AI更像人？OpenAI推“全能”大模型

是的，OpenAI又“改变世界”了。自年初“文生视频模型”Sora后，研发ChatGPT的OpenAI于北京时间5月14日凌晨在春季发布会上推出了具备“听、看、说”能力的GPT-4o。OpenAI解释，“o”代表“全能”，是朝着更自然的人类与计算机交互迈出的一步。

有情绪的AI来了

OpenAI的新品终于官宣，是一个“全能助手”。GPT-4o是OpenAI为聊天机器人ChatGPT发布的语言模型。该模型可以帮助ChatGPT实时对音频、视觉和文本进行推理，接受文本、音频和图像的任意组合输入，并生成文本、音频和图像的任意组合输出。

中新网报道，OpenAI称，GPT-4o可以在短至232毫秒的时间内对音频输入做出反应，平均反应时间为320毫秒，这与人类在对话中的反应时间相近。此外，它在英语和代码文本方面的性能与GPT-4Turbo相当，在非英语语言文本方面也有显著提高。

现场，OpenAI展示了GPT-4o的多个应用场景。

例如，在一个演示中，OpenAI前沿研究负责人马克·陈通过手机与ChatGPT进行对话。陈和ChatGPT说，他正在进行演示有些紧张，于是ChatGPT就“像朋友一样”，对他进行了安慰。同时，ChatGPT还能从陈急促的喘气声中，听出他的紧张，然后对他说“慢一点。马克，你不是吸尘器。吸气，然后数到四。”

在另一个演示中，OpenAI后训练团队负责人巴雷特·佐夫把自己的脸对着镜头，通过GPT-4o看看自己的情绪如何。ChatGPT对佐夫说，“你看起来很开心，笑容灿烂。”

同时，OpenAI还在官网发布了一系列演示视频：GPT-4o可以帮助学习数学、学习西班牙语、准备面试，可以通过画面判断出你正在过生日，然后给你唱生日快乐歌，可以根据要求唱不同风格的催眠曲，甚至还可以当“石头剪刀布”的裁判。而在这些视频中，GPT-4o与演示者的对话流畅，说话语气就“像真人一样”。

媒体网友拍手叫好 马斯克：慢得离谱

对于最新发布的大模型，有网友评价道，根据目前展示的视频来看，GPT-4o在语音交互体验上提升了不少。还有网友认为，GPT-4o对算力的需求更大了。也有网友提出，既然GPT-4o具备了“视觉”，它是否可以代替盲人看世界。

同时，多家媒体也将焦点对准了GPT-4o。

中新经纬报道，《华尔街日报》中文网14日称，OpenAI发布了最新的旗舰人工智能模型GPT-4o，称该模型提升了速度和性能。

另据路透社报道，OpenAI研究人员在一次直播活动中展示GPT-4o新的音频功能，使用户能够与ChatGPT交谈并无延迟地获得实时响应，并在ChatGPT说话时打断它。OpenAI首席执行官Sam Altman在一篇博客中评价“感觉就像电影中的人工智能……对我来说，与电脑交谈从未感到真正自然。现在它做到了。”

路透社报道指出，OpenAI面临着越来越大的竞争和扩大ChatGPT用户群的压力。在2022年底推出后不久，ChatGPT被称为有史以来最快的达到1亿月活跃用户的应用程序。然而，根据分析公司Similarweb的数据，在过去的一年里，ChatGPT网站的全球流量一直在过山车上，直到现在才恢复到2023年5月的峰值。此次，OpenAI在谷歌一年一度的开发者大会前一天宣布这一消息。预计谷歌将在会上展示自己的人工智能相关新功能。

不过，特斯拉和SpaceX的首席执行官埃隆·马斯克对OpenAI最新开发的AI模型的能力表示怀疑。

北京和讯网报道，一名用户在X上分享了一段GPT-4o代表自己与另一名代表该公司的聊天机器人说话的演示视频。

另一名用户分享了这段视频，并评论道：“99%的经济将是AI之间的对话”，可能是指很快大多数经济活动将由人工智能系统促进。

然而，马斯克对这两位用户的帖子和评论不以为然，回应称“不是以这种慢得离谱的比特率。”