OpenAI 推出了 ChatGPT 的巨大升级，使其比以往更加人性化

ChatGPT 的最新升级意味着语音助手现在可以实时响应音频、文本和视觉输入。新的聊天机器人名为 ChatGPT-4o，将在未来几周内向 alpha 测试人员推出。

据其创建者透露，新版本的 ChatGPT 可以读取面部表情、模仿人类声音模式并进行近乎实时的对话。 

OpenAI 在周一（5 月 13 日）的实时演示中展示了即将推出的人工智能 (AI) 聊天机器人版本，名为 GPT-4o。这个聊天机器人通过电话与主持人大声交谈，似乎对人类对话及其微妙的情感暗示有一种奇怪的控制能力——根据命令在机器人和歌声之间切换，适应中断，并以视觉方式处理其面部表情和周围环境。对话伙伴。

在演示过程中，人工智能语音助手通过完成实时语言翻译、解决写在纸上的数学方程以及引导盲人在伦敦街道上行走等任务来展示其技能。 

“她，”OpenAI 首席执行官 Sam Altman 在演讲结束后在社交媒体平台 X 上发表了一篇简短的文章。该帖子参考了 2013 年的同名电影，影片中一个孤独的男人爱上了人工智能助手。

为了展示其读取视觉线索的能力，聊天机器人使用手机的摄像头读取一位 OpenAI 工程师的面部表情并描述他们的情绪。

相关：麻省理工学院通过创建混合架构赋予人工智能“像人类一样推理”的能力

“啊，我们开始了，看起来你感觉非常高兴和高兴，带着灿烂的笑容和一丝兴奋，”机器人说，它的名字是 ChatGPT。 “无论发生什么，看起来你心情很好。愿意分享这些好心情的来源吗？”

如果演示准确地体现了机器人的能力，那么新功能就是对该公司之前模型中有限的语音功能的巨大改进——这些模型无法处理中断或响应视觉信息。

OpenAI 首席技术官 Mira Murati 在新闻发布会上表示：“我们正在研究我们自己与机器之间交互的未来。” “我们认为 GPT-4o 确实正在改变这种范式。”

新的语音助手将在未来几周内以有限的形式向 alpha 测试人员发布，随后将向付费 ChatGPT Plus 订户开始更广泛的推广。此前，彭博社报道称，该公司即将与苹果达成协议，将 ChatGPT 集成到 iPhone 上，这开启了 GPT-4o 可用于升级 iPhone 语音助手 Siri 的可能性。

但新技术也带来了重大的安全问题。该机器人处理实时文本、音频和视觉输入的能力意味着它可以用于间谍活动。它令人信服的情感模仿也可能使其擅长拨打诈骗电话或以令人信服的方式呈现危险的错误信息。

针对这些问题，Murati 表示 OpenAI 正在努力“缓解”新技术的滥用。