Ordena la teva fototeca amb una IA que només tria etiqueta

Una IA que tria en lloc d'escriure

OpenAI, l'empresa que desenvolupa ChatGPT, i Google, filial d'Alphabet, ofereixen des d'aquesta tardor una API que no conversa. La d'OpenAI funciona amb GPT-6 Luna (`gpt-6-luna`); la de Google, amb Gemini Decision 1 (`gemini-decision-1`), que es fa servir a través de Google AI Studio, l'entorn web de Google per als desenvolupadors que treballen amb els seus models Gemini.

Totes dues funcionen igual. Se'ls passa una entrada, com ara una foto, i una o diverses preguntes tancades de tres tipus: sí o no (`predicate` a OpenAI, `noul` a Google), tria entre opcions (`choice`) i escala ordenada (`score`). En una pregunta `choice`, la resposta porta l'opció guanyadora, la probabilitat de cada opció i un camp `confidence`, que Google descriu com una confiança de 0 a 1.

OpenAI assegura que, com que no redacta, la seva Decisions API respon unes deu vegades més de pressa que la Responses API, la seva API general per generar text.

Quan convé més que un xat

La regla pràctica surt de la documentació d'OpenAI. La seva Decisions API serveix quan la resposta és una probabilitat, una opció d'una llista fixa o una nota en una escala. Si cal extreure dades amb un esquema propi o redactar una explicació, OpenAI remet a la sortida estructurada de la Responses API.

Ordenar una fototeca encaixa en el primer cas: la resposta possible és una llista curta, sempre la mateixa, i els casos es compten per milers. Per descriure cada foto o explicar per què es descarta, millor un xat.

Quatre etiquetes i una sortida d'emergència

El mètode cap en una pregunta `choice` amb quatre opcions: «captura», «moguda», «guardar» i «no ho sé». Cadascuna porta una frase que diu quan s'aplica, com recomana OpenAI; a l'exemple de Google, aquestes frases van al camp `criteria` de la pregunta.

Per exemple: «captura: imatge de la pantalla del mòbil o de l'ordinador, amb menús, icones o text d'una aplicació»; «moguda: la foto està desenfocada o s'ha mogut i no es distingeix el motiu»; «guardar: foto nítida d'un lloc, un objecte o un moment que val la pena conservar»; «no ho sé: no encaixa clarament en cap de les anteriors».

La quarta és la vàlvula d'escapament. OpenAI aconsella una opció de reserva, com ara «altres», quan les categories no ho cobreixen tot, i enviar aquest resultat a revisió. Aquí, el que cau a «no ho sé» es mira a mà.

El més natural és una petició per foto amb una sola pregunta. Totes dues API admeten diverses preguntes sobre una mateixa entrada, però cap de les dues guies no dona un màxim de fotos per petició. A la de Google, les instruccions només admeten text: la foto va a l'entrada.

La confiança decideix què revises tu

La confiança reparteix la feina. Tot el que surti per sota d'un llindar, per exemple 0,6, va a una carpeta de revisió manual juntament amb els «no ho sé». El que el supera es mou sol. Google presenta així aquesta dada: com el senyal per enviar els casos dubtosos a un altre sistema o a una persona.

El llindar no s'endevina. OpenAI recomana fixar-lo amb exemples etiquetats de la mateixa aplicació i segons el que costi cada tipus d'error. En una fototeca no costen el mateix: llençar una foto bona és pitjor que deixar una captura entre les que es guarden. Per això convé que la IA no esborri mai: només mou a carpetes.

Quant costaria ordenar milers de fotos

Segons les seves pàgines de preus, totes dues cobren el mateix per l'entrada i res per la resposta. El que canvia és la lletra petita: OpenAI té memòria cau, l'escriptura de la qual es cobra, i recàrrecs regionals i per context llarg; Google no té memòria cau, però sí un nivell gratuït a AI Studio.

El mateix preu de llista no vol dir el mateix cost. Cada empresa compta a la seva manera els tokens d'una imatge, i Google deixa triar amb `resolution` el detall amb què es llegeix la foto, de `low` a `ultra_high`, cosa que canvia la despesa. La dada real la dona el camp `usage` de cada resposta.

La fórmula: nombre de fotos multiplicat pels tokens de cada foto, dividit per un milió i multiplicat pel preu de llista. Un exemple hipotètic: si cada foto gastés 1.000 tokens d'entrada, 5.600 fotos serien 5,6 milions de tokens, uns 0,56 dòlars. Els tokens reals per foto es llegeixen a `usage` després de la primera petició.

Abans de pujar ni una sola foto

Segons la pàgina de preus de Google, en el nivell gratuït d'AI Studio les dades es fan servir per millorar els productes de Google; en el de pagament, no. Qui practiqui gratis cedeix aquestes fotos per a aquest ús.

OpenAI ofereix retenció zero de dades i processament a Europa als clients que compleixin els seus requisits, segons la seva guia; un particular no ho ha de donar per descomptat.

La pràctica es fa amb fotos sense persones i sense documents: res de DNI, rebuts ni pantalles amb dades personals, bancàries o de salut.

Fes-ho tu

Cal un compte a Google AI Studio o a la plataforma d'OpenAI per a desenvolupadors, un full de càlcul i 40 fotos pròpies.

Pas 1: separa 40 fotos sense persones: paisatges, objectes, captures sense dades privades i fotos mogudes. Etiqueta-les a mà al full amb «captura», «moguda», «guardar» o «no ho sé». Aquesta columna és la referència.

Pas 2: escriu les quatre etiquetes amb la seva frase de descripció, com les de més amunt. Que no es trepitgin: si un paisatge mogut cap a «moguda» i a «guardar», decideix quina guanya i digues-ho.

Pas 3: passa cada foto per una de les dues API, amb una petició per foto i una pregunta `choice`. A Google, amb el nivell gratuït d'AI Studio i el seu avís sobre les dades: `POST https://generativelanguage.googleapis.com/v1beta/decisions`, model `gemini-decision-1`, la foto a `input` amb la seva `resolution` i la pregunta amb les seves quatre opcions. A OpenAI, sense codi, des del Playground, on la seva guia convida a provar preguntes i entrades.

Pas 4: apunta al full l'etiqueta que tria la IA, la seva `confidence` i els tokens d'`usage`. Omple la plantilla, envia a revisió el que quedi per sota del llindar i calcula el cost de la teva fototeca amb la fórmula i els teus tokens per foto.