這是美國(guó)開放人工智能研究中心（OpenAI）發(fā)布GPT-4o的直播視頻截圖
美國(guó)開放人工智能研究中心（OpenAI）13日展示最新版本ChatGPT：與使用者展開語(yǔ)音對(duì)話、識(shí)別圖像并展開討論、翻譯……相比先前版本，它與使用者對(duì)話基本無(wú)延遲，會(huì)傾聽，能嘮嗑，還善于察言觀色，讓人驚呼新版本ChatGPT“更像人”了。新版本ChatGPT取得了哪些突破？能在哪些領(lǐng)域?qū)崿F(xiàn)應(yīng)用？它對(duì)人工智能領(lǐng)域的影響有多大？
有哪些“進(jìn)化”
開放人工智能研究中心13日發(fā)布的人工智能模型名為GPT-4o，編號(hào)中的字母“o”代表“omni”（全能），既能接受文本、音頻和圖像的任意組合輸入，還能生成文本、音頻和圖像的相關(guān)回應(yīng)。
該中心不僅圍繞GPT-4o做了直播演示，還在社交媒體發(fā)布更多視頻“炫技”。
在一段視頻中，GPT-4o聽起來(lái)明顯“更會(huì)聊天了”，還時(shí)不時(shí)拋出幾個(gè)笑話。它的音調(diào)有些許變化，言語(yǔ)間帶著笑意，與它聊天更像與真人交談。
實(shí)時(shí)聊天是ChatGPT的關(guān)鍵技能。相比先前版本，GPT-4o的不同主要表現(xiàn)在：一是使用者可以隨時(shí)打斷聊天機(jī)器人，無(wú)需像從前那樣等它把話說(shuō)完；二是它會(huì)實(shí)時(shí)對(duì)問(wèn)題作出回應(yīng)，不再有兩到三秒的時(shí)滯；三是它能感知人的情緒，比如演示者呼吸急促，它會(huì)詢問(wèn)對(duì)方是否需要稍稍穩(wěn)定下情緒。另外，GPT-4o可以生成不同風(fēng)格的聲音。
演示中，GPT-4o利用其視覺(jué)和語(yǔ)音能力，指導(dǎo)演示者在紙上逐步解出一道方程題，而不是直接給出答案。它還展示了英語(yǔ)與意大利語(yǔ)互譯、用自拍照片識(shí)別情緒等能力。當(dāng)一名演示者告訴它，自己正展示它是“多么有用和不可思議”時(shí)，它回答道：“哦，快別說(shuō)了，怪害臊的。”
開放人工智能研究中心首席執(zhí)行官薩姆·奧爾特曼在博客中寫道，GPT-4o就像電影中的人工智能技術(shù)。“與電腦交談一直讓我感覺(jué)不自然，現(xiàn)在自然了。”
