GPT-4o:OpenAI的一小步 "AI助理"的一大步

2024-05-14 | 來源: 極客公園 | 轉到微信 | 有0人參與評論 | 字體: 放大縮小 | 收藏 | 打印

5 月 13 日，OpenAI 用一場春季發布會，再次攪動了整個 AI 行業。

在 Sam Altman 缺席的情況下，OpenAI CTO Mira Murati 擔綱介紹了新的 ChatGPT 產品 GPT-4o。

短短 26 分鍾的發布會，卻幾乎是科幻電影《Her》的現實演繹。當你打開 ChatGPT，你面對的不再是一個只會幫你生成內容、或者進行僵硬語音聊天的工具——你喚起的將是一個「無所不能」的語音助手，或者說，一個越來越接近人類的「物種」。

它長出了「眼睛」，可以通過攝像頭看到你，比如它通過研究員上揚的嘴角判斷他的心情、通過他周圍的環境背景判斷了他正在做什麼、甚至給出了造型建議；它能「看到」你的電腦桌面，直接幫你查看寫的代碼有什麼問題。

它有了更靈敏的「耳朵」，能聽懂的不只是語言，還能聽懂研究員過於急促的呼吸聲，並引導他慢慢平穩呼吸、放松下來。

OpenAICTO Mura Murati 宣布推出 GPT-4o | 圖片來源：OpenAI

它有了更靈活的「嘴巴」，對話不再有延時，你能隨時打斷它、它能隨時接住你的話。它的聲音能帶入感情，比如更冷靜一點、更激昂一點、甚至諷刺一點。它還能唱歌。

它也有了更聰明的「大腦」。它能幫研究員一步步解不等式，還可以做同聲翻譯、你可以通過它跟不同語種的人們交流。

"互聯網女皇"發340頁AI趨勢報告:OpenAI令人擔憂

蘋果傳奇人物Jony Ive加入OpenAI領導設計工作

OpenAI:中國利用ChatGPT進行網絡攻擊與輿論操控

這些強大的能力背後，源自 OpenAI 推出的新模型 GPT-4o。與現有模型相比，GPT-4o 的最大進步在於，它可以實時對音頻、視覺和文本進行推理——換句話說，它讓ChatGPT實現了真正意義上的多模態交互。

這不僅僅是技術進步的追求，更是應用普及的追求。OpenAI 的使命之一是讓 AI 普惠每個人，讓用戶能順滑地用上 AI 是至關重要的。在「模型即應用」的時代，這種交互體驗最終還是靠模型能力的提升。OpenAI 稱，GPT-4o（「o」代表「omni」）是邁向更自然的人機交互的一步。

發布會上，Mira Murati 宣布 GPT-4o 將免費向所有用戶開放，而付費和企業用戶，可以搶先獲得體驗。

電影《Her》上映於 2013 年，它講述了一位人類愛上一位人工智能語音助理的故事。從今天 ChatGPT 呈現的能力來看，這樣的想象正在加速成為現實。

01 ChatGPT 的驚人進步：變身人類「超級助理」，甚至不需要人類參與

在 OpenAI 的官網上，呈現了 ChatGPT 作為個人語音「超級助理」的更多驚人應用場景。

首先是面向單個用戶，和人一樣，它提供的主要是「情緒價值」與「認知價值」。比如它能講笑話、唱生日快樂歌、玩游戲、逗小狗、給人催眠、讓人放松等等；它能充當面試官，給人提供面試建議；它還能給一位盲人提供環境觀察，給他講述看到的景色、提醒他過馬路的路況。