Resumo:
Nos últimos dois dias, acredito que todos ficaram impressionados com a incrível modelagem 3D de jogabilidade completa do GPT-6 Astra em uma frase, criar um jogo completo do zero, desmontar milhares de peças de uma só vez e até mesmo usá-lo para controlar robôs... Resumindo, é incrivelmente poderoso. Os internautas têm um ditado exagerado: contanto que você aprenda devagar, você não precisa aprender. Mas o GPT-6 Astra dá às pessoas a sensação de que, assim que for lançado, a complexidade que originalmente assolou muitos campos parecerá repentinamente resolvida.
Essa tendência não deve ser subestimada, mas as capacidades atuais do modelo não devem ser exageradas. Neste artigo, faremos um balanço das várias jogabilidades incríveis do GPT-6 Astra e suas limitações atuais.
Modelagem 3D,
De repente está ficando mais fácil?
A capacidade de deslizar a tela mais intensa do Astra nos últimos dois dias é provavelmente 3D.
Alguém usou isso para gerar trens 3D diretamente:
Ambos os trens são gerados diretamente pelo Astra usando TypeScript e código Three.js quando executados no navegador. O tamanho do corpo, contorno e várias estruturas geométricas vêm dos parâmetros de tamanho, perfil e função geométrica no código; o movimento da roda é o código, e a animação de todo o trem explodindo, peças desmoronando e remontando também é todo código.
Além disso, esses modelos podem ser desmontados em peças após serem fabricados. Uma câmera pode ser desmontada em 122 grupos de componentes e 1.877 peças modeladas individualmente. A tarefa inteira levou cerca de 3 horas para ser executada. O autor disse que nunca havia percebido que Three.js (uma biblioteca JavaScript usada para criar e exibir gráficos 3D no navegador) poderia ser usada dessa forma.
A câmera pode ser desmontada, assim como o Tesla. Alguém o desmontou em 334 peças de modelagem, e os nomes, números e estruturas básicas dessas 334 peças são oficiais e não fabricados pela IA. Claro, é apenas uma desmontagem muito grosseira ao nível do fotograma, nem perto do nível de detalhe necessário para uma desmontagem 3D.
Curiosamente, este autor não ficou satisfeito após desmantelar Tesla, e até construiu um site para "desmantelar um homem (masculino)": as 2.234 partes modeladas de todo o corpo podem ser visualizadas uma por uma e podem ser mapeadas para os arquivos de origem.
Vendo esses casos, algumas pessoas gritaram: "O céu está caindo para os estudantes de modelagem 3D."
Mas algumas pessoas dizem que os atuais resultados diretos da IA ainda não estão comercialmente disponíveis.
Além disso, a estabilidade também é um grande problema. Afinal, ainda precisa de gente para consertar bugs.
O significado destas demonstrações não é apenas provar que o Astra pode modelar. Mais importante ainda, demonstra uma nova forma de interação: as pessoas já não precisam de aprender software 3D complexo, mas sim descrever diretamente o mundo que desejam e deixar a IA ser responsável por traduzir ideias em estruturas espaciais.
No passado, a modelagem 3D era a porta de entrada para entrar no mundo digital; no futuro, poderá tornar-se uma capacidade básica para a IA compreender e gerar o mundo real. É claro que ainda há um longo caminho a percorrer antes de aplicações verdadeiramente de nível industrial, mas o caminho está a tornar-se cada vez mais claro.
Não há necessidade de aprender software?
Astra, entre você mesmo
No posicionamento oficial da OpenAI, o uso do computador e do navegador são os trunfos do GPT-6 Astra. Em um exemplo de pintura do Canva, vemos isso em ação.
Nesse caso, o internauta pediu a Astra que o desenhasse no Canva (replicando o retrato de uma foto de referência). Durante o processo de desenho, o Astra pode controlar diretamente a interface do Canva no navegador: selecionar ferramentas, clicar/arrastar com precisão, desenhar camada por camada (do fundo ao corpo, braços, detalhes faciais) e, finalmente, completar um retrato semi-realista em estilo pixel altamente semelhante.
Isso também envolve operações de várias etapas de longo prazo (o feedback do autor leva cerca de 1 hora), troca de ferramentas (o Chrome muda para o modo de uso do computador depois que um problema ocorre no meio do caminho), bem como uma compreensão extremamente alta da interface e precisão de controle precisa.
O Fable 5.1 ao lado também recebeu a mesma mensagem, mas o resultado decepcionou os internautas:
Ele não é o único a fazer esta experiência. Outro internauta também tirou a mesma foto e pediu a duas IAs para desenhá-la, e os resultados foram semelhantes: Astra é mais realista, Fable 5.1 é mais gratuito e fácil...
Link do vídeo: https://mp.weixin.qq.com/s/6tOR2GptUa97ffW-jWJF2Q
No entanto, alguns internautas apontaram que os efeitos visuais finais dessas coisas não são o foco. O importante é que os Agentes suportados pelo Astra já podem operar o Blender, o Unreal Engine e os navegadores por conta própria, e transformar prompts diretamente em arquivos de projeto.
Nos últimos dias, "Astra usa o Blender para reconstruir o Palácio de Belas Artes de São Francisco", "Um antigo desenho de trem a vapor transformado em 3.295 objetos editáveis no Blender" e "600 Agentes Astra vivendo no mesmo mundo irreal" são casos típicos nessa direção.
Link do vídeo: https://mp.weixin.qq.com/s/6tOR2GptUa97ffW-jWJF2Q
Outro caso interessante é “tocar piano”. O funcionário da OpenAI, Victor E. Nunez, pediu à Astra que encontrasse um piano online e tocasse "River Flows in You" usando o computador. Durante o processo de execução, o Astra pesquisou e abriu sozinho um site de piano virtual on-line e, em seguida, usou o Computer Use para controlar diretamente a interface do computador: clique com o mouse como a “mão direita” e clique nas teclas do piano. O controle do teclado é tratado como "mão esquerda + parágrafo rápido". Os dois tocaram ao mesmo tempo, controlando com precisão o ritmo e a duração das notas, e executaram completamente a música "River Flows in You".
Link do vídeo: https://mp.weixin.qq.com/s/6tOR2GptUa97ffW-jWJF2Q
O que é mais interessante é que o Astra gravou a própria tela e editou este vídeo de demonstração. Todo o processo é de ponta a ponta: desde a compreensão da tarefa → encontrar o site → carregar o instrumento → tocar em tempo real, sem intervenção manual nas etapas intermediárias.
Esses casos mostram que o GPT-6 Astra atingiu um novo patamar no uso de computadores agentes, com velocidade, precisão, paralelismo multiferramenta e recursos de feedback em tempo real, todos atingindo um nível muito alto.
Talvez, no futuro, as pessoas possam parar de pensar em como recriar as capacidades de um determinado software profissional em funções de IA e simplesmente entregar o software à IA. Ser capaz de operar qualquer software projetado para humanos expande enormemente os cenários de aplicação da IA.
Fora da tela,
Astra começa a controlar o robô
Não importa o quão escandalosas tenham sido as demos anteriores, elas basicamente aconteceram no computador.
O teste feito pelo internauta Jay Chooi foi diferente: eles realmente conectaram o Astra ao braço robótico.
Uma das tarefas é fazer com que o braço robótico coloque blocos em uma tigela. O GPT-6 Astra foi realizado 20 vezes e a taxa de sucesso chegou a 95%; o controle Fable 5.1 foi de 40%. Ao mesmo tempo, seu número de tokens de saída é apenas cerca de 16% deste último, e seu custo é apenas cerca de 43% deste último.
Mais importante ainda, não há demonstração ou ajuste fino do Astra para esta tarefa. Jay Chooi acrescentou mais tarde especificamente que este foi um teste de tiro zero. O modelo é responsável por fornecer a posição e atitude do efetor final do braço robótico e, em seguida, convertê-lo em movimento do braço robótico por meio do solucionador automático de cinemática inversa.
À medida que a velocidade de produção de tokens de grandes modelos acelera, Jay Chooi prevê com otimismo que o LLM será capaz de controlar o braço robótico em tempo real já no final deste ano e até 2029.
Yu Xiang, ex-cientista pesquisador da NVIDIA, destacou ainda que a próxima fronteira da robótica pode ser como realmente usar modelos avançados de IA para controle. Apenas utilizá-los como agentes para invocar módulos de percepção e planejamento não é suficiente. Precisamos de novas maneiras de conectar esses modelos ao mundo físico.
Esses resultados também deixam as pessoas curiosas. O que a OpenAI adicionou no pós-treinamento para tornar o modelo tão versátil? Ou há um avanço no pré-treinamento?
Ainda estudando?
Depois de ler isto, algumas pessoas lamentaram que a IA não esteja mais satisfeita em gerar uma imagem, mas tenha começado a tentar "reconstruir o mundo".
Uma questão surge naturalmente: quando a IA puder modelar, escrever código, operar software e até mesmo começar a tocar o mundo físico, quantas das habilidades que aprendemos com tanto esforço hoje ainda existirão em sua forma atual?
Certamente não há resposta para esta pergunta agora. Ainda há muitas coisas no Astra que são instáveis, difíceis ou mesmo inutilizáveis, mas o que é realmente perturbador e emocionante nestes dois dias pode ser exatamente isto: pela primeira vez, muitas operações complexas que devem ser dominadas por humanos por padrão tornaram-se possíveis de serem empacotadas como um todo para a IA.
Quanto a "ainda devo aprender no futuro?", a resposta é definitivamente que ainda tenho que aprender. Acontece que talvez tenhamos que repensar o que vale a pena aprender.
Comentários