日常分享AI前沿
昨晚，OpenAI 开了一场25分钟的发布会，推出新产品AI模型GPT-4o。这个字母o代表的单词就是“Omnimodel”，意思就是全能模型。
新模型GPT-4o 可以阅读文字，观看图片，聆听声音，理解问题，进行推理演绎，然后用延误时间极低的响应速度用语音给出回应或者答案。
因为间隔时间极短，和新模型的机器人对话就像是和真人对话一样。
在现场，OpenAI的工程师拿出一个iPhone，他对手机说：“我第一次来直播的发布会，有点紧张。”ChatGPT说：“要不你深呼吸一下。”然后他深呼吸了一下，AI马上说：“你这不行，喘得声音也太大了。”
这种感觉非常科幻了，简直就跟自己的朋友面对面聊天一样。
之前人们普遍猜测，OpenAI 可能会在发布会上推出搜索引擎，遭到了断然否定。
人类从来就不需要搜索引擎，人类需要的是自己提问，然后有人给出回答，至于说回答的那个“人”究竟是真人还是机器人，大概没有多少人会真正关心。如果可能的话，人们更愿意有一段持续的对话，可以继续追问下去，得到更为详细的解释。
发布会上还有一些细节非常有意思。
第一个细节，这个模型可以在232毫秒的时间内响应音频输入，这就和人类的反应时间很相似了，实时对话+语气的细节让它更像真人！
第二个细节，你可以随时打断它，不用非要等它说完就可以继续说下去，这也让对话更像真实环境里的对话。
第三个细节，多媒介信息的感知和输入，让它能感知的信息多了很多维度，也更新正式环境里的互动。
第四个细节，另一位工程师在纸上写了一个方程式，让ChatGPT不直接给答案，而是解释一步步怎么做。这个在很多教育场景里太让人有想象空间了，这个一步步教学的感觉，可以24小时随时待命，家长们绝对有福了！
第五个细节，给AI一段视频，它能识别出中间人物的表情。这意味着AI能识别到你的不同情绪，然后用不同的方式来跟你互动对话，你开心、愤怒、沮丧、无聊时，它都可以非常体贴地陪着你。妥妥的情绪价值拉满！
第六个细节是，你可以跟一张图片进行对话。怎么说呢，例如你打开冰箱，拍张照片，直接跟AI说：“这顿饭可以做什么？”然后它就可以给你输出一个按照冰箱里的菜而出的菜谱，整个交互非常丝滑。但是你想啊，在刚才这个简单的流程中，有语音输入、图片输入，还有菜谱的文本输出。
那以后当AI帮你记录的东西足够多的话，你出去遇到一个熟人，但是完全忘记他是谁的这种情况，你只要拍一张照片，AI就能调出历史记录，帮你回忆起你是在什么时候认识他的，你们之间发生过什么事情，等等，让你不再成为一个脸盲。
当然，除了这个全能模型的发布，OpenAI还发布了电脑版应用，其实就是希望能覆盖你工作生活的各个场景，这对上班族来说非常友好了。
这个全能模型，让很多场景接下来都可以从梦想变成现实了。
当你看到一篇网文的时候，你可以直接问AI，“这句话真是鲁迅说的吗？”AI在对面回答你，“不，鲁迅没说过。”
当你跑步散步时，突然有个想法的时候，直接说：“帮我记下一条笔记。”AI马上说：“没问题，你说吧，我听着。”
当你看到一个知识点时，你问AI：“我以前有没有记过类似的笔记？帮我找出来。”AI直接说：“你以前一共记过六条笔记，都跟这个知识点有关。”
未来一个AI搭子，AI教育陪伴，和菜头说的机械陪伴父母都成为了现实！
Related posts
