Kad vas ChatGPT gleda i sluša kroz telefon

OpenAI je nedavno predstavio novi LLM model po imenu GPT-4o, a iz kompanije kažu da može da asistira i preko kamere. I to u realnom vremenu.

Tokom kratke demonstracije zainteresovani su mogli da vide šta sve GPT-4o može. Između ostalog je dobio priliku i da procenjuje ono što „vidi“ preko kamere telefona. To znači da je GPT-4o posmatrao svet s ove strane, a tokom prezentacije je pomagao u rešavanju matematičkih i problema koji su u vezi sa kodiranjem.

Modeli iz klase GPT-4 su do sada bili dostupni samo korisnicima koji uslugu plaćaju, ali bi to uskoro trebalo da se promeni – GPT-4o će biti dostupan svima, čak i onima koji ChatGPT koriste besplatno. Tako je između ostalog i zbog toga što će zahvaljujući većoj dostupnosti materijala za učenje ovaj chatbot postajati sve bolji.

I drugi su pokušavali da svoje AI chatbot-ove povežu sa spravicama koji imaju kamere – Humane i Rabbit na primer, ali su njihovi eksperimenti završili katastrofalno. OpenAI je odlučio da iskoristi pametne telefone koji već postoje i dobro rade. Za sada se čini da je ta odluka pametna – jedva da ima pauze između pitanja koje korisnik postavi i odgovora koji stiže od GPT-4o. Tvrdi se da na audio pitanje odgovara u roku od 232 milisekunde, što je slično čovečjoj brzini tokom običnih razgovora (brži je jer ne mora da transkribuje napisani tekst).

Novi GPT model zvuči i prirodnije i emotivnije – glas se prilagođava tonu korisnika u realnom vremenu. Sve polako liči na scene iz filma Her, a GPT-4o brzo reaguje i na ono što mu se pokaže kroz kameru telefona. Stručnjaci kažu da je demonstracija ipak samo demonstracija (sve je lepo uvežbano pre događaja) i da će proći još neko vreme dok AI postane ono što je u naučnofantastičnim filmovima (ako se ti ikada i dogodi).

Do tada možemo da razmišljamo o odgovoru na pitanje „Da li nam je uopšte potreban AI koji radi kreativne poslove?“ Što reče neko na društvenim mrežama: „Treba mi AI koji kuva, pegla i pere dok se ja bavim umetnošću i naukom, ne obrnuto“.