當(dāng)?shù)貢r(shí)間13日，美國OpenAI公司展示了最新版本ChatGPT-4o的新技能：與使用者展開語音對話、識別圖像並展開討論、翻譯。據(jù)路透社報(bào)道，相比先前版本，GPT-4o與使用者對話基本無延遲，和人類反應(yīng)速度類似。即使對話中途被打斷，也能繼續(xù)下去。這些都是實(shí)現(xiàn)逼真語音對話的標(biāo)誌，也是當(dāng)前眾多AI語音助手普遍面臨的技術(shù)難點(diǎn)。在BBC看來，GPT-4o能夠結(jié)合文本、音頻和圖像內(nèi)容瞬間作出反應(yīng)，目前在競爭中仍處於領(lǐng)先地位。
邁向更自然人機(jī)互動(dòng) 能回應(yīng)真人情緒
在當(dāng)天網(wǎng)絡(luò)直播的展示中，GPT-4o這款生成式AI工具利用其視覺和語音能力，指導(dǎo)演示者在紙上逐步解出一道方程式，而不是直接給出答案。它還展示了英語與意大利語互譯、用自拍照片識別情緒等能力。新模型將會免費(fèi)對外開放，而付款費(fèi)用可獲得更多限額。
OpenAI在直播時(shí)演示，用戶與ChatGPT對話時(shí)可立即獲得回應(yīng)，並且能夠中途打斷ChatGPT的說話。GPT-4o能夠利用其視像和語音功能與研究人員對話，解決紙上的數(shù)學(xué)方程式。另一展示中，GPT-4o模型展現(xiàn)即時(shí)語言翻譯能力，亦能對研究人員的情緒作出回應(yīng)。
「GPT-4o」是「GPT-4」模型的更新版本，當(dāng)中的「o」代表「omni」，代表「全部」。新模型將免費(fèi)使用，原因是比過去的模型更具成本效益，並提供大量過往曾收費(fèi)的功能，例如線上搜尋、語音對話等，不過設(shè)有用量限制，當(dāng)?shù)竭_(dá)上限時(shí)，會自動(dòng)切換到「GPT-3.5」。
OpenAI稱今次更新，是邁向更自然人機(jī)互動(dòng)的一步，因?yàn)樵贕PT-4o推出前，用戶使用語音模式與ChatGPT對話，GPT-3.5的平均延遲2.8秒，GPT-4延遲5.4秒。相反，GPT-4o可快至232毫秒內(nèi)對音頻輸入作反應(yīng)，與人類在對話中的反應(yīng)時(shí)間相近，令人類與聊天機(jī)械人的對話交流，變得更自然。
OpenAI行政總裁奧特曼發(fā)文形容，與電腦的交流從未如此自然過，就像是在電影中出現(xiàn)過的AI一樣。OpenAI首席技術(shù)官穆拉蒂解釋，之前的模型是語音、文字和視覺協(xié)同工作，導(dǎo)致大量延遲，破壞沉浸式體驗(yàn)，GPT-4o則將三者整合到同一個(gè)模型中，以消除所有延遲。
OpenAI希望以GPT-4o在激烈的AI技術(shù)競爭中保持領(lǐng)先。該公司2022年發(fā)布ChatGPT後，短時(shí)間內(nèi)每月活躍用戶增至1億。然而，研究機(jī)構(gòu)西米勒網(wǎng)絡(luò)公司的數(shù)據(jù)顯示，去年以來ChatGPT用戶人數(shù)呈現(xiàn)過山車式變化，近期才重回去年5月巔峰時(shí)期的水平。
谷歌推出聊天機(jī)械人Gemini應(yīng)對
另一方面，谷歌和OpenAI之間激烈的競爭態(tài)勢愈演愈烈。谷歌13日亦發(fā)布了一段視頻，展示了疑似經(jīng)過升級的Gemini聊天機(jī)械人。視頻中，Gemini以同時(shí)實(shí)時(shí)處理來自視頻和語音的輸入。
視頻展示了Gemini在一臺Pixel手機(jī)上流暢地處理實(shí)時(shí)視頻和語音提問，並準(zhǔn)確地提供信息。當(dāng)被問到正在進(jìn)行的布置工作時(shí)，Gemini正確識別出這是為一個(gè)重要活動(dòng)做的準(zhǔn)備。整個(gè)對話過程自然流暢，Gemini還會詢問用戶注意到的細(xì)節(jié)，成功識別出了該活動(dòng)為谷歌I/O開發(fā)者大會，並進(jìn)行了簡要介紹。
此外，微軟當(dāng)?shù)貢r(shí)間13日亦宣布向法國投資40億歐元，用於擴(kuò)展在當(dāng)?shù)氐碾?yún)端及AI業(yè)務(wù)，並將會資助法國的AI技術(shù)及科技工業(yè)，計(jì)劃把2.5萬塊最先進(jìn)的塊圖像處理器帶進(jìn)法國，預(yù)計(jì)至2027年可訓(xùn)練100萬人，及支援2500家AI初創(chuàng)公司。
近年來，開發(fā)更人性化、功能更強(qiáng)大的生成式AI工具競爭激烈。谷歌母公司Alphabet擬於14日召開谷歌開發(fā)者年度會議，預(yù)計(jì)屆時(shí)將展示谷歌開發(fā)的相關(guān)產(chǎn)品。馬斯克、科技DeepMind創(chuàng)始人之一穆蘇萊曼也分別投資開發(fā)了聊天機(jī)械人Grok和Pi，將擬人化特點(diǎn)作為產(chǎn)品主攻方向。
IMF警全球四成職位受AI衝擊
與此同時(shí)，國際貨幣基金（IMF）也在對AI可能給全球勞動(dòng)力市場帶來的衝擊發(fā)出警告。IMF總裁格奧爾基耶娃13日表示，AI正如山呼海嘯般衝擊全球勞動(dòng)力市場，而全球政府和企業(yè)尚未對此做好準(zhǔn)備。格奧爾基耶娃預(yù)測，未來兩年，對於發(fā)達(dá)經(jīng)濟(jì)體而言，AI可能會影響60%的工作職位；而對於全球所有國家而言，AI可能將衝擊40%的工作職位。
格奧爾基耶娃表示：「我們幾乎沒有時(shí)間讓人們和企業(yè)做好準(zhǔn)備，如果我們管理得當(dāng)，AI的確可以極大地提高生產(chǎn)力，但它也可能導(dǎo)致更多的錯(cuò)誤信息，當(dāng)然，還會加劇我們社會的不平等?！?/p>
頂圖：ChatGPT用戶人數(shù)去年呈過山車式變化，近期才重回去年5月巔峰時(shí)期的水平。 路透社
電話：（香港）852-2564 0768
（深圳）86-755-83518792 83518734 83518291
地址：香港九龍觀塘道332號香港商報(bào)大廈
