13 мая Компания OpenAI анонсировала новую флагманскую модель генеративного искусственного интеллекта под названием GPT-4o, где «o» означает omni. Разработчики заявляют, что модель может обрабатывать текст, речь и видео и будет доступна пользователям в течение нескольких недель.
GPT-4o позволяет людям общаться с ним как с реальным собеседником. Например, пользователи могут задать вопрос ChatGPT на базе GPT-4o и прервать ChatGPT во время ответа. Модель обеспечивает отзывчивость практически в режиме реального времени и может уловить нюансы в голосе пользователя, в ответ генерируя голоса в «ряде различных эмоциональных стилей» (включая пение) и пытаясь определить в каком эмоциональном состоянии находится человек.
О том, что собой представляет GPT-4o, и как развитие больших языковых моделей повлияет на человеческое общество, The Insider рассказал пожелавший остаться анонимным российский независимый исследователь искусственного интеллекта, в течение нескольких десятков лет работавший руководителем проектов в крупных международных ИТ-компаниях:
«Ее возможности как языковой модели не изменились, она просто стала мультимодальной. GPT-4 — это чисто текстовая модель, с ней общались, вводя запросы на клавиатуре. Новая модель GPT-4o поддерживает все модальности разговора: видит вас, слышит вас, может общаться с вами как угодно — с помощью голоса, видеоизображения и так далее.
Просто скажите ей: «Привет, давай поговорим на эту тему с тобой», и она будет говорить с вами не как «Алиса» или Siri, просто зачитывая текстовые ответы, но понимая эмоциональную окраску вашего голоса и реагируя соответственно. Видео с демонстрацией ее работы производит неизгладимое впечатление.
Все это имеет колоссальное значение. Дело в том, что в последний год велись дискуссии о том, какое у этих языковых моделей будет практическое применение, поскольку по большей части люди просто играются с ними. Все замечательно, но на чем строить бизнес? Теперь ответ на вопрос получен — это кардинальное изменение формы общения людей и компьютеров.
Теперь умный ассистент сам будет работать за вас, запускать определенные приложения, сам будет решать в какой последовательности и что делать. Этот мультимодальный бот умеет общаться и коммуницировать в любой модальности, и вместе со средствами Microsoft он произведет полную революцию в общении людей с интеллектуальными устройствами.
Если упрощать, то когда-нибудь вы сможешь спросить: «Куда я дел свои очки?», а он, наблюдавший за вашими действиями с помощью камеры, скажет: «Когда ты выходил за молоком, то положил их на тумбочку».
40 лет назад, чтобы написать курсовую или дипломную работу, вы шли в библиотеки, копались в формулярах, смотрели микрофильмы, исследовали каталоги. Сейчас Google ищет за нас информацию. Наша информационная повестка формируется умными алгоритмами — поисковыми, рекомендательными и так далее. Мы смотрим и слушаем уже не то, что хотим, а что рекомендуют алгоритмы.
Лично я отношусь к категории дедушек, и не умею набирать текст двумя пальцами на смартфоне. У моего поколения нет этого «когнитивного гаджета». Если мы хотим что-то набрать на смартфоне, то тычем указательным пальцем в нее. У молодого поколения навык набора двумя пальцами закрепляется с детства, и оно уже становится той сущностью, которая проводит в цифровом мире больше, чем во сне.
Второе колоссальное изменение связано с тем, что мы не только теряем навык принятия решений, поскольку их за нас принимают алгоритмы, но и отделять ложь от правды. И третье — алгоритмы возьмут на себя 90% любой интеллектуальной работы. За человеком в итоге останется что-то вроде роли подсказчика для моделей. Но сейчас уже обучают специальные модели, которые делают подсказки моделям лучше, чем люди».
Новая версия Chat GPT перестала быть игрушкой. Теперь это помощник пользователя, понимающий его эмоции и настроение — эксперт • The Insider • RIMA — архив российских независимых медиа
