消息稱OpenAI將推出多模態(tài)人工智能數(shù)字助理

IT之家 5 月 12 日消息，據(jù) The Information 報道，OpenAI 最近向部分客戶展示了一款新型多模態(tài)人工智能模型，該模型能夠進行語音對話和物體識別。有消息人士透露，這或許就是 OpenAI 計劃在即將到來的 5 月 13 日正式發(fā)布的內(nèi)容之一。

報道稱，相比于 OpenAI 現(xiàn)有的獨立圖像識別和文本轉(zhuǎn)語音模型，該新型模型能夠更快、更準確地處理圖像和音頻信息。例如，它可以幫助客服人員“更好地理解來電者的語氣語調(diào)，判斷他們是否在使用諷刺語氣”。理論上，該模型還能輔助學生學習數(shù)學知識，或翻譯現(xiàn)實世界中的標志文字。

不過，消息人士也指出，雖然該模型在某些問題解答方面能夠超越 GPT4 Turbo，但仍有可能出現(xiàn)自信地給出錯誤答案的情況。

IT之家注意到，開發(fā)者 Ananay Arora 發(fā)布了一張包含通話相關(guān)代碼的截圖，暗示 OpenAI 可能正在為 ChatGPT 加入打電話的功能。Arora 還發(fā)現(xiàn)了一些證據(jù)表明 OpenAI 正在配置用于實時音視頻通信的服務器。

OpenAI 首席執(zhí)行官薩姆?阿爾特曼 (Sam Altman) 已經(jīng)明確否認即將發(fā)布的新品是代號為 GPT5 的大型語言模型（據(jù)稱其性能將大幅優(yōu)于 GPT4）。The Information 則表示，GPT5 可能將在今年年底前正式亮相。阿爾特曼還表示，OpenAI 不會發(fā)布新的人工智能搜索引擎。

如果 The Information 的報道屬實，OpenAI 的新品發(fā)布仍可能會對即將舉行的 Google I / O 開發(fā)者大會產(chǎn)生一定影響。眾所周知，谷歌也在測試利用人工智能進行電話呼叫的技術(shù)。此外，谷歌還有一個據(jù)傳即將發(fā)布的項目，代號為“Pixie”。Pixie 是一款能夠通過設備攝像頭識別物體的多模態(tài) Google Assistant 替代品，可以為用戶提供諸如“如何前往購買地點”或“如何使用”等信息。