Az OpenAI bemutatta a GPT-4o-t: Az új multimodális AI modell úgy beszél, mint egy ember

Az OpenAI az utolsó pillanatig bizonytalanságban tartotta a technológiai világot, hétfőn azonban végre lerántotta a leplet az AI következő nagy dobásáról. Sokan a GPT-5 érkezésére számítottak, ám a vállalat egy GPT-4o nevű új modellel állt elő, amely némileg eltér a szakértői várakozásoktól, de legalább annyira lenyűgöző. Ez az új fejlesztés egy olyan rendkívül fejlett, multimodális mesterséges intelligencia, amely képes szinte teljesen úgy beszélni és kommunikálni, mint egy hús-vér ember. A modell lényegében a ChatGPT egy jelentősen továbbfejlesztett verziója, amelyet egy szuperképességekkel felruházott, intuitív asszisztenssel kereszteztek, és amely gyökeresen megváltoztathatja a mindennapi felhasználói élményt.

A GPT-4o nemcsak okosabb, de lényegesen hatékonyabb is lett a korábbi verzióknál. Az OpenAI hivatalos adatai szerint az új modell kétszer gyorsabb és 50 százalékkal olcsóbb, mint a GPT-4 Turbo, amely a bejelentésig a cég legfejlettebb technológiájának számított. A mérések és az ELO rangsorolási rendszer alapján a GPT-4o jelentős különbséggel teljesíti túl a piaci versenytársakat. A legnagyobb áttörést mégis a könnyű kezelhetőség és a sokoldalúság jelenti: a rendszer zökkenőmentesen és rendkívül gyorsan képes váltani a különböző formátumok, például a hang, a szöveg és a képek között. Ez a gyakorlatban azt jelenti, hogy a modell képes egy kódokkal teli weboldal elemzésére, de egy papírra kézzel leírt matematikai egyenlet megoldásában is azonnali segítséget nyújt, sőt, akár egy átlaghőmérsékleti grafikon alapján is pontosan leírja az időjárási mintákat.

A leginkább kísérteties és egyben lenyűgöző tulajdonsága azonban az, ahogyan az emberi kommunikáció apró sajátosságait utánozza. A GPT-4o képes felismerni az emberi érzelmeket a hangszín, a légzési minták és az arckifejezések alapján, a beszélgetést pedig bármikor meg lehet szakítani a mondat közepén, ha témát akarunk váltani. A kommunikációs stílusa is rendkívül rugalmas: képes rendkívül kifejezően, éneklő hangon vagy akár robotikusan is megszólalni. Ennek köszönhetően kiválóan működik valós idejű fordítóként is, például egy olasz és egy angol anyanyelvű beszélő között. A legjobb hír a felhasználók számára, hogy a GPT-4o a következő hetekben a legtöbbek számára ingyenesen elérhetővé válik, és az OpenAI egy asztali alkalmazást is piacra dob hozzá. Bár a sokat pletykált Google Search versenytársról egyelőre nem érkezett hír, az új modell önmagában is hatalmas lépés az AI fejlődésében.