新华社北京5月15日电 美国开放人工智能研究中心(OpenAI)13日展示最新版本ChatGPT:与使用者展开语音对话、识别图像并展开讨论、翻译……相比先前版本,它与使用者对话基本无延迟,会倾听,能唠嗑,还善于察言观色,让人惊呼新版本ChatGPT“更像人”了。新版本ChatGPT取得了哪些突破?能在哪些领域实现应用?它对人工智能领域的影响有多大?
有哪些“进化”
开放人工智能研究中心13日发布的人工智能模型名为GPT-4o,编号中的字母“o”代表“omni”(全能),既能接受文本、音频和图像的任意组合输入,还能生成文本、音频和图像的相关回应。
该中心不仅围绕GPT-4o做了直播演示,还在社交媒体发布更多视频“炫技”。
在一段视频中,GPT-4o听起来明显“更会聊天了”,还时不时抛出几个笑话。它的音调有些许变化,言语间带着笑意,与它聊天更像与真人交谈。
实时聊天是ChatGPT的关键技能。相比先前版本,GPT-4o的不同主要表现在:一是使用者可以随时打断聊天机器人,无需像从前那样等它把话说完;二是它会实时对问题作出回应,不再有两到三秒的时滞;三是它能感知人的情绪,比如演示者呼吸急促,它会询问对方是否需要稍稍稳定下情绪。另外,GPT-4o可以生成不同风格的声音。
演示中,GPT-4o利用其视觉和语音能力,指导演示者在纸上逐步解出一道方程题,而不是直接给出答案。它还展示了英语与意大利语互译、用自拍照片识别情绪等能力。当一名演示者告诉它,自己正展示它是“多么有用和不可思议”时,它回答道:“哦,快别说了,怪害臊的。”
开放人工智能研究中心首席执行官萨姆·奥尔特曼在博客中写道,GPT-4o就像电影中的人工智能技术。“与电脑交谈一直让我感觉不自然,现在自然了。”
应用潜力如何
北京邮电大学人机交互与认知工程实验室主任刘伟说,无论是在文本生成、做题、问答系统还是情感分析等任务中,GPT-4o都表现出很好的能力。这种技术的突破,无疑将对国内外的相关企业产生重大影响,它不仅推动了自然语言处理技术的发展,也让人工智能在多个领域的应用变得更加广泛和深入。
近年来,开发更人性化、功能更强大的生成式人工智能工具竞争激烈。就在开放人工智能研究中心发布GPT-4o的第二天,谷歌开发者年度会议召开,人工智能是重头戏。硅谷企业家埃隆·马斯克、技术企业“深层思维”创始人之一穆斯塔法·苏莱曼也分别投资开发了聊天机器人Grok和Pi,将拟人化特点作为产品主攻方向。
英国广播公司的评论说,GPT-4o能够结合文本、音频和图像内容瞬间做出反应,目前在竞争中处于领先地位。
需要担心什么
在开放人工智能研究中心公布的一段演示视频中,GPT-4o一步步引导一名男孩解答出数学题。一些网友直呼,再也不用辅导孩子写作业了。一些人却担心,教师这一职业会不会被人工智能取代。
一些人工智能专家认为,新版ChatGPT虽然可能比竞争对手水平更高且更易使用,但不太可能很快让一些职业彻底消失,从事教学或翻译工作的人更有可能会使用这些工具,而不是被它们取代。
新加坡人工智能计划人工智能产品高级总监莱斯利·特奥说,教学工作涉及人类的同理心,“教师自己经历了学习过程并且了解人如何克服困难,而人工智能不同”。他认为,教学、翻译和客户服务等工作不可能因GPT-4o的出现而消失。
刘伟说,GPT-4o的语音功能改变了对话式人工智能的游戏规则,但依然没有实现聊天机器人的深度态势感知能力,比如意图理解、动机分析等。此外,GPT-4o的进步在人工智能伦理和安全方面带来了新的挑战,需要我们在数据隐私、信息可信性、潜在偏见、恶意使用、意识和责任等方面开展新的思考。