北京时间5月14日凌晨美国人工智能研究公司OpenAI举办春季发布会,发布了新旗舰模型GPT-4o
并展示了一些最新研究。
只多一个“o”却多了很多新功能，GPT-4o的“o”代表“omni”源自拉丁语“omnis”词意为“全能”，GPT-4o可以接受文本、音频和图像三者组合作为输入并生成文本、音频和图像的任意组合输出。
在GPT-4o之前GPT-4无法直接观察音调、说话的人和背景噪音也无法输出笑声、歌唱声和表达情感GPT-4o可以在232毫秒内对音频输入做出反应。
与人类在对话中的反应时间相近
比如：GPT-4o能够从用户急促的喘气声中理解“紧张”的含义，并指导用户进行深呼吸还可以根据用户要求变换语调。
图像输入方面
OpenAI高管启动摄像头要求实时完成一个一元方程题，GPT-4o轻松完成了任务，ChatGPT桌面版还能够对代码和气温图表进行实时解读。
性能方面
GPT-4o在文本、推理和编码等方面实现了与GPT-4 Turbo（OpenAI于2023年11月发布的多模态模型）级别相当的性能。同时在多语言、音频和视觉功能方面的表现分数也创下了新高。
什么时候能用到这些新品？
OpenAI介绍，将首先向ChatGPT Plus和Team用户推出GPT-4o，并且很快会向企业用户推出，免费用户也有机会体验GPT-4o，但当达到限额时ChatGPT将自动切换到GPT-3.5。
发布会的“B面”未提及“可持续性”
GPT-4o在响应速度方面几乎解决了延迟问题，日本经济新闻报道称克服这个弱点让人工智能的使用可能会变得更加广泛，NHK称“IT公司之间的开发竞争正在加剧”，BBC认为本次发布会向人们展示了OpenAI的发展方向，GPT-4o打算成为下一代AI数字助理，但也提示GPT-4o变得越复杂就需要更多的算力，而本次发布会没有提及“可持续性”。
CNBC则在报道中指出，一些业内人士对未经测试的新服务进入市场的速度表示担忧，学术界和伦理学家对该技术传播偏见的倾向感到苦恼，业界人士指出尽管GPT-4o在多模态能力上有所提升，但OpenAI并未展示出真正的视觉多模态突破功能，在实时音频交互方面市场上已有产品具备类似功能。
ChatGPT虽处高光背后也有危机
OpenAI CEO山姆·奥特曼（Sam Altman）曾表示未来五年OpenAI最大的瓶颈可能会出现在供应链和计算资源方面。
另一方面，OpenAI也一直因版权问题受到质疑，发布会前不久美国八家新闻机构提起诉讼，称其利用大量版权新文章训练聊天机器人ChatGPT，控告OpenAI侵权。值得一提的是OpenAI把此次发布会时间安排在谷歌的I/O大之前（谷歌也将发布AI产品），相当于给谷歌“甩了个王炸”，大家都在等着看接下来谷歌如何“接招”？发布会结束后奥特曼在个人社交平台发布了一个单词：她（her）。
在科幻电影《她》里AI助理爱上了人类，而今天具备新功能、接入GPT-4o的ChatGPT语音助手产品，
似乎真的有望让科幻电影的桥段走入现实。
撰文：李飞、曾紫琪 编辑/排版：李汶键统筹：李政葳
参考丨OpenAI官网、日本经济新闻、BBC、CNBC、联合早报
更多信息欢迎关注光明网数字化频道
来源： 世界互联网大会
相关文章
