IA Multimodal
Definición
Una IA que puede trabajar con múltiples tipos de datos a la vez: texto, imágenes, audio y vídeo. La mayoría de los modelos avanzados actuales son multimodales.
Analogía
La diferencia entre un asistente que solo puede leer emails versus uno que puede leer, escuchar, ver imágenes y ver vídeos. La IA multimodal procesa todos esos canales.
Ejemplo
Con GPT-4o puedes hacer una foto a un recibo, preguntarle cuánto te corresponde pagar a ti y calculará la división. O mostrarle un gráfico y pedirle que lo analice.