北京時間5月14日凌晨
美國人工智能研究公司OpenAI
舉辦春季發布會
發布了新旗艦模型GPT-4o
並展示了一些最新研究
只多一個“o”
卻多了很多新功能
GPT-4o的“o”代表“omni”
源自拉丁語“omnis”
詞意為“全能”
GPT-4o可以接受文本、音頻和圖像
三者組合作為輸入
並生成文本、音頻和圖像的
任意組合輸出
在GPT-4o之前
GPT-4無法直接觀察音調、
說話的人和背景噪音
也無法輸出笑聲、
歌唱聲和表達情感
GPT-4o可以在232毫秒內
對音頻輸入做出反應
與人類在對話中的反應時間相近
比如
GPT-4o能夠從用戶急促的喘氣聲中
理解“緊張”的含義
並指導用戶進行深呼吸
還可以根據用戶要求變換語調
圖像輸入方面
OpenAI高管啟動攝像頭
要求實時完成一個一元方程題
GPT-4o輕鬆完成了任務
ChatGPT桌面版
還能夠對代碼和氣溫圖表
進行實時解讀
性能方面
GPT-4o在文本、推理和編碼等方面
實現了與GPT-4 Turbo
（OpenAI於2023年11月
發布的多模態模型）
級別相當的性能
同時
在多語言、音頻
和視覺功能方面的表現分數
也創下了新高
什麼時候能用到這些新品？
OpenAI介紹
將首先向ChatGPT Plus
和Team用戶推出GPT-4o
並且很快會向企業用戶推出
免費用戶也有機會體驗GPT-4o
但當達到限額時
ChatGPT將自動切換到GPT-3.5
發布會的“B面”
未提及“可持續性”
GPT-4o在響應速度方面
幾乎解決了延遲問題
日本經濟新聞報道稱
克服這個弱點
讓人工智能的使用
可能會變得更加廣泛
NHK稱
“IT公司之間的開發競爭正在加劇”
BBC認為
本次發布會向人們展示了
OpenAI的發展方向
GPT-4o打算成為下一代AI數字助理
但也提示
GPT-4o變得越複雜
就需要更多的算力
而本次發布會
沒有提及“可持續性”
CNBC則在報道中指出
一些業內人士
對未經測試的新服務
進入市場的速度表示擔憂
學術界和倫理學家
對該技術傳播偏見的傾向感到苦惱
業界人士指出
儘管GPT-4o在多模態能力上
有所提升
但OpenAI並未展示出
真正的視覺多模態突破功能
在實時音頻交互方面
市場上已有產品具備類似功能
ChatGPT雖處高光
背後也有危機
OpenAI CEO山姆·奧特曼
（Sam Altman）曾表示
未來五年
OpenAI最大的瓶頸
可能會出現在
供應鏈和計算資源方面
另一方面
OpenAI也一直因版權問題
受到質疑
發布會前不久
美國八家新聞機構提起訴訟
稱其利用大量版權新聞文章
訓練聊天機器人ChatGPT
控告OpenAI侵權
值得一提的是
OpenAI把此次發布會時間
安排在谷歌的I/O大會之前
（谷歌也將發布AI產品）
相當於給谷歌“甩了個王炸”
大家都在等着看
接下來谷歌如何“接招”？
發布會結束後
奧特曼在個人社交平台
發布了一個單詞：
她（her）
在科幻電影《她》里
AI助理愛上了人類
而今天
具備新功能、接入GPT-4o的
ChatGPT語音助手產品
似乎真的有望讓科幻電影的橋段
走入現實
撰文：李飛、曾紫琪 編輯/排版：李汶鍵統籌：李政葳
參考丨OpenAI官網、日本經濟新聞、BBC、CNBC、聯合早報
更多信息歡迎關注光明網數字化頻道
來源： 世界互聯網大會
