財(cái)聯(lián)社5月14日訊（編輯 趙昊）北京時(shí)間周二（5月14日）凌晨，美國(guó)人工智能研究公司OpenAI在線上舉辦了“春季更新”活動(dòng)。
整體來(lái)看，活動(dòng)主要分為兩大部分：推出新旗艦?zāi)Ｐ?ldquo;GPT-4o”，以及在ChatGPT中免費(fèi)提供更多功能。
GPT-4o登場(chǎng)
OpenAI在活動(dòng)中發(fā)布了新旗艦?zāi)Ｐ?ldquo;GPT-4o”，“可以實(shí)時(shí)對(duì)音頻、視覺(jué)和文本進(jìn)行推理。”據(jù)介紹，新模型使ChatGPT能夠處理50種不同的語(yǔ)言，同時(shí)提高了速度和質(zhì)量。
GPT-4o的“o”代表“omni”。該詞意為“全能”，源自拉丁語(yǔ)“omnis”。在英語(yǔ)中“omni”常被用作詞根，用來(lái)表示“全部”或“所有”的概念。
新聞稿稱(chēng)，GPT-4o是邁向更自然人機(jī)交互的一步，它可以接受文本、音頻和圖像三者組合作為輸入，并生成文本、音頻和圖像的任意組合輸出，“與現(xiàn)有模型相比，GPT-4o在圖像和音頻理解方面尤其出色。”
在GPT-4o之前，用戶使用語(yǔ)音模式與ChatGPT對(duì)話時(shí)，GPT-3.5的平均延遲為2.8秒，GPT-4為5.4秒，音頻在輸入時(shí)還會(huì)由于處理方式丟失大量信息，讓GPT-4無(wú)法直接觀察音調(diào)、說(shuō)話的人和背景噪音，也無(wú)法輸出笑聲、歌唱聲和表達(dá)情感。
與之相比，GPT-4o可以在232毫秒內(nèi)對(duì)音頻輸入做出反應(yīng)，與人類(lèi)在對(duì)話中的反應(yīng)時(shí)間相近。在錄播視頻中，兩位高管做出了演示：機(jī)器人能夠從急促的喘氣聲中理解“緊張”的含義，并且指導(dǎo)他進(jìn)行深呼吸，還可以根據(jù)用戶要求變換語(yǔ)調(diào)。
圖像輸入方面，演示視頻顯示，OpenAI高管啟動(dòng)攝像頭要求實(shí)時(shí)完成一個(gè)一元方程題，ChatGPT輕松完成了任務(wù)；另外，高管還展示了ChatGPT桌面版對(duì)代碼和電腦桌面（一張氣溫圖表）進(jìn)行實(shí)時(shí)解讀的能力。
OpenAI新聞稿稱(chēng)，“我們跨文本、視覺(jué)和音頻端到端地訓(xùn)練了一個(gè)新模型，這意味著所有輸入和輸出都由同一神經(jīng)網(wǎng)絡(luò)處理。由于GPT-4o是我們第一個(gè)結(jié)合所有這些模式的模型，因此我們?nèi)匀恢皇菧\嘗輒止地探索該模型的功能及其局限性。”
性能方面，根據(jù)傳統(tǒng)基準(zhǔn)測(cè)試，GPT-4o在文本、推理和編碼等方面實(shí)現(xiàn)了與GPT-4 Turbo級(jí)別相當(dāng)?shù)男阅埽瑫r(shí)在多語(yǔ)言、音頻和視覺(jué)功能方面的表現(xiàn)分?jǐn)?shù)也創(chuàng)下了新高。
OpenAI表示，“我們開(kāi)始向ChatGPT Plus和Team用戶推出GPT-4o，并且很快就會(huì)向企業(yè)用戶推出。我們今天還開(kāi)始推出ChatGPT Free，但有使用限額。 Plus用戶的消息限額將比免費(fèi)用戶高出5倍，團(tuán)隊(duì)和企業(yè)用戶的限額會(huì)再高一些。”
新聞稿稱(chēng)，即使是ChatGPT Free（免費(fèi)）用戶也可以有機(jī)會(huì)體驗(yàn)GPT-4o，但當(dāng)達(dá)到限額時(shí)，ChatGPT將自動(dòng)切換到GPT-3.5。
另外，OpenAI還推出適用于macOS的ChatGPT桌面應(yīng)用程序，通過(guò)簡(jiǎn)單的鍵盤(pán)快捷鍵（Option + Space）可以立即向ChatGPT提問(wèn)，還可以直接在應(yīng)用程序中截取屏幕截圖與機(jī)器人進(jìn)行討論。
在直播活動(dòng)尾聲時(shí)，OpenAI首席技術(shù)官M(fèi)ira Murati說(shuō)道，“感謝杰出的OpenAI團(tuán)隊(duì)，也感謝Jensen（黃仁勛）和英偉達(dá)團(tuán)隊(duì)為我們帶來(lái)了最先進(jìn)的GPU，使今天的演示成為可能。”
（財(cái)聯(lián)社 趙昊 ）
