Vi såg alla det komma, och dagen är äntligen här — ChatGPT förvandlas långsamt till din vänliga grannskaps-AI, komplett med förmågan att läskigt skratta bredvid dig om du säger något roligt, eller gå ”aww” om du är snäll — och det är bara att skrapa på ytan av dagens tillkännagivanden. OpenAI höll precis en speciell Vårens uppdateringsevenemangunder vilken den presenterade sin senaste stora språkmodell (LLM) – GPT-4o. Med denna uppdatering får ChatGPT en stationär app, blir bättre och snabbare, men framför allt blir den helt multimodal.
Evenemanget började med en introduktion av Mira Murati, OpenAI:s CTO, som avslöjade att dagens uppdateringar inte bara kommer att vara för betalda användare – GPT-4o lanseras över hela plattformen för både gratisanvändare och betalda prenumeranter. ”Det speciella med GPT-4o är att det ger GPT-4-nivåintelligens till alla, inklusive våra gratisanvändare,” sa Murati.
GPT-4o sägs vara mycket snabbare, men den imponerande delen är att den verkligen tar upp kapaciteten några steg, över text, bild och ljud. Det kan också användas av utvecklare för att integrera i sina API:er, och det sägs vara upp till två gånger snabbare och 50% billigare, med en hastighetsgräns som är fem gånger högre jämfört med GPT-4 Turbo.
Vid sidan av den nya modellen lanserar OpenAI skrivbordsappen ChatGPT samt en uppdatering av användargränssnittet på webbplatsen. Målet är att göra chatboten så enkel att kommunicera med som möjligt. ”Vi tittar på framtiden för interaktion mellan oss själva och maskinerna, och vi tror att GPT-4o verkligen flyttar det paradigmet till framtiden för samarbete – där interaktionen blir mycket mer naturlig”, sa Murati.
För det ändamålet verkar de nya förbättringarna – som Murati visade upp med hjälp av OpenAIs Mark Chen och Barret Zoph – verkligen göra interaktionen mycket mer sömlös. GPT-4o kan nu analysera videor, bilder och tal i realtid, och den kan exakt lokalisera känslor i alla tre. Detta är särskilt imponerande i ChatGPT Voice, som blev så människolikt att det går runt kanten av den kusliga dalen.
Att säga ”hej” till ChatGPT framkallar ett entusiastisk, vänligt svar som bara har den minsta antydan till en robotisk underton. När Mark Chen berättade för AI:n att han höll en livedemo och behövde hjälp med att lugna ner sig, lät det tillräckligt imponerad och hoppade in med tanken att han skulle ta några djupa andetag. Den märkte också när dessa andetag var alldeles för snabba – mer som att flämta, egentligen – och ledde Chen genom det rätta sättet att andas, först gjorde ett litet skämt: ”Du är inte en dammsugare.”
Konversationen flyter på naturligt, eftersom du nu kan avbryta ChatGPT och inte behöver vänta på att det ska slutföra, och svaren kommer snabbt utan några besvärliga pauser. När den blev ombedd att berätta en godnattsaga, svarade den på förfrågningar om dess tonfall, från entusiastisk, till dramatisk, till robotisk. Den andra halvan av demot visade upp ChatGPT:s förmåga att korrekt läsa kod, hjälpa till med matematiska problem via video och läsa och beskriva innehållet på skärmen.
Demon var inte perfekt – boten verkade avbrytas ibland, och det var svårt att säga om det berodde på att någon annan pratade eller på latens. Det lät dock ungefär lika verklighetstroget som man kan förvänta sig av en chatbot, och dess förmåga att läsa mänskliga känslor och svara på samma sätt är lika spännande och ångestframkallande. Att höra ChatGPT-skratta fanns inte på min lista över saker jag trodde jag skulle höra den här veckan, men här är vi.
GPT-4o, med sin multimodala design, såväl som skrivbordsappen, kommer gradvis att lanseras under de närmaste veckorna. För några månader sedan berättade Bing Chat för oss att det ville vara mänskligt, men nu är vi på väg att få en version av ChatGPT som kan vara så nära mänsklig som vi någonsin sett sedan starten av AI-boomen.
Stöd vårt arbete ❤️
Om du gillade den här artikeln, överväg att lämna dricks för att hjälpa oss fortsätta publicera bra innehåll.
