ИИ очеловечился: новая GPT-4o видит, слышит и будет бесплатной

OpenAI представила усовершенствованную версию своей большой языковой модели — GPT-4 Omni (GPT-4o, читается как «джи пи ти фор оу»). Цифра в названии не поменялась, так как новая нейросеть демонстрирует примерно тот же уровень «разумности», что и предшественница. Однако в остальном это совершенно другая система: GPT-4o с одинаковым успехом работает в текстовом, голосовом и визуальном режимах, справляется с теми же задачами, используя при этом гораздо меньше ресурсов, и может общаться с пользователем голосом без задержек как ИИ-помощники из фантастических фильмов. И, самое главное — модель будет доступна всем пользователям бесплатно.

Шутит, хихикает и кокетничает

Во время трансляции из штаб-квартиры компании в Сан-Франциско в понедельник главный технический директор OpenAI Мира Мурати объявила, что ChatGPT в течение ближайших недель перейдет на новую, более совершенную модель ИИ — GPT-4o. Модель будет доступна для бесплатных и платных пользователей ChatGPT через новое приложение для настольных ПК, а также уже существующие мобильное приложение и веб-версию.

Мира Мурати рассказала, что модель GPT-4o позволяет ChatGPT гораздо быстрее, чем предыдущая технология OpenAI, реагировать на речь пользователя, а также на присылаемые им фото и даже на картинку в реальном времени с камеры смартфона. Она и другие сотрудники OpenAI продемонстрировали, что беседа с обновленным ChatGPT теперь происходит без задержек. Чат-бот отвечал живым и выразительным женским голосом и моментально замолкал, когда его перебивали.

ChatGPT мог озвучивать свои ответы и раньше, но делал это медленно и довольно механическим, «неживым» голосом — в духе самого текста ответов, в которых часто напоминал пользователю, что тот общается с компьютерной программой. GPT-4o, наоборот, делает все, чтобы у человека возникло ощущение общения с себе подобным: эмоциональный тон ответов может меняться в широком диапазоне, чат-бот умеет даже хихикать, шутить и кокетничать. Когда сотрудник OpenAI сказал, что обсуждал с коллегами, насколько «полезен и удивителен» чат-бот, он ответил в притворном смущении: «О, прекрати, ты заставляешь меня краснеть».

Более того, разработчики OpenAI наделили новинку неким подобием эмоционального интеллекта: GPT-4o умеет распознавать настроение пользователя (в том числе и если он просто направит камеру в приложении на свое лицо) и отвечать соответствующим образом.

Со скоростью человека

Это первый сервис такого рода, вплотную приблизившийся к планке, заданной голосовым помощникам фантастическими фильмами вроде «Она» Спайка Джонса. На сайте OpenAI указано, что минимальное время отклика модели на голос — 232 миллисекунды, а среднее — 320 миллисекунд, что соответствует средней реакции живого человека.

На это обратил внимание и генеральный директор OpenAI Сэм Альтман. В публикации в своем блоге в понедельник вечером он написал, что GPT-4o «похожа на ИИ из фильмов». «Меня до сих пор немного удивляет, что это реально, — заявил Сэм Альтман. — Оказывается, приближение к человеку по времени отклика и выразительности — большое изменение». По его мнению, новый голосовой и видеорежим ChatGPT — это лучший компьютерный интерфейс, который он когда-либо использовал. А в соцсети X глава OpenAI опубликовал твит с одним словом — «Она», отсылая к культовому фильму.

Сэм Альтман заверил, что OpenAI не разорится, открыв доступ к новой модели всем. «Я очень горжусь тем, что лучшая в мире модель доступна бесплатно в ChatGPT, без рекламы или чего-то подобного, — написал он в своем блоге. — Мы — бизнес, мы найдем, за что брать деньги, и это поможет нам предоставить бесплатные, выдающиеся услуги ИИ (надеюсь) миллиардам людей».

Глава OpenAI также намекнул, как он видит дальнейшее развитие искусственного интеллекта своей компании: «По мере добавления (по желанию) персонализации, доступа к вашей информации, возможности совершать действия от вашего имени и так далее я вижу захватывающее будущее, в котором мы сможем использовать компьютеры для гораздо большего, чем когда-либо прежде».