（文/觀察者網(wǎng) 陳思佳）一夜之間，AI界震動。

當?shù)貢r間5月13日，美國人工智能研究公司OpenAI在線舉行“春季更新”活動，正式推出新的旗艦人工智能模型GPT-4o，以及免費向用戶提供更多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，我仍然對其感到驚訝?！?

據(jù)美國《華爾街日報》13日報道，OpenAI首席技術(shù)官米拉·穆拉蒂（Mira Murati）在發(fā)布會上表示，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可以實時對文本、音頻和圖像進行推理，響應時間幾乎達到人類水平。

報道稱，OpenAI高管現(xiàn)場演示了GPT-4o的多項功能，包括分析一段計算機代碼、在意大利語和英語之間進行翻譯、通過攝像頭引導研究人員解決基本數(shù)學問題等。

OpenAI發(fā)布GPT-4o模型 視頻截圖

OpenAI還表示，GPT-4o可以檢測用戶的情緒，并以類似人類或機器人的語調(diào)與用戶交談。在演示中，ChatGPT識別到OpenAI后訓練團隊負責人巴雷特·佐夫（Barret Zoph）臉上的微笑，對他說：“你臉上掛著燦爛的笑容，看起來心情很好。”

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

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毫秒的時間內(nèi)響應音頻輸入，平均響應時間為320毫秒，幾乎接近人類在交談中的響應時間。GPT-4o的英語和代碼文本性能與GPT-4 Turbo相當，在非英語文本方面也有顯著提高。

OpenAI表示，在GPT-4o之前，使用語音模式與ChatGPT對話的平均延遲時間為2.8秒（GPT-3.5）和5.4秒（GPT-4）。此前的語音模式是由三個獨立模型組成，一個簡單模型將音頻轉(zhuǎn)換為文本，GPT-3.5或GPT-4接收文本并輸出文本，第三個模型將文本轉(zhuǎn)換回音頻。這一過程將導致GPT-4丟失大量信息，它無法識別音調(diào)、多個說話者或背景噪音，也無法輸出表達情感的語音。

但在GPT-4o中，OpenAI訓練了一個綜合文本、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神經(jīng)網(wǎng)絡處理。不過，OpenAI也坦言，GPT-4o是該公司首個結(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)場演示GPT-4o的檢測情緒功能 視頻截圖

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

穆拉蒂最后還感謝了美國芯片公司英偉達的支持，“我想感謝令人難以置信的OpenAI團隊，也感謝黃仁勛和英偉達團隊為我們提供了最先進的GPU，這使得今天的演示成為可能?！?

發(fā)布會結(jié)束后，OpenAI首席執(zhí)行官薩姆·奧爾特曼在其個人博客上發(fā)文稱：“新的語音模式是我用過的最好的計算機界面。感覺就像是電影中的人工智能，我仍然對它感到驚訝。事實證明，達到人類水平的響應時間和表達能力是一個重大的變化?！?

奧爾特曼還表示，GPT-4o的語音功能與電影《她》（Her）相似。美國有線電視新聞網(wǎng)（CNN）也指出，GPT-4o的語音令人想起了《她》中的人工智能?！端肥?013年在美國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：美國電影《她》海報

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，但奧爾特曼否認了這些傳言。他當時表示：“不是GPT-5，也不是搜索引擎，但我們一直在努力開發(fā)一些我們認為人們會喜歡的新東西。對我來說感覺就像魔術(shù)一樣。”

《華爾街日報》注意到，OpenAI在谷歌年度開發(fā)者大會的前一天推出了GPT-4o，預計谷歌將在當?shù)貢r間5月14日的開發(fā)者大會公布自己的新產(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大用戶群體并獲得更多的研究資金。

美國“商業(yè)內(nèi)幕”網(wǎng)站評論稱，這使得美國科技巨頭的人工智能競賽變得更加激烈，美國亞馬遜公司的Alexa、蘋果公司的Siri和谷歌的Gemini都還只能在語音對話中作出機械式的回應，與GPT-4o的表現(xiàn)有明顯差距。預計這些公司將在未來幾個月發(fā)布新的AI產(chǎn)品。

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

許多創(chuàng)作者也擔心，AI大模型的訓練涉及侵權(quán)問題。去年9月，包括美國知名作家、《冰與火之歌》作者喬治·馬丁在內(nèi)的17名作家通過美國作家協(xié)會發(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)保護的作品訓練AI。

路透社此前指出，這些訴訟牽涉到一個極具爭議的問題，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)來訓練AI是否構(gòu)成侵權(quán)。在一些創(chuàng)作者看來，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)科技公司認為，這是對受版權(quán)保護內(nèi)容的合理使用。

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