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闻文章
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大会之前
（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
