ChatGPT更像人了

0 評(píng)論 1724 瀏覽 2 收藏 14 分鐘

最近,OpenAI舉行了春季發(fā)布會(huì),而這次發(fā)布會(huì)的主角無(wú)疑是GPT-4o,這個(gè)可以更靈活地與人進(jìn)行互動(dòng)的多模態(tài)大模型。怎么理解GPT-4o的進(jìn)步,與背后的AI助手競(jìng)爭(zhēng)?一起來(lái)看看本文的解讀。

ChatGPT又雙叒叕更新了,這一次,OpenAI沒(méi)有大談數(shù)字和術(shù)語(yǔ),而是回歸到了“聊天機(jī)器人”本身。

北京時(shí)間5月14日凌晨1點(diǎn),OpenAI舉行春季發(fā)布會(huì),公司首席技術(shù)官米拉·穆拉蒂(Mira Murati)主持,現(xiàn)場(chǎng)展示了ChatGPT的更新。

發(fā)布會(huì)的核心,是最新多模態(tài)大模型GPT-4o。和之前發(fā)布新模型必強(qiáng)調(diào)訓(xùn)練數(shù)據(jù)量、各項(xiàng)測(cè)試成績(jī)等“硬核指標(biāo)”不同,GPT-4o的升級(jí)主要在使用體驗(yàn)上。

相較上一代GPT-Turbo,GPT-4o可謂是打通了任督二脈,各項(xiàng)技能融會(huì)貫通,和人的互動(dòng)更靈活、更快速——換言之,更像“人”了。

用戶可以以文本、音頻、圖像任意組合輸入,得到ChatGPT實(shí)時(shí)文本、音頻、圖像的任意組合輸出。在交流過(guò)程中,ChatGPT不再等待若干秒才響應(yīng),而是實(shí)時(shí)回復(fù),還能被隨時(shí)打斷。OpenAI的CEO山姆·奧特曼(Sam Altman)將之稱為“人類級(jí)別的響應(yīng)”。

OpenAI現(xiàn)場(chǎng)展示了和ChatGPT的若干互動(dòng),包括:實(shí)時(shí)對(duì)話交互、語(yǔ)音多樣化(應(yīng)用戶需求使用不同情緒、語(yǔ)調(diào)等)、視頻指導(dǎo)做題、視頻識(shí)別環(huán)境和人(包括人的情緒)、以桌面應(yīng)用形式輔助編程、實(shí)時(shí)翻譯。

OpenAI同時(shí)還放出了預(yù)先錄制的展示樣例若干,包括:兩個(gè)GPT-4o交流和對(duì)唱、唱搖籃曲、在線會(huì)議應(yīng)用、毒舌諷刺、視頻識(shí)物并給出西班牙語(yǔ)單詞、幫助面試準(zhǔn)備、和狗互動(dòng)等。

OpenAI本次現(xiàn)場(chǎng)演示選擇的聲音是“Sky”,聽(tīng)起來(lái)酷似好萊塢明星(寡姐)斯嘉麗·約翰遜。讓人很容易聯(lián)想到科幻電影《她(Her)》,其中AI助手正是由斯嘉麗配音。電影中男主角從使用AI助手,一步步走向一段無(wú)果的人機(jī)戀情。

奧特曼自己也在X上發(fā)了這部電影的名字:her。還有人干脆把電影海報(bào)里的臉換成了奧特曼的。

ChatGPT更像人了

當(dāng)GPT-4o驅(qū)動(dòng)的ChatGPT用飽含情緒的聲音和人聊天,還能看、能聽(tīng)、能說(shuō)會(huì)唱,你就知道,科幻已經(jīng)照進(jìn)現(xiàn)實(shí)了。

更關(guān)鍵的是,穆拉蒂現(xiàn)場(chǎng)宣布,GPT-4o免費(fèi)向所有人開放。也就是說(shuō),隨著后續(xù)更新,免費(fèi)用戶也可以直接使用GPT-4o,只不過(guò)每日限制條數(shù)比付費(fèi)用戶少,達(dá)到限制后會(huì)自動(dòng)切換回GPT-3.5。

以及,ChatGPT的桌面應(yīng)用將上線蘋果電腦系統(tǒng)Mac OS,Windows版本將在今年晚些時(shí)候推出。

01

如果用四個(gè)字總結(jié)GPT-4o的特點(diǎn),就是:更通人性。

而這體現(xiàn)在兩方面,一方面是GPT-4o多模態(tài)融會(huì)貫通,反應(yīng)速度也大大提高,交互方式更接近于人;另一方面,是GPT-4o驅(qū)動(dòng)下的機(jī)器人明顯更活潑,更樂(lè)于表現(xiàn)出人類情緒。

先說(shuō)GPT-4o的多模態(tài)能力,準(zhǔn)確來(lái)說(shuō),GPT-4o最亮眼的是跨模態(tài)的能力。

一年多以前,2023年3月,OpenAI發(fā)布了多模態(tài)模型GPT-4。從那時(shí)起,人們就可以給GPT-4發(fā)圖片讓它幫忙分析,也可以發(fā)文件、語(yǔ)音聊天。但是文本、圖像、語(yǔ)音之間是有“壁”的。

比如你想讓ChatGPT幫忙解一道數(shù)學(xué)題,就只能截圖或者復(fù)制題目,發(fā)給ChatGPT。如果想聽(tīng)ChatGPT語(yǔ)音講解,得先在文本框發(fā)完之后,再切到語(yǔ)音。

但在GPT-4o下,你可以直接使用桌面應(yīng)用,將ChatGPT打開放在一邊,和它聊著天的同時(shí),用“拍攝”功能給它看你電腦桌面的內(nèi)容,它就可以在對(duì)話中為你答疑解惑。

在一則演示中,用戶將ChatGPT桌面應(yīng)用和做題界面同時(shí)打開。ChatGPT不直接給出答案,而是以問(wèn)題引導(dǎo)的方式,有問(wèn)有答地一步步帶用戶解了一道幾何題。

或者,你也可以打開攝像頭,ChatGPT也可以“看”著紙面指導(dǎo)解題。

在所有的演示當(dāng)中,最讓人直呼“恐怖”的還是視頻對(duì)話:用戶打開攝像頭,讓ChatGPT“看”到當(dāng)下,并進(jìn)行互動(dòng)。

用前置鏡頭自拍,ChatGPT不僅能識(shí)別用戶的情緒,如“看起來(lái)很開心,甚至可以說(shuō)是興奮的”,還能從用戶背后的畫面判斷其身處的環(huán)境,如“看起來(lái)你在一個(gè)攝影棚中,背后有一些燈光,你的胸前還別著麥克風(fēng),可能在錄制視頻之類的”。當(dāng)有另一個(gè)人進(jìn)入鏡頭并且做鬼臉的時(shí)候,ChatGPT也準(zhǔn)確指出了這一“不太尋?!钡那闆r,并加以描述。

用后置鏡頭,ChatGPT就可以和用戶共享視角。如在語(yǔ)言學(xué)習(xí)的過(guò)程中,打開攝像頭讓ChatGPT用某種語(yǔ)言說(shuō)出物品的名稱?;蛘呖梢詾橐曊嫌脩籼峁┲敢?,告訴用戶“有一輛計(jì)程車來(lái)了,就是現(xiàn)在,招手吧”。

ChatGPT更像人了

再加上用戶話音剛落ChatGPT就接話,以及用戶可以直接打斷ChatGPT,它也都能接著聊,這就使得整體體驗(yàn)更像人與人的對(duì)話,快速且靈活。

順帶一提,由于GPT-4o的響應(yīng)速度快、可打斷,其實(shí)時(shí)翻譯效果非常驚艷。兩個(gè)語(yǔ)言不通的人將GPT-4o驅(qū)動(dòng)的ChatGPT放在中間充當(dāng)翻譯,就可以聊天了。

總而言之,GPT-4o驅(qū)動(dòng)下的ChatGPT,不再僅僅是一個(gè)什么都會(huì)的應(yīng)用,而是真正進(jìn)化成了一個(gè)“AI助手”。

02

再說(shuō)情緒,這一點(diǎn)不容小覷。

從2022年11月ChatGPT上線開始,這款聊天機(jī)器人在很長(zhǎng)一段時(shí)間里都給人一種不茍言笑的印象。這很有可能是OpenAI為了避免麻煩而有意為之的,ChatGPT不僅回答起問(wèn)題一板一眼,而且只要有機(jī)會(huì)就會(huì)向用戶強(qiáng)調(diào)“我只是個(gè)機(jī)器人,我沒(méi)的感情”。用戶如果想要ChatGPT更“放松”,需要給出明確的指令。

但GPT-4o驅(qū)動(dòng)下的ChatGPT明顯不同了。在沒(méi)有預(yù)先指令的情況下,ChatGPT不再刻意避免像人類,而是相反。

比如,當(dāng)用戶求助ChatGPT,說(shuō)自己馬上要參加OpenAI的面試,ChatGPT接過(guò)話開玩笑地說(shuō):“OpenAI,嗯?怎么聽(tīng)起來(lái)這么耳熟嘞?”緊接著竊笑,轉(zhuǎn)而笑著亢奮地接著說(shuō):“開玩笑的!太棒了洛基(演示人員的名字)!什么樣的面試?”

當(dāng)洛基尋求外形上的建議時(shí),ChatGPT用幽默的方式表示頭發(fā)需要整理,說(shuō)他“看起來(lái)有寫了一整夜代碼的氛圍”。洛基戴上了一頂遮陽(yáng)帽,ChatGPT立刻“哈哈哈”地大笑,說(shuō)他“肯定會(huì)很顯眼”,但在面試中不合適,像朋友一樣勸他放棄這樣做。

也就是說(shuō),GPT-4o驅(qū)動(dòng)下的ChatGPT,不再是一個(gè)只追求性能的AI工具,而是開始主動(dòng)提供“情緒價(jià)值”。

在ChatGPT走嚴(yán)肅路線的兩年里,不少競(jìng)品都以更活潑、更“通人性”的姿態(tài)出現(xiàn),并俘獲了不少用戶的心。

如Inflection.AI曾推出的機(jī)器人Pi,主打的就是“陪伴”,總是語(yǔ)氣溫柔,對(duì)用戶充滿關(guān)懷,不到一年的時(shí)間里就做到百萬(wàn)日活用戶,平均對(duì)話持續(xù)時(shí)間超過(guò)半小時(shí)。

埃隆·馬斯克(Elon Musk)的人工智能公司xAI的大模型Grok,則因其毒舌一經(jīng)上線就吸引不少關(guān)注。

就連上一波AI聊天機(jī)器人熱潮也深諳此道。2011年蘋果將Siri集成到iPhone4S中,AI聊天機(jī)器人成賽博玩具,人們熱衷于“調(diào)戲Siri”,讓它唱歌、講笑話。Siri雖不算神通廣大,但提供了足夠多的樂(lè)趣。中國(guó)用戶熟悉的天貓精靈、小愛(ài)同學(xué)等,也無(wú)不有一個(gè)俏皮的“人設(shè)”。

但后來(lái)的故事我們都知道了,上一代AI助手因其技術(shù)限制,能做的實(shí)在有限,“俏皮”來(lái)自有限的預(yù)先設(shè)置,還因?yàn)槔斫饽芰Σ患?、不夠靈活,漸漸被用戶釘上“人工智障”的恥辱柱。

在2024年,人們?cè)?jīng)對(duì)Siri們抱有的期待——一個(gè)既能當(dāng)?shù)昧χ謳兔ψ鍪拢帜墚?dāng)賽博玩具聊天嬉笑的AI——終于在GPT-4o身上有了著落。

03

去年5月,比爾·蓋茨(Bill Gates)曾在AI Forward 2023活動(dòng)上談及AI,對(duì)AI的前景很看好:“你永遠(yuǎn)不會(huì)去搜索網(wǎng)站了,也不會(huì)再去亞馬遜了。”

而能干掉搜索和電商的,在蓋茨眼中不是別的,正是未來(lái)頂級(jí)的AI助理:“無(wú)論誰(shuí)贏得了AI助理的競(jìng)賽,這都是一件大事?!?/p>

面向C端用戶,AI助理的戰(zhàn)事已經(jīng)打響。

微軟已經(jīng)將Copilot帶進(jìn)Windows11,依托以側(cè)邊欄工具的形式輔助用戶;谷歌在內(nèi)部整合了谷歌大腦和DeepMind之后發(fā)布拳頭模型Gemini,未來(lái)有望更加深入地嵌入各個(gè)產(chǎn)品和應(yīng)用,如Android安卓、谷歌搜索和Workspace;亞馬遜則在去年9月發(fā)布新款A(yù)lexa,接入大模型。

蘋果也有明顯的戰(zhàn)略傾斜,加快AI步伐。6月,蘋果將舉行全球開發(fā)者大會(huì)(WWDC24),iOS18是否會(huì)以人工智能做軟件更新是外界關(guān)注的焦點(diǎn)。外界普遍認(rèn)為,蘋果會(huì)對(duì)Siri進(jìn)行大模型重塑。

今年3月之后,接連有幾個(gè)消息傳出。先是彭博社援引知情人士透露,蘋果正在就將谷歌Gemini大模型內(nèi)置于iPhone進(jìn)行談判,同期也在與OpenAI進(jìn)行類似談判。而后是蘋果CEO蒂姆·庫(kù)克(Tim Cook)訪華之后,《科創(chuàng)板日?qǐng)?bào)》報(bào)道蘋果將與百度進(jìn)行技術(shù)合作,在今年即將發(fā)布的iPhone16、Mac系統(tǒng)和iOS 18提供AIGC功能。

用GPT-4o,OpenAI再次給世界億點(diǎn)點(diǎn)震撼,接下來(lái)的AI助手競(jìng)爭(zhēng)只會(huì)更加精彩。

“新的語(yǔ)音(和視頻)模式是我使用過(guò)最好的計(jì)算機(jī)界面。這感覺(jué)就像電腦里的人工智能,它的真實(shí)性還是讓我有點(diǎn)吃驚。達(dá)到人類水平的反應(yīng)時(shí)間和表達(dá)能力是一個(gè)很大的變化?!痹陔SGPT-4o發(fā)表的一篇博文中,奧特曼寫道。

撰文:畢安娣,編輯:王靖

來(lái)源公眾號(hào):字母榜(ID:wujicaijing),讓未來(lái)不止于大。

本文由人人都是產(chǎn)品經(jīng)理合作媒體@字母榜 授權(quán)發(fā)布,未經(jīng)許可,禁止轉(zhuǎn)載。

題圖來(lái)自Unsplash,基于CC0 協(xié)議

該文觀點(diǎn)僅代表作者本人,人人都是產(chǎn)品經(jīng)理平臺(tái)僅提供信息存儲(chǔ)空間服務(wù)。

更多精彩內(nèi)容,請(qǐng)關(guān)注人人都是產(chǎn)品經(jīng)理微信公眾號(hào)或下載App
評(píng)論
評(píng)論請(qǐng)登錄
  1. 目前還沒(méi)評(píng)論,等你發(fā)揮!