GPT-4o. OpenAI wprowadza rozmowę ze sztuczną inteligencją na nowy poziom

13 maja odbyła się konferencja OpenAI „Spring Update”. Prowadziła ją CTO firmy - Mira Murati. Firma pokazała wersję demo nowego produktu. Chwilę później na stronie giganta technologicznego pojawiły się pełne informacje na ten temat.

Znajdujące się na końcu nazwy „o” jest skrótem od „omni”, co z języka angielskiego tłumaczymy jako „wszech”.

GPT-4o - flagowy produkt OpenAI

Jak dowiedzieliśmy się podczas konferencji, GPT-4o to od tej pory flagowy produkt OpenAI. Ma być dostępny za darmo i dla wszystkich w ciągu najbliższych tygodni.

Jak stwierdziła Mira Murati: ”GPT-4o zapewnia inteligencję na poziomie Chatu GPT-4, ale ma większe możliwości w zakresie tekstu, obrazu i dźwięku”.

Rozmowa w czasie rzeczywistym

GPT-4o reaguje na dane w postaci dźwięku, tekstu i obrazu (w tym na dane z kamery). Na tej podstawie także generuje tekst, obraz lub dźwięk – w zależności, o co go poprosimy.

Największe wrażenie robi jednak funkcja rozmowy w czasie rzeczywistym. GPT-4o może reagować na sygnały audio w ciągu zaledwie 232 milisekund, co jest podobne do czasu reakcji człowieka podczas rozmowy.

Nie odbyło się jednak bez wpadek - głos asystentki AI czasami zacinał się lub odpowiedź padała z kilkusekundowym opóźnieniem. W pewnym momencie AI stwierdziła, że widzi prompt w postaci obrazu, zanim został on wprowadzony.

Rozpoznawanie emocji i kontekstu

W czasie pokazu uczestnicy konferencji przeprowadzili demonstracje rozmowy z GPT-4o. Wyniki były imponujące – zobaczyliśmy jak sztuczna inteligencja o kobiecym głosie potrafi rozpoznawać emocje na podstawie zdjęcia twarzy, żartować, a nawet generować głosy o różnym nacechowaniu emocjonalnym – może na zawołanie brzmieć dramatycznie, robotycznie lub wyśpiewywać odpowiedź.

Co więcej – nowy model GPT potrafi zrozumieć sarkazm czy też kontekst rozmowy. Kiedy asystentka AI, „zrozumiała”, że odybywa się pokaz jej umiejętności i jest chwalona, stwierdziła: „przestań, bo się zarumienię!” i roześmiała się.

Tłumaczenie na żywo

GPT-4o potrafi też tłumaczyć wypowiedzi na różne języki w czasie rzeczywistym, co może wprowadzić komunikację na całkiem nowy poziom.

„Dla mnie największe wrażenie zrobiło to tłumaczenie języka. Wyobraźcie to sobie, macie AirPodsy w uchu i idziecie sobie po, nie wiem, Włoszech czy Niemczech i normalnie rozmawiacie z lokalsami (oczywiście, musicie mieć smartfona przed sobą) nie znając ich języka. Albo macie okulary (jak te od Facebooka i Ray-Ban) i widzicie napisy (jak w filmie) wyświetlające się na soczewkach (albo tłumaczy Wam AI symultanicznie). Jakby, to się właśnie dzieje. Kosmos” – skomentował w portalu X Wojciech Kardyś, ekspert ds. komunikacji internetowej i social mediów.

Korepetycje z matematyki

Kolejną ciekawą funkcją GPT-4o jest tłumaczenie w czasie rzeczywistym, jak rozwiązać proste zadania matematyczne. Podczas pokazu na żywo asystentka AI nie podała od razu poprawnej odpowiedzi, ale krok po kroku naprowadzała pytającego na rozwiązanie prostego równania z niewiadomą – podobnie jak czyni to korepetytor.

Rozpoznawanie emocji a prawo unijne

Wspomniana funkcja rozpoznawania emocji budzi kontrowersje. Akt o sztucznej inteligencji, który będzie wkrótce wdrażany w krajach UE, w tym w Polsce, zakazuje takich praktyk w miejscu pracy i w instytucjach (szkoły, urzędy, banki itp.).

„Wprowadzanie do obrotu, oddawanie do użytku lub wykorzystywanie systemów sztucznej inteligencji do odczytywania emocji osoby fizycznej w obszarach miejsca pracy i instytucji oświatowych, z wyjątkiem sytuacji, gdy wykorzystanie systemu sztucznej inteligencji ma na celu wprowadzone lub wprowadzone na rynek ze względów medycznych lub bezpieczeństwa"
Akt o sztucznej inteligencji

Ten fakt zwróciła uwagę w portalu X dr Luiza Jarovsky, prawniczka i badaczka, która zawodowo zajmuje się sztuczną inteligencją: „OpenAI będzie musiało zadbać o to, aby rozpoznawanie emocji w oparciu o sztuczną inteligencję nie było wdrażane w miejscach pracy i placówkach oświatowych podlegających AI Act” – stwierdziła ekspertka.

„Nowe możliwości z pewnością robią wrażenie, a ponieważ nie chodzi tylko o szum medialny, wyzwania prawne mające na celu zapewnienie ich zgodności dopiero się rozpoczynają” – dodała dr Jarovsky.

Zbieranie wrażliwych danych

Warto pamiętać, że GPT-4 ma funkcję pamięci. Oznacza to, że będzie w stanie zapamiętać wszystkie informacje osobiste, jakie mu podamy – nie tylko nasze ulubione filmy czy potrawy, ale też szczegóły naszego życia rodzinnego, zawodowego, czy intymnego, jakiekolwiek inne dane.

Jeśli nie zaznaczymy inaczej – nasze odpowiedzi będą używane do szkolenia sztucznej inteligencji. Trzeba więc bardzo uważać na to, jakie informacje podajemy GPT-4o oraz co pokazujemy w aparacie/ kamerce i na zdjęciach.

Serwis CyberDefence24.pl otrzymał tytuł #DigitalEUAmbassador (Ambasadora polityki cyfrowej UE). Jeśli są sprawy, które Was nurtują; pytania, na które nie znacie odpowiedzi; tematy, o których trzeba napisać – zapraszamy do kontaktu. Piszcie do nas na: [email protected].