جادویی ترین هوش مصنوعی جهان رونمایی شد: سریع، جهانی و مهم تر از همه، رایگان!

مدل زبانی بزرگ جدید GPT-4o شرکت OpenAI در جریان مراسم ویژهٔ این شرکت رونمایی شد. GPT-4o نسخهٔ اصلاح شدهٔ مدل زبانی GPT-4 است که به عنوان قلب تپندهٔ چت بات معروف ChatGPT عمل می کند. حرف o در عبارت GPT-4o مخفف Omni به معنی عالم گیر یا جهانی است.

به گزارش نشر روز و به نقل از مجله نشر روز، «میرا موراتی» مدیر ارشد فناوری OpenAI در این مراسم گفت که مدل جدید این شرکت بسیار سریع تر است و درزمینهٔ درک متن و محتوای تصویری و محتوای صوتی، عملکرد چشمگیری از خود نشان می دهد.

OpenAI می گوید که مدل زبانی بزرگ GPT-4o به رایگان در دسترس همهٔ مردم قرار می گیرد، بااین حال محدودیت ظرفیت کاربران نسخهٔ اشتراکی پنج برابرِ کاربران نسخهٔ رایگان است؛ به این معنی که کاربران اشتراکی می توانند روزانه پنج برابر درخواست بیشتر ارسال کنند.

در بخشی از مراسم OpenAI شاهد عملکرد حیرت انگیز GPT-4o در حل مسایل ریاضی و حتی درک لحن حرف زدن کاربر بودیم. قابلیت صوتی جدید GPT-4o به احساسات کاربر کاملاً واکنش نشان می دهد و با لحنی صمیمی مشغول صحبت کردن و حتی داستان گفتن می شود.

سم آلتمن، مدیرعامل OpenAI، اعلام کرد که مدل GPT-4o به صورت ذاتی، چندحالته است؛ یعنی مدل جدید می تواند افزون بر متن، محتواهای صوتی و تصویری را تولید کند و بفهمد.

هوش مصنوعی GPT-4o مکالمات انسان و کامپیوتر را طبیعی تر می کند

توسعه دهندگانی که به GPT-4o علاقه مندند، می توانند API این مدل هوش مصنوعی را با نصف قیمت GPT-4 Turbo خریداری کنند. جالب تر اینکه GPT-4o به میزان دو برابر سریع تر از نسخهٔ Turbo است.

بر اساس گفتهٔ OpenAI، اکثر قابلیت های مدل هوش مصنوعی جدید این شرکت به صورت تدریجی در دسترس قرار می گیرند؛ بااین حال قابلیت های متنی و تصویری از همین امروز در چت بات ChatGPT در دسترس است.

مدل زبانی GPT-4o قدمی در راستای طبیعی شدن تعامل انسان با کامپیوتر است و می تواند در تنها 232 میلی ثانیه (میانگین 320 میلی ثانیه)، به ورودی های صوتی پاسخ دهد؛ OpenAI ادعا می کند که زمان پاسخ دهی GPT-4o مشابه زمان پاسخ دهی انسان در مکالمات روزمره است.

GPT-4o درزمینهٔ فهم متن های انگلیسی و کد، هم سطح نسخهٔ Turbo ظاهر می شود، اما ارزان تر و بسیار سریع تر است. این مدل زبانی جدید به طور ویژه در توانایی درک محتوای بصری و صوتی تقویت شده است.

تا پیش از انتشار GPT-4o می توانستید از طریق قابلیت Voice Mode و با تاخیر 2٫8 ثانیه ای در GPT-3.5 یا 5٫4 ثانیه ای در GPT-4 با ChatGPT گفت وگو کنید؛ اما Voice Mode برای ارایهٔ این قابلیت، به سه مدل اتکا می کند: یک مدل ساده برای تبدیل صدا به متن، GPT-3.5 یا GPT-4 برای تبدیل متن به متن و درنهایت مدل سوم برای تبدیل متن به صدا.

با انتشار GPT-4o، سازوکار قابلیت صوتی ChatGPT تغییر می کند. OpenAI می گوید مدل جدیدی را توسعه داده است که به طور کامل به متن و صدا و تصویر دسترسی دارد و سرعت بسیار بالاتری ارایه می دهد.

بر اساس گفتهٔ OpenAI، مدل هوش مصنوعی GPT-4o در کنار عملکرد سریع و دقیق، توجه ویژه ای به ایمنی دارد و محتواهای حساس را تولید نمی کند.

دسترسی رایگاه به GPT Store

OpenAI تعدادی از ویژگی های فروشگاه جی پی تی استور را که قبلاً فقط مختص مشترکین پولی بود، در دسترس کاربران رایگان خود قرار می دهد. مهم ترین ویژگی، ایجاد چت بات های سفارشی و گشت وگذار در GPT Store است.

شرکت OpenAI چهار ماه پیش در 10 ژانویه (20 دی)، GPT Store را برای مشترکین پولی افتتاح کرد. این فروشگاه امکان ساخت چت بات هایی به نام GPT و به اشتراک گذاری آن ها را به کاربران می دهد.

درحال حاضر برخی از بات های پرطرفدار سفارشی هوش مصنوعی شامل بات تولیدکنندهٔ تصویر، چت باتی به نام Consensus (که برای کمک به تحقیقات علمی طراحی شده) و بات سازندهٔ لوگو هستند.

OpenAI گفت که برنامهٔ اشتراک درآمد را که بر اساس تعامل است، برای سازندگان GPTها ارایه خواهد کرد که آزمایش آن در ماه مارس (اسفند و فروردین) آغاز شده است. مخاطبان بات ها به دلیل محدودیت این ویژگی به کاربران اشتراک پولی محدود شده است.

ارایه نسخه دسکتاپ ChatGDP، فقط مخصوص macOS

OpenAI هم چنین با معرفی اپلیکیشن دسکتاپ ChatGPT برای کاربران macOS، اعلام کرد که اپلیکیشن دسکتاپ از رابط کاربری جدیدی مشابه با نسخهٔ موبایل بهره می برد.

میرا موراتی، مدیر ارشد فناوری OpenAI، در مراسم نشان داد که اپلیکیشن دسکتاپ ChatGPT از گفت وگوی صوتی نیز پشتیبانی می کند؛ قابلیتی که تاکنون تنها روی گوشی ها در دسترس بود.

OpenAI اعلام کرد: «ما اپلیکیشن مخصوص macOS را از امروز برای کاربران سرویس پلاس منتشر می کنیم و در هفته های آینده آن را به طور گسترده در دسترس قرار خواهیم داد. ما همچنین قصد داریم نسخهٔ مخصوص ویندوز را تا پایان 2024 رونمایی کنیم».

5454