Компанія OpenAI представила технологію GPT-4o. Оновлена модель чат-бота зі штучним інтелектом зможе підтримати розмову голосом у режимі реального часу, розумітиме людські емоції та тон голосу й буде відповідати з різною інтонацією та розпізнавати об'єкти на відео. Нейромережа GPT-4o ще швидша за GPT-4, і при цьому дозволяє запустити багато преміумфункцій для безкоштовних користувачів.
Так, OpenAI представила GPT-4o у прямій трансляції в понеділок, 13 травня. Це - оновлена версія моделі GPT-4, якій вже більше як рік. Нова модель буде краще працювати з текстом, аудіо та зображеннями в режимі реального часу. Оновлення будуть доступні для користувачів в найближчі тижні.
Головний виконавчий директор OpenAI Сем Альтман каже, що GPT-4o "за своєю суттю є мультимодельним" (буква "о" тут означає "omni", тобто мультимодальні можливості моделі), що відображає здатність використовувати текст, зображення, відео та голос як вхідні дані для взаємодії. Усе це, за словами компанії, наближає нас до "набагато більш природної взаємодії людини з комп'ютером". Користувачі можуть спілкуватися з ШІ як за допомогою лише одного виду даних, так і за допомогою комбінації тексту, аудіо та фото, а потім отримаєте згенеровані вихідні дані також у всіх трьох форматах.
Під час презентації також виявилося, що чат-бот майже миттєво перекладає мову з однієї мови на іншу. Так, OpenAI продемонструвала, як GPT-4o перекладає розмовну мову в реальному часі. Ведучі презентації попросили ChatGPT у режимі розмови слухати, що йому кажуть англійською, а потім пояснити співрозмовнику, який володіє лише італійською, що було щойно сказано. Після того, як друга людина відповідала італійською, ШІ пояснив, що було у її відповіді. Все це відбулося не в дослівному перекладі, а звичайно природною мовою, яка повністю передала суть.
