interacción?

Murati no divulgó fechas de lanzamiento. La empresa, que todavía opera de forma bastante reservada, indicó que los modelos están en etapa de investigación y desarrollo. Thinking Machine La Lab fue fundada por exintegrantes de OpenAI y de otras big techs, y el enfoque actual es refinar la arquitectura de procesamiento multimodal continuo antes de cualquier rollout comercial. Mientras tanto, el mercado observa con expectativa, especialmente después del reciente caso en que IA open-weight creó un worm empresarial que se extiende solo en redes corporativas, mostrando que seguridad y latencia son desafíos centrales.

¿Qué falta para la adopción a gran escala de los modelos de interacción?

Para que modelos de interacción se hagan realidad en productos, Thinking Machines Lab necesita resolver cuellos de infraestructura y costo. Procesar tres flujos de datos simultáneos a cada 200ms requiere poder computacional considerable, y la optimización para rotar en dispositivos comunes (celulares, laptops) es esencial. Además, la privacidad de los datos es una preocupación: el procesamiento continuo de audio y video plantea preguntas sobre consentimiento y almacenamiento. La empresa aún no ha publicado su política de datos.

Fuente: lea el anuncio original en LetsDataScience

Preguntas frecuentes sobre modelos de interacción

¿Los modelos de interacción reemplazarán los chatbots tradicionales?

Probablemente no a corto plazo, pero representan un avance significativo al capturar el contexto no verbal, haciendo diálogos más naturales en escenarios complejos.

¿Qué aplicaciones prácticas pueden tener esos modelos en Brasil?

Atención al cliente, telemedicina, educación en línea y herramientas de ventas pueden beneficiarse del análisis en tiempo real de tono y expresiones para mejorar la experiencia del usuario.

¿Cómo Thinking Machines Lab se diferencia de OpenAI?

Fundada por ex-integrantes de OpenAI, Thinking Machines Lab se enfoca en interacción multimodal continua en lugar de modelos secuenciales, prometiendo latencia más baja y mayor fidelidad contextual.