A Google suspendeu a utilização da ferramenta que permite gerar imagens de pessoas a partir de texto no seu novo modelo de inteligência artificial (IA) Gemini devido a problemas em algumas representações históricas.

Numa pequena nota publicada no X (antigo Twitter), a Google refere que já está a trabalhar para resolver os problemas recentes da ferramenta.

"Enquanto o fazemos, colocaremos em pausa a geração de imagens de pessoas e relançaremos uma versão melhorada em breve". Esta quarta-feira, a tecnológica já tinha admitido que o Gemini estava a apresentar algumas "imprecisões em representações históricas", sem se referir a imagens específicas, pedindo também desculpa pelas tentativas de criar uma “ampla gama” de resultados que "erraram o alvo".

Em causa está a geração de imagens de soldados negros e asiáticos quando é pedido à ferramenta que produza imagens de "soldados alemães da segunda guerra mundial", por exemplo, ou de pessoas de cor quando o prompt está relacionado com os “Pais Fundadores” dos EUA​. Nos últimos dias, vários utilizadores têm utilizado as redes sociais para sinalizar que a ferramenta produz imagens imprecisas.

A geração de imagens pelo Gemini é uma ferramenta recente, introduzida no início de Fevereiro. O recurso já está disponível em modelos rivais, como o GPT-4 da OpenAI (que também oferece resultados imprecisos).

O novo modelo de inteligência artificial (IA) da Google, o Gemini, também tem poucos meses. Chegou no início de Dezembro a vários dos produtos e serviços da empresa, incluindo o chatbot Bard. Foi construído para ser multimodal, ou seja, capaz de compreender e combinar diferentes tipos de informações incluindo texto, imagens, áudio, vídeo e código informático. Isto faz com que seja mais fácil usar o modelo para identificar erros e corrigir equações, passo a passo, a partir de uma fotografia.

O sistema veio competir com outros já existentes como o GPT-4, o modelo da OpenAI por detrás da versão paga do ChatGPT. A OpenAI foi a primeira empresa a mostrar que era possível criar programas informáticos capazes de compreender humanos em contexto de conversa.