首页 美股新闻 正文
  千呼万唤始出来,OpenAI终于“上新”了。

  北京时间5月14日凌晨1点,OpenAI直播发布了其产品的更新。在半小时的线上发布会上,OpenAI的首席技术官米拉·穆拉蒂(Mira Murati)宣布GPT-4的一系列升级。发布会的主要亮点如下:
推出了全新的模型GPT-4o,其中的“o”表示“omni”(全面、全能)。同时,GPT-4o 向所有用户免费开放。

  新模型具备强大的多模态交互能力。在发布会演示中,GPT-4o具备文本、图片、视频和语音方面的能力,可以顺畅丝滑地与人类进行语音交流,并读懂屏幕信息。
  发布了ChatGPT 桌面应用程序,目前可适用于 macOS,Windows 版本将在今年晚些时候推出。
AI助手初具雏形

  在发布会前,记者注意到OpenAI的官网上已经将GPT-4的描述从“最先进的模型”更改为“先进的模型”,为GPT-4o的发布提前做了准备。
  作为OpenAI目前最先进的模型,GPT-4o的特别之处在于可以接受任何文本、音频和图像的组合作为输入,并生成上述这几种模态的内容。这意味着,GPT-4o具备了AI助手的基本雏形,在通往通用人工智能的道路上又前进了一步。
  在发布会现场,穆拉蒂与OpenAI的前沿研究主管Mark Chen和后期训练团队负责人Barret Zoph对实时语音对话功能进行了演示。从演示效果上来看,GPT-4o与人类的交互变得更及时和自然。据介绍,GPT-4o可以在232毫秒内回应音频输入,接近于人类对话的反应时间。在此之前,使用语音模式与ChatGPT进行交流,平均时延为2.8秒(GPT-3.5)和5.4秒(GPT-4)。GPT-4o不仅可以实时响应对话,还没有尴尬漫长的时延,而且能够生成各种不同情绪风格的语音。
  例如,当被问及“你最近怎么样?”时,GPT-4o 除了表示“我很好”,还会反问“你怎么样?”当“要求讲一个”机器人和爱情的睡前故事时,GPT-4o开始说话以后被打断,要求以更有情绪性、更戏剧化的方式讲述故事,随后GPT-4o在讲故事时的语音语调更跌宕起伏,更为声情并茂,甚至可以以唱歌的形式结束对话。
  从此以后,家长们哄娃睡觉变得so easy。
  不仅如此,GPT-4o 还拥有视觉+语音交互功能,能够看图解方程式。Zoph打开手机视频通话,对GPT-4o说:“我要在一张纸上写下一个线性方程。不要告诉我答案,只是给出解答它的过程。”随后,Zoph写下了3x+1=4的方程式,询问如何解这道题。GPT-4o通过循循善诱的提示,在Zoph提出求助与问题时不断给出下一个步骤的建议,从而得出了x=1的正确结果。
  从此,家长辅导孩子写作业也变得更轻松。
  此外,GPT-4o能够实时读懂屏幕信息,帮助解答代码问题和分析图表;能够跨语言实时翻译,在说话者用意大利语和英语对话时,没有延迟地翻译成了对应的语言,还能模仿说话者的语气;能够识别分析人类的情绪,当说话者展示一张自拍,要求其判断自己的情绪时,GPT-4o 分析道,“你看起来非常开心,可能还有一些激动,应该心情很不错。”
  虽然OpenAI的首席执行官山姆·奥特曼没有在发布会现场出现,但他在个人社交平台上实时播报着OpenAI的更新。发布会后,他发布了一条动态,只写了“her”这一个词。据外媒此前报道,奥特曼曾表示自己最喜欢的一个人工智能电影是《她》(Her),最终目标是开发出一种类似电影中的虚拟AI助手,努力使苹果Siri等现有语音助手变得更加实用和智能。
“截胡”谷歌,示好苹果

  早在一周以前,关于OpenAI发布新产品的消息就甚嚣尘上。有消息称OpenAI将发布GPT-5,还有消息称OpenAI即将发布一款基于ChatGPT的AI搜索引擎,向谷歌发起冲击。5月11日,奥特曼在其个人社交平台上否认了以上的传言,并表示:“不是GPT-5,也不是搜索引擎,但我们一直在努力开发一些我们认为人们会喜欢的新东西!对我来说感觉像魔术一样!”
  值得注意的是,谷歌即将在5月14日召开I/O 开发者大会,宣布安卓、谷歌搜索等方面的更新。OpenAI选择在I/O 开发者大会前一天召开发布会,无疑是不希望被谷歌抢了自己的风头。这样的事情并非首次,今年2月16日,OpenAI在事先未作预热的情况下便发布了Sora文生视频模型,引发全世界的关注。而彼时谷歌刚刚升级了Gemini Pro大模型,但在Sora的火爆下显得黯然失色。
  如今OpenAI再度宣战,压力也直接给到了即将正面迎战的谷歌。华福证券研报显示,海外主流AI大模型中,总访问量上ChatGPT仍居于首位,其余大模型中Claude、Perplexity、Character.ai 4月访问量都有一定上涨,但谷歌的Gemini访问量在4月出现下滑,环比跌幅为1.4%。可以看到,在竞逐大模型的路上,谷歌正面临着OpenAI愈发强势的竞争。
  与之相对,隐藏在这场新品发布会中的幕后赢家当属苹果。记者注意到,本次发布会全程用iPhone和MacBook Pro进行演示,同时还发布了Mac桌面版的ChatGPT,似乎是暗示OpenAI将与苹果合作,在苹果设备中接入大模型的能力。
  事实上,这场合作在OpenAI此前的一些动作及媒体消息中已可见端倪。据彭博社5月10日报道,苹果正在与OpenAI商议敲定一项协议,计划在今年在iPhone中引入OpenAI的大模型技术。通过这笔交易,苹果将能够提供由ChatGPT提供支持的“聊天机器人”,作为iOS 18中人工智能功能的一部分。不过报道也指出,苹果还与谷歌就授权Gemini聊天机器人进行了谈判,但尚未达成协议。
  最近,奥特曼参加了播客节目“All-in Podcast”,在其中谈到了许多人工智能的热点与方向。他表示,OpenAI将继续改进语音功能的质量,“相信语音交互或许是通向未来交互方式的重要线索”。当主持人问及他是否和Jony Ive(“iPhone之父”,前苹果首席设计师)有所合作时,奥特曼还表示,“是的,我们在交流一些想法”。
  今年2月,苹果CEO蒂姆·库克曾对外透露,公司正在开发生成式AI软件功能,将在iOS 18中引入由大型语言模型支持的新Siri功能,但并未提及与OpenAI是否有合作事宜。据悉,苹果将在6月份举办WWDC全球开发者大会,展示iOS、iPadOS、macOS、watchOS、tvOS 和 visionOS的前沿创新。
  分析人士认为,若能与OpenAI达成合作,苹果不仅可以缩短产品研发周期,还可以迅速提升自家产品的智能化水平。在生成式AI时代已经落后太多的苹果,是否能通过在其硬件中接入全球领先的大模型,打一个漂亮的“翻身仗”,谜底或许也将在6月揭晓。
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

yagesmlj 新手上路
  • 粉丝

    0

  • 关注

    0

  • 主题

    0