亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        GPT-4o來了,最像人的AI?

        2024-06-21 08:32:42周游
        中國新聞周刊 2024年19期
        關(guān)鍵詞:助手開源語音

        周游

        本文圖/視覺中國

        “我正在臺(tái)上給大家做現(xiàn)場(chǎng)演示呢,有點(diǎn)緊張?jiān)趺崔k?”

        “你在臺(tái)上做演示嗎?那真是太棒了!深呼吸一下吧,要記得你可是專家!”

        邏輯清晰,語調(diào)幽默,感情飽滿,很難想象這是現(xiàn)實(shí)中人類與AI間的對(duì)話。北京時(shí)間5月14日凌晨,美國人工智能公司OpenAI的春季發(fā)布會(huì)上線,發(fā)布了人工智能大模型ChatGPT-4的升級(jí)版GPT-4o。前述對(duì)話就發(fā)生在發(fā)布會(huì)現(xiàn)場(chǎng),這位提問的研發(fā)負(fù)責(zé)人在得到GPT-4o的回應(yīng)后,隨即故意大喘幾口氣,這一動(dòng)作成功被手機(jī)上的GPT-4o捕捉到,并給出了“放松點(diǎn),你可不是吸塵器”的回應(yīng)。

        “GPT-4o可以綜合利用語音、文本和視覺信息進(jìn)行推理?!監(jiān)penAI首席技術(shù)官穆里·穆拉蒂在隨后舉行的主題演講中表示,GPT-4是OpenAI此前的旗艦?zāi)P停梢蕴幚韴D像和文本的混合信息,而GPT-4o則在此基礎(chǔ)上新增了語音處理能力。最關(guān)鍵的是,其反應(yīng)速度平均為320毫秒,完全做到了與人類在正常對(duì)話中同頻。多位業(yè)內(nèi)人士指出,這是此前GPT-4或任何智能語音助手都未曾達(dá)到的水平。

        就在OpenAI發(fā)布會(huì)24小時(shí)后,5月15日凌晨,谷歌在“I/O開發(fā)者大會(huì)”上發(fā)布了大模型Gemini加持下的個(gè)人數(shù)字助理Project Astra,用于對(duì)標(biāo)GPT-4o。谷歌稱其為“通用AI智能體”,其視覺識(shí)別和語音交互效果與GPT-4o不相上下。不少業(yè)內(nèi)人士感嘆,曾幾何時(shí)由蘋果發(fā)布會(huì)主導(dǎo)的“科技春晚”,如今已被AI大模型徹底接手。

        邁向通用語音助手

        OpenAI創(chuàng)始人、CEO薩姆·奧爾特曼并未參加此次OpenAI發(fā)布會(huì),而是在會(huì)后于社交平臺(tái)X上發(fā)表了一個(gè)單詞“她”作為回應(yīng)。在2013年的美國電影《她》中,男主結(jié)識(shí)了一個(gè)可以不斷適應(yīng)環(huán)境的AI系統(tǒng),并與其墜入愛河。這個(gè)AI系統(tǒng)所擁有的迷人聲線、幽默風(fēng)趣和善解人意,如今GPT-4o似乎都可以實(shí)現(xiàn)了。

        GPT-4o中的“o”源自詞綴“omni-”,有“全知全能”之義。對(duì)AI大模型而言,要做到全知全能、無障礙與人交流,首先要快。OpenAI官網(wǎng)顯示,GPT-4o在英文文本和代碼處理上與此前最新的GPT-4 Turbo的性能不相上下,但在非英文文本、視覺和音頻理解方面都更為高效。此前,若使用語音模式對(duì)話,GPT-3.5的平均延遲為2.8秒,GPT-4則為5.4秒。人類的平均反應(yīng)時(shí)間一般為100毫秒到400毫秒,而GPT-4o最低可達(dá)232毫秒,因此后者可以提供幾乎無延遲的順暢交互體驗(yàn)。

        OpenAI此次未放出任何具體的技術(shù)文件,僅在主頁上用一段話介紹了GPT-4o的技術(shù)突破。普通的智能語音模型由多個(gè)獨(dú)立模型組成,分別實(shí)現(xiàn)音頻轉(zhuǎn)文本,文本吞吐和處理,以及文本再轉(zhuǎn)音頻等功能。ChatGPT就是負(fù)責(zé)文本吞吐和處理的核心,也就是智能核心。據(jù)OpenAI介紹,GPT-4o一改這種流水線模式,可以同時(shí)吞吐文本、畫面和音頻數(shù)據(jù),這意味著所有輸入和輸出都由這一個(gè)核心來處理,再加上其在視頻和音頻理解方面的升級(jí),其處理速度顯著加快。這一模式被稱為“端到端的多模態(tài)模型”。

        多模態(tài)還意味著AI可以識(shí)別和表現(xiàn)情感。目前,市面上的語音助手常被用戶詬病為冷漠、機(jī)械、一成不變,這是AI語音交互的一大阻礙。這是因?yàn)?,此前的流水線模式會(huì)讓智能核心丟失很多信息,它很難探測(cè)語調(diào)、識(shí)別多個(gè)說話者、排除背景噪聲,也無法歌唱或用語氣表達(dá)情感。端到端模式下,文字和音視頻都可以成為訓(xùn)練智能核心的數(shù)據(jù),從而讓其真正明白語言所承載的情感。

        OpenAI發(fā)布會(huì)上,演示者要求GPT-4o調(diào)整說話時(shí)語氣,在說話和唱歌之間快速切換,甚至用堪比莎士比亞戲劇的夸張聲調(diào)來講一個(gè)睡前故事,GPT-4o都能完成任務(wù)。在被人類打斷時(shí),其也能耐心等待、快速理解新指令。在聽到讓自己唱歌的要求時(shí),GPT-4o甚至輕微嘆了口氣。

        清華大學(xué)智能產(chǎn)業(yè)研究院首席研究員聶再清對(duì)《中國新聞周刊》稱,從現(xiàn)場(chǎng)和官方視頻來看,GPT-4o確實(shí)做到了即時(shí)回應(yīng)、準(zhǔn)確理解并執(zhí)行指令,以及展現(xiàn)合時(shí)宜的語調(diào)情感。如果這確實(shí)是現(xiàn)場(chǎng)隨機(jī)的結(jié)果,而非為了演示而設(shè)定好的流程,那么GPT-4o的能力的確令人震驚。在他看來,由于缺乏技術(shù)文件,一個(gè)GPT-4性能水平的處理核心如何完成如此復(fù)雜的任務(wù),還未可知,但“這一定是大數(shù)據(jù)喂養(yǎng)的結(jié)果”。

        除了現(xiàn)場(chǎng)演示,發(fā)布會(huì)還有網(wǎng)友提問環(huán)節(jié)。按照網(wǎng)友要求,GPT-4o展示了同聲傳譯、情緒識(shí)別的能力。在識(shí)別一位工作人員的面部情緒時(shí),GPT-4o說“我好像在看一個(gè)木質(zhì)表面的東西”,疑似“翻車”,但該工作人員立刻調(diào)整提問策略,聲明自己“不是一張桌子”。之后,GPT-4o給出了合乎情理的答案。

        GPT-4o并不是第一個(gè)多模態(tài)模型。去年12月,谷歌Gemini Ultra模型發(fā)布,用于完成任務(wù)語言理解、數(shù)學(xué)推理等高度復(fù)雜的任務(wù),被業(yè)內(nèi)認(rèn)為可叫板當(dāng)時(shí)的GPT-4,也是市面上最先發(fā)布的多模態(tài)模型。在谷歌官方公布的視頻中,測(cè)試員和Gemini做了一些小游戲,Gemini能夠用圖片設(shè)計(jì)智力問答,或者找出紙團(tuán)被扣在哪個(gè)紙杯底下。整個(gè)過程中,Gemini的反應(yīng)速度都非???,還會(huì)生成音頻和圖片來輔助回答。但發(fā)布會(huì)后僅數(shù)日,谷歌發(fā)言人便公開承認(rèn),該演示視頻不是實(shí)時(shí)錄制, Gemini實(shí)際上只能對(duì)靜態(tài)圖像做出反應(yīng)。

        因此,GPT-4o的發(fā)布被業(yè)內(nèi)人士看作OpenAI對(duì)谷歌的“貼臉開大”。谷歌則緊隨其后,在15日的發(fā)布會(huì)上予以還擊。相比于OpenAI不足半小時(shí)的“輕聲細(xì)語”,谷歌用長達(dá)近兩小時(shí)、包含數(shù)十款A(yù)I產(chǎn)品的大轟炸叫板OpenAI,包括文生視頻領(lǐng)域?qū)?biāo)Sora 的Veo,以及對(duì)標(biāo)ChatGPT但文本吞吐量遠(yuǎn)超前者的Gemini 1.5 Pro。

        谷歌發(fā)布的視頻中,Project Astra能識(shí)別各種物體,說出代碼的功用,并與人類實(shí)時(shí)溝通,延遲上與GPT-4o沒有明顯差異。Project Astra還能與谷歌AR原型眼鏡“夢(mèng)幻聯(lián)動(dòng)”,為佩戴者描述周圍場(chǎng)景,并根據(jù)佩戴者的反饋補(bǔ)充細(xì)節(jié)。這一應(yīng)用有可能力壓OpenAI,在未來成為視覺障礙患者的福音。有業(yè)內(nèi)人士分析,除了搜索引擎,谷歌在AI大模型領(lǐng)域還在拉平與OpenAI差距的過程中。

        在聶再清看來,兩家公司接連發(fā)布多模態(tài)語音助手,在易用性方面邁出了一大步,讓人窺見了未來通用語音助手的樣貌。通用語音助手就是人類在數(shù)字世界里的代理或管家,可以幫人解決一切數(shù)字事務(wù),包括安排日程、整理和調(diào)用文件、利用知識(shí)指導(dǎo)學(xué)習(xí)、利用記憶推薦可能喜歡的產(chǎn)品等。未來隨著模型吸納的信息越來越多,語音助手會(huì)更加人性化、更加智能,做到真正的自然交互。隨著視頻能力的加入,除語音外,表情、肢體動(dòng)作等也能夠被模型解讀,作為其決策的依據(jù)。有網(wǎng)友評(píng)論稱,無論是GPT-4o還是Project Astra,其身手足以秒殺蘋果的語音助手Siri。

        5月14日,美國加州,谷歌I/O開發(fā)者大會(huì)。

        距離用戶越來越近

        OpenAI在發(fā)布會(huì)上表示, GPT-4o將在未來幾周內(nèi)分階段集成至OpenAI的各項(xiàng)服務(wù)中,包括還未面世的ChatGPT搜索引擎。許多業(yè)內(nèi)人士對(duì)此次發(fā)布會(huì)上GPT-5的缺席表示惋惜,由于OpenAI在2022年底推出ChatGPT的時(shí)候,實(shí)際上已做出了GPT-4,因此有業(yè)內(nèi)人士預(yù)測(cè),帶搜索引擎的GPT-5也許“已在路上”。英偉達(dá)高級(jí)科學(xué)家Jim Fan在X上表示,GPT-4o已經(jīng)接近GPT-5,或許是后者的一次早期試水。據(jù)聶再清觀察,目前還沒有看到模型迭代的瓶頸,大模型的迭代速度有可能還會(huì)加快。

        奧爾特曼在X上表示,OpenAI致力于將GPT-4o免費(fèi)提供給所有用戶使用。以往,OpenAI發(fā)布新版ChatGPT模型時(shí),通常會(huì)將其置于付費(fèi)墻之后。如今,免費(fèi)用戶已經(jīng)可以訪問GPT-4o加持下的多項(xiàng)功能,例如分析數(shù)據(jù)、創(chuàng)建圖表、撰寫文件總結(jié)等,但不能使用圖片生成功能。付費(fèi)用戶則可以享受5倍調(diào)用額度。谷歌在發(fā)布會(huì)中沒有公布Project Astra的具體上線時(shí)間,預(yù)計(jì)很快會(huì)到安卓、iOS等平臺(tái)使用。

        對(duì)開發(fā)者來說,GPT-4o的定價(jià)也更友好。OpenAI官網(wǎng)顯示,從GPT-4開始,輸入單位文本的價(jià)格一直在下降,相較GPT-4 Turbo,GPT-4o收費(fèi)降低50%,調(diào)用速度卻提升了兩倍。這使其在商業(yè)應(yīng)用上有了更大吸引力。聶再清表示,大模型控制價(jià)格的方式之一是提升模型性能,用更少的資源做更多的事;另一個(gè)方式則是通過類似搜索引擎的商業(yè)模式,對(duì)用戶免費(fèi),但可以收取廣告商的贊助。

        至于未來OpenAI和谷歌的大模型有沒有開源的可能性,聶再清表示,參考iOS和安卓,一個(gè)閉源一個(gè)開源,未來的大模型市場(chǎng)也極有可能出現(xiàn)開源和閉源的巨頭。用戶體驗(yàn)最好的行業(yè)領(lǐng)先者傾向于閉源,而開源的好處在于可以集體將模型“做大做強(qiáng)”,二者在市場(chǎng)都有自己的位置。谷歌在發(fā)布會(huì)中推出了其首個(gè)視覺語言開源模型PaliGemma,針對(duì)圖像標(biāo)注、視覺問答、圖像標(biāo)簽化等方面進(jìn)行了優(yōu)化。此外,谷歌還將在6月推出更大規(guī)模的開源模型Gemma 227B。

        OpenAI也同步發(fā)布了適用于macOS的ChatGPT桌面應(yīng)用程序,使用戶調(diào)用的體驗(yàn)更絲滑。GPT-4o加持下的通用語音助手在未來將有廣泛應(yīng)用,例如健康管理、醫(yī)療咨詢、教育教輔等領(lǐng)域。聶再清認(rèn)為,所有開放領(lǐng)域用到的語音智能,例如購物App中的導(dǎo)購等,都可以加裝類似GPT-4o的智能核心,增強(qiáng)用戶體驗(yàn)。這類語音助手將離用戶越來越近。

        猜你喜歡
        助手開源語音
        魔力語音
        五毛錢能買多少頭牛
        基于MATLAB的語音信號(hào)處理
        電子制作(2019年14期)2019-08-20 05:43:38
        基于MQ3與MP3的價(jià)廉物美的酒駕語音提醒器
        電子制作(2019年9期)2019-05-30 09:42:10
        對(duì)方正在輸入……
        小說界(2018年5期)2018-11-26 12:43:42
        大家說:開源、人工智能及創(chuàng)新
        開源中國開源世界高峰論壇圓桌會(huì)議縱論開源與互聯(lián)網(wǎng)+創(chuàng)新2.0
        小助手
        開源計(jì)算機(jī)輔助翻譯工具研究
        靈感助手表彰大會(huì)(二)
        精品一区二区三区a桃蜜| 手机看片1024精品国产| 中文字幕av无码一区二区三区电影| 日韩男女av中文字幕| 白嫩人妻少妇偷人精品| 帮老师解开蕾丝奶罩吸乳视频| 思思久久99er热只有频精品66| 日韩久久免费精品视频| 中文字幕有码人妻在线| 成年女人免费视频播放体验区| 色综合自拍| 亚洲性码不卡视频在线| 新中文字幕一区二区三区| 亚洲va无码手机在线电影| 未满十八勿入av网免费| 亚洲中文字幕一区高清在线| 国产精品一区二区三久久不卡 | 无码一区二区三区不卡AV| 亚洲国语对白在线观看| 天堂在线资源中文在线8| 藏春阁福利视频| 在线a人片免费观看高清| 亚洲一区二区三区免费网站| 欧美成妇人吹潮在线播放| 在线免费观看国产精品| 国产中文字幕亚洲综合| 日本精品女优一区二区三区| 国产在线精品成人一区二区三区| 美女一级毛片免费观看97| 日本免费一区二区在线| 东京热人妻系列无码专区| 天天做天天爱天天综合网| 午夜人妻中文字幕福利| 日本精品视频二区三区| 国产在线精品成人一区二区三区| 人妻精品久久中文字幕| 亚洲av午夜福利精品一区不卡| 内射人妻视频国内| 国产精品三级一区二区按摩| 日韩精品午夜视频在线| 亚洲欧美牲交|