ویژگی های جدید و موارد استفاده در دنیای واقعی

گمانه زنی ها در مورد اعلامیه آتی OpenAI با صحبت در مورد موتور جستجوی هوش مصنوعی یا دستیار صوتی مجهز به GPT-4 زیاد بود. اما OpenAI با یک نوآوری پیشگامانه که تنها یک روز قبل از Google I/O 2024 معرفی شد، فراتر از انتظارات بود.

آنها GPT-4o را منتشر کردند، تکرار بسیار سریعتر و هوشمندتر از مدل زبان محبوب خود، ChatGPT.

سم آلتمن، مدیر عامل OpenAI چند روز پیش به این به‌روزرسانی اشاره کرد ایکسآن را چیزی می نامید که “شبیه جادو است.”

این شرکت قصد دارد در هفته های آینده به همه کاربران اجازه دسترسی به GPT-4o را بدهد.

حال، بیایید در آن شیرجه بزنیم و ببینیم که آیا این مدل واقعاً همان‌قدر که سام می‌گوید «جادویی» است یا خیر.

چه چیزی GPT-4o را متمایز می کند؟

OpenAI اخیراً در پست وبلاگ خود اعلام کرد که GPT-4o “می تواند به ورودی های صوتی در کمتر از 232 میلی ثانیه پاسخ دهد، با میانگین 320 میلی ثانیه، که مشابه زمان پاسخ انسان است.” پیش از این، ChatGPT (بر اساس فناوری GPT-4) می توانست به طور متوسط ​​در 5.4 ثانیه به دستورات صوتی پاسخ دهد.

خبر خوب این است که OpenAI GPT-4o را با گنجاندن آن در طرح رایگان به طور گسترده در دسترس قرار می دهد! این بدان معنی است که هر کسی می تواند آن را امتحان کند و برای اهداف شخصی و حرفه ای استفاده کند.

علاوه بر این، توسعه دهندگان اکنون می توانند از GPT-4o از طریق API خود استفاده کنند. این دو برابر سریعتر و ارزانتر از مدل قبلی GPT-4 توربو است. همچنین درخواست های بیشتری را ارائه می دهد (حدود 5 برابر بیشتر از GPT-4 Turbo!). اگرچه ویژگی های صوتی و تصویری جدید هنوز برای همه در دسترس نیست، OpenAI قصد دارد آنها را در هفته های آینده با شرکای مورد اعتماد API به اشتراک بگذارد.

موارد استفاده واقعی

GPT-4o فقط یک ماشین تولید کننده پاسخ استاتیک دیگر نیست. این امر در طول دموی زنده میزبانی شده توسط مدیر ارشد فناوری OpenAI میرا موراتی و تیمش در روز دوشنبه برای همه آشکار شد.

اگرچه GPT-4o می توانست یک معادله ساده را روی کاغذ حل کند، اما فراتر از آن بود. او حتی پیشنهادهای گام به گام مفیدی برای نزدیک شدن به معادله ارائه کرد. این تطبیق پذیری محدود به ریاضیات نبود.

نسخه ی نمایشی GPT-4o را به تجزیه و تحلیل کد مستقیماً از روی صفحه نمایش، ترجمه زبان ها در زمان واقعی و حتی تفسیر احساسات انسانی از یک دوربین سلفی، همه با سرعتی چشمگیر مجهز کرد.

علاوه بر این، او طیفی از احساسات را در طول پخش زنده بیان کرد (یا تقلید کرد) و لحن و سرعت خود را مانند یک سخنران طبیعی تنظیم کرد. او حتی می توانست آواز بخواند!

هنگامی که یکی از محققان OpenAI از او تعریف کرد، GPT-4o با بازیگوشی گفت: “بس کن، داری باعث سرخی من می شوی!” در حال حاضر، درک کامل تلاش های OpenAI برای دسترسی بیشتر به GPT-4o و کمتر شبیه به یک ماشین محاسبه سرد دشوار است.

دمو همچنین نشان داد که GPT-4o می‌تواند با درخواست‌های شما سازگار شود، حتی اگر آن را قطع کنید یا جهت مکالمه را تغییر دهید.

بر اساس اظهارات OpenAI و آنچه قبلاً در اینجا بحث کردیم، در زیر لیستی از مواردی که GPT-4o احتمالاً مفید است آورده شده است:

قابلیت های GPT-4o مطمئناً به سناریوهایی که در بالا توضیح داده شد محدود نمی شود. این یک ابزار همه کاره است که می تواند با صنایع و اهداف بی شماری سازگار شود. به عنوان مثال، می‌توانید از آن به‌عنوان یک معلم خصوصی یا دستیار آهنگسازی، و همچنین به عنوان منبع کمک آموزشی حیوانات خانگی و موارد دیگر استفاده کنید.

به نظر می رسد پرتاب GPT-4o یک گام بزرگ رو به جلو در سراسر جهان باشد، اما ما هنوز به زمان نیاز داریم تا به طور کامل توانایی ها و تأثیر بالقوه آن را درک کرده و ارزیابی کنیم. برای کسب اطلاعات بیشتر با ما همراه باشید تا در مورد چگونگی انجام این توسعه هیجان انگیز در آینده بررسی کنیم.