（文/觀察者網(wǎng) 陳思佳）一夜之間，AI界震動(dòng)。

當(dāng)?shù)貢r(shí)間5月13日，美國(guó)人工智能研究公司OpenAI在線舉行“春季更新”活動(dòng)，正式推出新的旗艦人工智能模型GPT-4o，以及免費(fèi)向用戶提供更多ChatGPT功能。GPT-4o支持文本、音頻和圖像的任意組合輸入，并能夠生成文本、音頻和圖像的任意組合輸出。

OpenAI首席執(zhí)行官奧爾特曼表示，GPT-4o的語(yǔ)音功能讓人想起了電影《她》，“感覺就像是電影中的人工智能，我仍然對(duì)其感到驚訝?！?

據(jù)美國(guó)《華爾街日?qǐng)?bào)》13日?qǐng)?bào)道，OpenAI首席技術(shù)官米拉·穆拉蒂（Mira Murati）在發(fā)布會(huì)上表示，GPT-4o的速度比現(xiàn)有的GPT-4 Turbo快了兩倍，但成本僅為其一半。GPT-4o可以實(shí)時(shí)對(duì)文本、音頻和圖像進(jìn)行推理，響應(yīng)時(shí)間幾乎達(dá)到人類水平。

報(bào)道稱，OpenAI高管現(xiàn)場(chǎng)演示了GPT-4o的多項(xiàng)功能，包括分析一段計(jì)算機(jī)代碼、在意大利語(yǔ)和英語(yǔ)之間進(jìn)行翻譯、通過(guò)攝像頭引導(dǎo)研究人員解決基本數(shù)學(xué)問(wèn)題等。

OpenAI發(fā)布GPT-4o模型 視頻截圖

OpenAI還表示，GPT-4o可以檢測(cè)用戶的情緒，并以類似人類或機(jī)器人的語(yǔ)調(diào)與用戶交談。在演示中，ChatGPT識(shí)別到OpenAI后訓(xùn)練團(tuán)隊(duì)負(fù)責(zé)人巴雷特·佐夫（Barret Zoph）臉上的微笑，對(duì)他說(shuō)：“你臉上掛著燦爛的笑容，看起來(lái)心情很好?！?

但GPT-4o在演示過(guò)程中也出現(xiàn)一些失誤。例如，它在尚未讀取到圖像時(shí)就開始求解方程，還一度把佐夫的面部識(shí)別為“木質(zhì)表面”。英國(guó)廣播公司（BBC）稱，這表明生成式人工智能的“幻覺”問(wèn)題仍未得到解決，距離解決聊天機(jī)器人不可靠的問(wèn)題還有很長(zhǎng)的路要走。

根據(jù)OpenAI發(fā)布的新聞稿，GPT-4o的“o”代表“omni”，即“全能”之意。GPT-4o可以在最快232毫秒的時(shí)間內(nèi)響應(yīng)音頻輸入，平均響應(yīng)時(shí)間為320毫秒，幾乎接近人類在交談中的響應(yīng)時(shí)間。GPT-4o的英語(yǔ)和代碼文本性能與GPT-4 Turbo相當(dāng)，在非英語(yǔ)文本方面也有顯著提高。

OpenAI表示，在GPT-4o之前，使用語(yǔ)音模式與ChatGPT對(duì)話的平均延遲時(shí)間為2.8秒（GPT-3.5）和5.4秒（GPT-4）。此前的語(yǔ)音模式是由三個(gè)獨(dú)立模型組成，一個(gè)簡(jiǎn)單模型將音頻轉(zhuǎn)換為文本，GPT-3.5或GPT-4接收文本并輸出文本，第三個(gè)模型將文本轉(zhuǎn)換回音頻。這一過(guò)程將導(dǎo)致GPT-4丟失大量信息，它無(wú)法識(shí)別音調(diào)、多個(gè)說(shuō)話者或背景噪音，也無(wú)法輸出表達(dá)情感的語(yǔ)音。

但在GPT-4o中，OpenAI訓(xùn)練了一個(gè)綜合文本、圖像和音頻的端到端新模型，這意味著所有輸入和輸出都由同一個(gè)神經(jīng)網(wǎng)絡(luò)處理。不過(guò)，OpenAI也坦言，GPT-4o是該公司首個(gè)結(jié)合所有這些模式的模型，在探索模型功能及其局限性方面仍處于起步階段。

OpenAI高管現(xiàn)場(chǎng)演示GPT-4o的檢測(cè)情緒功能 視頻截圖

穆拉蒂在發(fā)布會(huì)上表示，GPT-4o的文本和圖像功能將在ChatGPT更新后提供給所有用戶，付費(fèi)訂閱的ChatGPT Plus用戶的消息數(shù)量上限是免費(fèi)用戶的5倍。新版語(yǔ)音模式也將在未來(lái)幾周內(nèi)向Plus用戶推出。

穆拉蒂最后還感謝了美國(guó)芯片公司英偉達(dá)的支持，“我想感謝令人難以置信的OpenAI團(tuán)隊(duì)，也感謝黃仁勛和英偉達(dá)團(tuán)隊(duì)為我們提供了最先進(jìn)的GPU，這使得今天的演示成為可能。”

發(fā)布會(huì)結(jié)束后，OpenAI首席執(zhí)行官薩姆·奧爾特曼在其個(gè)人博客上發(fā)文稱：“新的語(yǔ)音模式是我用過(guò)的最好的計(jì)算機(jī)界面。感覺就像是電影中的人工智能，我仍然對(duì)它感到驚訝。事實(shí)證明，達(dá)到人類水平的響應(yīng)時(shí)間和表達(dá)能力是一個(gè)重大的變化。”

奧爾特曼還表示，GPT-4o的語(yǔ)音功能與電影《她》（Her）相似。美國(guó)有線電視新聞網(wǎng)（CNN）也指出，GPT-4o的語(yǔ)音令人想起了《她》中的人工智能。《她》是2013年在美國(guó)上映的一部科幻電影，講述了作家西奧多愛上電腦操作系統(tǒng)里的女聲的故事。

奧爾特曼在社交媒體上發(fā)文，提及電影《她》

資料圖：美國(guó)電影《她》海報(bào)

一周以前，關(guān)于OpenAI將發(fā)布新產(chǎn)品的消息就甚囂塵上。有消息稱OpenAI將發(fā)布GPT-5，還有消息稱OpenAI將發(fā)布基于ChatGPT的搜索引擎以挑戰(zhàn)谷歌，但奧爾特曼否認(rèn)了這些傳言。他當(dāng)時(shí)表示：“不是GPT-5，也不是搜索引擎，但我們一直在努力開發(fā)一些我們認(rèn)為人們會(huì)喜歡的新東西。對(duì)我來(lái)說(shuō)感覺就像魔術(shù)一樣?！?

《華爾街日?qǐng)?bào)》注意到，OpenAI在谷歌年度開發(fā)者大會(huì)的前一天推出了GPT-4o，預(yù)計(jì)谷歌將在當(dāng)?shù)貢r(shí)間5月14日的開發(fā)者大會(huì)公布自己的新產(chǎn)品。GPT-4o的推出似乎意味著，在投入大量資金和精力研發(fā)新產(chǎn)品之后，OpenAI和其他科技巨頭正尋求擴(kuò)大用戶群體并獲得更多的研究資金。

美國(guó)“商業(yè)內(nèi)幕”網(wǎng)站評(píng)論稱，這使得美國(guó)科技巨頭的人工智能競(jìng)賽變得更加激烈，美國(guó)亞馬遜公司的Alexa、蘋果公司的Siri和谷歌的Gemini都還只能在語(yǔ)音對(duì)話中作出機(jī)械式的回應(yīng)，與GPT-4o的表現(xiàn)有明顯差距。預(yù)計(jì)這些公司將在未來(lái)幾個(gè)月發(fā)布新的AI產(chǎn)品。

但AI技術(shù)的快速發(fā)展也引起一些擔(dān)憂。法新社指出，圍繞版權(quán)問(wèn)題的爭(zhēng)議持續(xù)困擾著AI企業(yè)。OpenAI公司已經(jīng)與美聯(lián)社、英國(guó)《金融時(shí)報(bào)》和德國(guó)阿克塞爾·施普林格集團(tuán)簽署合作協(xié)議，但它也面臨來(lái)自美國(guó)《紐約時(shí)報(bào)》的訴訟。

許多創(chuàng)作者也擔(dān)心，AI大模型的訓(xùn)練涉及侵權(quán)問(wèn)題。去年9月，包括美國(guó)知名作家、《冰與火之歌》作者喬治·馬丁在內(nèi)的17名作家通過(guò)美國(guó)作家協(xié)會(huì)發(fā)起集體訴訟，指控OpenAI“大規(guī)模、系統(tǒng)性盜竊”，使用受版權(quán)保護(hù)的作品訓(xùn)練AI。

路透社此前指出，這些訴訟牽涉到一個(gè)極具爭(zhēng)議的問(wèn)題，即科技公司使用從互聯(lián)網(wǎng)上抓取的圖像、文字和其他數(shù)據(jù)來(lái)訓(xùn)練AI是否構(gòu)成侵權(quán)。在一些創(chuàng)作者看來(lái)，科技公司在未經(jīng)許可的情況下使用他們的作品，侵犯了他們的版權(quán)。但多數(shù)科技公司認(rèn)為，這是對(duì)受版權(quán)保護(hù)內(nèi)容的合理使用。

本文系觀察者網(wǎng)獨(dú)家稿件，未經(jīng)授權(quán)，不得轉(zhuǎn)載。