OpenAI показа новия си алгоритъм, който ще може да говори и „вижда“

OpenAI представи новия си алгоритъм, който е от най-висок клас и с най-много възможности. Компанията го е кръстила GPT-4o, като „о“-то е от „омни“, защото може да работи с текст, видео и говор.

Според GPT-4 е най-добрият ѝ алгоритъм досега, който превъзхожда и конкуренцията в някои сфери. Моделът надгражда досегашния GPT-4 Turbo, който имаше сходни възможности, но по-ограничени. Новата версия ще има способност да разговаря с потребителя с глас и да влиза в ролята на асистент.

Освен това работата с текст, видео и аудио е смесена. Потребителят може да качи снимка с меню от ресторант, което е на непознат за него език и да поиска превод. ChatGPT ще може не само да преведе менюто, но и да разкаже повече подробности за ястията, както и да препоръча техни алтернативи или пък сходни идеи.

GPT-4o трябва да позволи много по-натурално водене на разговор с чатбота. Потребителят ще може да го прекъсва докато ботът още отговаря на предишния въпрос. А алгоритъмът дори ще има способността да различава нюансите в тона на потребителя и да адаптира своето поведение и отговори. И ще симулира различни емоции според контекста на разговора, като ще може и да пее.

Новият модел ще се справя по-добре и в разпознаването на обекти в снимки, например да разпознае дори марката на блузата, която носи даден човек в кадъра. Или пък да разчита програмен код и да обяснява какво върши. Друга възможност, която ще бъде добавена в близко бъдеще, е да анализира и видеоклипове. Например потребителят може да качи или изпрати линк към клип с даден спорт и да поиска от ChatGPT да му обясни каква е играта и какви са правилата.

OpenAI са добавили и повече езици. GPT-4o ще може да работи с над 50 езика, включително и български. Освен това голяма част от функциите му ще са налични и за безплатната версия на ChatGPT. Сред тях са бързите анализи и отговори, които ще използват комбинация от собствените данни в модела, но и ще извличат актуални данни от интернет. Друга възможност е качване на файлове за анализ и резюмета, анализиране на данни, създаване на графики. Ще има и „чат за снимки“, т.е. да се води разговор какво има на кадрите и да се извлича информация от тях. Налична ще е и паметта от предишни разговори.

Ограничението за безплатните потребители ще е най-вече в броя токени и съобщения, които могат да се разменят с GPT-4о. Лимитите ще са по-ниски спрямо тези на платените абонаменти. Когато бъдат достигнати, ChatGPT автоматично ще се превключва към по-стария модел GPT-3.5.

OpenAI казва, че GPT-4o вече е тестван и верифициран от над 70 външни експерти. Те са проверили за потенциални рискове и слаби места на алгоритъма, като отзивите им са отразени във финалната версия, която ще е достъпна за потребителите. На лице са и повече механизми за защита от опити за злоупотреби, като разбира се, компанията не навлиза в детайли за тях, за да не дава насоки на тези, които биха искали да се възползват.