OpenAI Переходит на Новый Уровень: ChatGPT Теперь Способен Видеть, Слышать и Говорить

OpenAI завершила долгожданные обновления, которые позволят их популярному чатботу ChatGPT взаимодействовать с изображениями и голосами. Этот шаг представляет собой значительный шаг в направлении видения OpenAI для искусственного общего интеллекта, способного воспринимать и обрабатывать информацию из различных источников, а не только текста.

Голос и Изображения: Новый Этап в Развитии ChatGPT

"Мы начинаем внедрение новых возможностей голоса и изображений в ChatGPT. Они предоставляют новый, более интуитивный тип интерфейса, позволяя вам вести голосовой разговор или показать ChatGPT, о чем вы говорите", - сказано в официальной записи блога OpenAI.

OpenAI объявила, что новый ChatGPT-Plus будет включать голосовой чат, работающий на основе новой модели текст в речь, способной имитировать человеческие голоса, а также способность обсуждать изображения благодаря интеграции с моделями генерации изображений компании. Эти новые функции, по всей видимости, являются частью того, что известно как GPT Vision (или GPT-V, часто путают с теоретическим GPT-5) и представляют собой ключевые компоненты улучшенной мультимодальной версии GPT-4, о которой OpenAI намекала ранее в этом году.

DALL-E 3: Путь к Более Глубокому Пониманию

Это обновление приходит вслед за тем, как OpenAI представила DALL-E 3, свой самый продвинутый генератор текста в изображение. Новый ChatGPT Plus будет поставляться с DALL-E 3, подписочной службой, предлагающей ChatGPT, работающий на базе GPT-4.

Интеграция DALL-E 3 и голосового чата означает стремление OpenAI создать искусственных ассистентов, которые могут воспринимать мир так, как это делают люди - с множеством чувств. Согласно компании: "Голос и изображения предоставляют вам больше способов использовать ChatGPT в вашей жизни. Сфотографируйте достопримечательность во время путешествия и ведите живой разговор о том, что в ней интересного."

Microsoft Ускоряет Гонку в Мире Искусственного Интеллекта с OpenAI

Крупнейший спонсор OpenAI, Microsoft, также активно интегрирует передовые возможности генеративного искусственного интеллекта OpenAI в свои продукты для потребителей. На своем недавнем осеннем мероприятии Microsoft объявила о внедрении искусственного интеллекта в Windows 11, Office и поисковой системе Bing, используя модели, такие как DALL-E 3 (в программах для работы с изображениями, таких как переработанный Paint от Microsoft) и Copilot, программного ассистента OpenAI.

Это соответствует инвестициям Microsoft в OpenAI на сумму более 10 миллиардов долларов, поскольку они стремятся лидировать в гонке искусственных ассистентов. Дебют Copilot в Windows 11 26 сентября обещает сделать помощь искусственного интеллекта доступной на всех платформах и устройствах Microsoft. Тем временем Microsoft 365 Chat применяет навыки естественного языка OpenAI для автоматизации сложных рабочих задач.

Осторожные Шаги к Ответственному Искусственному Интеллекту

Однако OpenAI хорошо осознает потенциальные риски с более мощными мультимодальными системами искусственного интеллекта, включая генерацию изображений и голосовую генерацию. Подделка, предвзятость и зависимость от визуальной интерпретации - это ключевые проблемы.

"Целью OpenAI является создание искусственного общего интеллекта, который безопасен и полезен", - говорится в их объявлении. "Мы считаем, что постепенное предоставление наших инструментов позволяет нам вносить улучшения и совершенствовать меры по снижению рисков со временем, а также готовить всех к более мощным системам в будущем."

Перспективы

Пользователи Plus и Enterprise будут иметь доступ к этим новым функци