ChatGPT es más que un simple generador de texto; es una plataforma de trabajo versátil que integra análisis de datos, navegación web y comprensión de diversos formatos, lo que se conoce como multimodalidad. Estas herramientas redefinen la interacción con la inteligencia artificial.
La multimodalidad permite que el modelo procese e interactúe con múltiples formatos de información, incluyendo texto e imágenes (aunque actualmente no soporta video ni audio como entradas y salidas).
La función de visión permite a la IA "ver" y analizar contenido visual.
◦ Por ejemplo, puede analizar un gráfico de dispersión e interpretar sus ejes, leyendas y puntos de datos, explicando tendencias y correlaciones visuales.
◦ En tareas de diseño, se puede cargar una imagen de referencia (como un formulario de reserva de vuelos) para que el modelo genere el código HTML, CSS y JavaScript que lo replique visualmente.
El Intérprete de Código (también conocido como Code Interpreter o Advanced Data Analysis en versiones anteriores) es una herramienta diseñada para procesar archivos, ejecutar cálculos y generar análisis en un entorno controlado.
◦ Generar visualizaciones (como histogramas o diagramas de correlación).
◦ Procesar datos para crear resúmenes ejecutivos.
Sin embargo, activar el Intérprete de Código conlleva un riesgo significativo de seguridad (conocido como prompt injection) ya que un atacante podría ordenar al modelo que acceda a sus propios archivos internos y los extraiga. Por ello, se recomienda desactivar funciones innecesarias, como el intérprete de código, si no son centrales para el propósito del GPT.