Американската компания OpenAI представи мултимодален генеративен модел на изкуствен интелект

Американската компания OpenAI показа мултимодален генеративен модел на изкуствен интелект GPT-4o, който може да проучва тон, изображение и текст в действително време. Компанията възнамерява да го вкара в своите артикули през идващите седмици.

„ O “ в името на модела GPT-4o значи „ omni “ и се превежда като „ изчерпателен “, което съгласно компанията демонстрира, че GPT-4o е мултимодален. Моделът ИИ има GPT-4 просветеност и усъвършенствани благоприятни условия за работа с изображения и текст, както и аудио и глас. GPT-4o има контекстен прозорец от 128 хиляди токена.

OpenAI има вяра, че GPT-4o доста ще усъвършенства продуктивността на чатбота ChatGPT. Последният към този момент има гласов режим, само че новият ИИ модел ще бъде ориентиран към по-голямо взаимоотношение с чатбота като помощник, да вземем за пример той може да бъде преустановяван, до момента в който дава отговор. Емоциите в гласа на потребителя ще бъдат уловени и самият ИИ ще може да реагира на дейностите на потребителя в действително време. Визуалните благоприятни условия на ChatGPT също ще се подобрят и в бъдеще чатботът ще може да гледа състезателен мач онлайн и да изяснява разпоредбите.