
13 травня OpenAI анонсувала вихід нової версії ChatGPT-4o , який за їхніми словами «зробить взаємодію між людиною та комп'ютером ще на крок природнішим». Нова нейромережа сприймає будь-яку комбінацію тексту, аудіо та зображень та генерує відповідь також у всіх цих форматах. Як стверджують представники компанії, ІІ розпізнає емоції, може переривати на середині пропозиції та відповідає майже так само швидко, як людина.
Прийміть hello до GPT-4o, наш новий flagship model, який може реалізувати якість audio, vision, і текст в реальному часі: https://t.co/MYHZB79UqN
Text and image input rolling out of ay in API and ChatGPT with voice and video in the coming weeks. pic.twitter.com/uuthKZyzYx
— OpenAI (@OpenAI) May 13, 2024
Літера «о» у назві ChatGPT-4o не тільки мімікрує під 40, але і має позначення omni , тобто всеосяжність, або всеїдність. CTO OpenAI Миру Мураті (Mira Murati) заявила, що ChatGPT-4o буде штучним інтелектом рівня ChatGPT-4 для всіх, навіть для користувачів без платної підписки.
На презентації ChatGPT-4o вирішив лінійне рівняння, записане на папері, а також дав поради щодо глибокого дихання просто слухаючи звуки дихання.
Попередні мовні моделі ChatGpt-3.5 і ChatGPT-4 теж могли спілкуватися голосом, але для цього спочатку голос переводився в текст, а потім оброблявся. Тобто, по суті спочатку одна нейронна мережа обробляла голос, потім інша — текст. Тепер одна і та сама нейромережа обробляє і звук і інформацію, яку він несе. З таким підходом OpenAI намагається отримати більше контексту з наявного матеріалу, наприклад, про емоційний стан співрозмовника. А ще це набагато швидше.