電子發(fā)燒友網(wǎng)報(bào)道（文/李彎彎）當(dāng)?shù)貢r(shí)間5月13日，OpenAI舉行春季發(fā)布會，宣布將推出桌面版ChatGPT，并發(fā)布全新旗艦AI模型GPT-4o。

根據(jù)OpenAI官方網(wǎng)站介紹，GPT-4o中的“o”代表Omni，也就是“全能”的意思。GPT-4o文本、推理、編碼能力達(dá)到GPT-4 Turbo水平，速度是上一代AI大模型GPT-4 Turbo的兩倍，但成本僅為GPT-4 Turbo的一半，視頻、音頻功能得到改善。

GPT-4o速度更快，且能感知用戶情緒

根據(jù)OpenAI介紹，GPT-4o與GPT-3.5、GPT-4的語音對談機(jī)制不同。GPT-3.5和GPT-4會先將音頻轉(zhuǎn)換為文本，再接收文本生成文本，最后將文本轉(zhuǎn)換為音頻，經(jīng)歷這三個(gè)過程，音頻中的情感表達(dá)等信息會被折損，而GPT-4o是跨文本、視覺和音頻的端到端模型，是OpenAI第一個(gè)綜合了這些維度的模型，可更好進(jìn)行對談。

OpenAI技術(shù)負(fù)責(zé)人Mira Murati表示：“這是我們第一次在易用性方面真正邁出的一大步。”O(jiān)penAI研究員Mark Chen表示，新模型具有“感知情緒”的能力，能輸出笑聲、歌唱或表達(dá)情感，還可以處理用戶打斷它的情況。

GPT-4o極大地改進(jìn)了OpenAI的AI聊天機(jī)器人ChatGPT的體驗(yàn)。在發(fā)布會上，OpenAI研究主管Mark Chen和OpenAI的后訓(xùn)練團(tuán)隊(duì)負(fù)責(zé)人Barret Zoph通過現(xiàn)場演示展示出了新模型GPT-4o的強(qiáng)大。

如在演示對話中，Mark Chen表現(xiàn)得有點(diǎn)緊張，然后開始急促地呼吸。當(dāng)GPT-4o聽到Chen過度呼氣時(shí)，它似乎從中察覺到了他的緊張，并說到：別緊張，你喘得像個(gè)吸塵器，深呼吸，再吐氣。接著GPT開始指導(dǎo)Chen怎么深吸慢呼平復(fù)心情。

在另一段對話演示中，Chen讓GPT給Zoph講個(gè)睡前故事哄他入睡，Chen反復(fù)打斷GPT的講述，問它能不能講得更刺激點(diǎn)，最后GPT用非常迪士尼的方式唱出了一個(gè)故事。

GPT-4o還可以通過視覺識別檢測人的情緒。在一個(gè)演示中，Zoph將手機(jī)舉到自己面前正對著臉，要求ChatGPT告訴他自己長什么樣子。GPT-4o注意到了Zoph臉上的微笑，對他說:“看起來你感覺非常快樂，喜笑顏開。”

GPT-4o也能夠進(jìn)行實(shí)時(shí)快速翻譯，OpenAI技術(shù)負(fù)責(zé)人Mira Murati在現(xiàn)場對ChatGPT說起了意大利語，GPT則將她的話翻譯成英語。

OpenAI首席執(zhí)行官山姆·奧特曼（Sam Altman）表示，新的語音和視頻模式是他用過的最好的電腦界面，感覺就像電影里的AI。達(dá)到人類水平的反應(yīng)時(shí)間和表達(dá)能力是一個(gè)很大的變化。

Sam Altman談到：“對我來說，與電腦交談從來都不是一件很自然的事，現(xiàn)在它做到了。隨著我們增加（可選的）個(gè)性化、訪問你的信息、代表你采取行動(dòng)的能力等等，我真的可以看到一個(gè)令人興奮的未來，我們能夠使用計(jì)算機(jī)做比以往任何時(shí)候都多的事情。”

GPT-4o功能未來將會進(jìn)一步發(fā)展

自發(fā)布之日，GPT-4o可在ChatGPT的免費(fèi)版本中使用，并提供給OpenAI的高級ChatGPT Plus和Team計(jì)劃訂戶，具有“5倍更高”的消息限制。OpenAI指出，當(dāng)用戶達(dá)到速率限制時(shí)，ChatGPT將自動(dòng)切換到GPT-3.5。

OpenAI稱，基于GPT-4o的ChatGPT文本和圖像輸入功能將于本周一上線，語音和視頻選項(xiàng)將在未來幾周內(nèi)推出。另外，OpenAI將在未來1個(gè)月左右向Plus用戶推出基于GPT-4o改進(jìn)的語音體驗(yàn)，目前GPT-4o的API并不包含語音功能。

OpenAI指出，在API使用方面，相比去年11月發(fā)布的GPT-4-turbo，GPT-4o價(jià)格降低一半。成本下降對于大模型的調(diào)用至關(guān)重要。OpenAI開始致力于將大模型推向市場。

另外據(jù)Murati介紹，GPT-4o的功能在未來將會進(jìn)一步發(fā)展。比如，盡管目前GPT-4o可以查看不同語言的菜單照片并進(jìn)行翻譯，但未來，該模型可能使ChatGPT能夠觀看直播的體育比賽并向您解釋規(guī)則。

Murati表示：“我們知道這些模型變得越來越復(fù)雜，但我們希望交互體驗(yàn)實(shí)際上變得更加自然、簡單，您不需要關(guān)注UI，而只需專注于與ChatGPT的合作。”

對于大家一直關(guān)注的安全性問題，OpenAI也重點(diǎn)提及。據(jù)稱，通過過濾訓(xùn)練數(shù)據(jù)和訓(xùn)練后改進(jìn)模型行為等技術(shù)，GPT-4o在設(shè)計(jì)中內(nèi)置了跨模式的安全性，并創(chuàng)建了新的安全系統(tǒng)，為語音輸出提供護(hù)欄。

GPT-4o還與來自社會心理學(xué)、偏見和公平、錯(cuò)誤信息等領(lǐng)域的70多名外部專家開展廣泛的外部合作，以識別新增加的模式引入或放大的風(fēng)險(xiǎn)，提高與GPT-4o互動(dòng)的安全性。

OpenAI表示，將繼續(xù)減少新發(fā)現(xiàn)的風(fēng)險(xiǎn)。由于認(rèn)識到GPT-4o的音頻模式存在各種新的風(fēng)險(xiǎn)，目前公開的是文本和圖像輸入以及文本輸出，在接下來的幾周和幾個(gè)月里將圍繞技術(shù)基礎(chǔ)設(shè)施、訓(xùn)練后的可用性、發(fā)布其他模式所需的安全性開展工作，例如音頻輸出將僅限于選定的預(yù)設(shè)聲音，并將遵守現(xiàn)有安全政策。

寫在最后

可以看到，大模型技術(shù)正在快速發(fā)展，而OpenAI新模型GPT-4o無疑又將大模型技術(shù)和應(yīng)用推向了一個(gè)新高度。目前全球科技廠商都在積極角逐，微軟、谷歌等頭部企業(yè)都紛紛召開發(fā)布會，密集推出大模型產(chǎn)品，蘋果傳言也已與OpenAI達(dá)成協(xié)議，在 iPhone使用其技術(shù)。不難看到，接下來大模型無論是在技術(shù)升級還是應(yīng)用落地上都將會呈現(xiàn)一番新景象。