久久一日本道色综合久久_国产最爽的av片在线观看_精品成人Av一区二区三区_94久久国产乱子伦精品免费_国产三级网站在线观看_和女邻居做爰在线观看_wymfw最新免费_国产强奷在线免费阅读_95在线观看视频

新版ChatGPT：落地語(yǔ)音對(duì)話和識(shí)圖功能
　　9月25日，OpenAI官宣即將在ChatGPT中推出語(yǔ)音和多模態(tài)功能，支持用戶直接與ChatGPT進(jìn)行語(yǔ)音對(duì)話和多模態(tài)圖像問(wèn)答。未來(lái)兩周，新功能將向ChatGPTPlus和Enterprise用戶開(kāi)放，其中語(yǔ)音對(duì)話（需開(kāi)啟設(shè)置）將在手機(jī)的iOS和Android客戶端推出，識(shí)圖功能將面向包含網(wǎng)頁(yè)端的所有平臺(tái)。OpenAI在3月提出的GPT-4多模態(tài)識(shí)圖能力正式落地。安全性上，OpenAI通過(guò)Red Team測(cè)試模型在極端主義和科學(xué)領(lǐng)域的風(fēng)險(xiǎn)，且拒絕對(duì)圖片中的人進(jìn)行分析，從而實(shí)現(xiàn)負(fù)責(zé)任的AI。完整版的多模態(tài)ChatGPT將在手機(jī)端率先實(shí)現(xiàn)，或?qū)㈤_(kāi)啟智能終端時(shí)代。
　　情理之中：復(fù)盤OpenAI的多模態(tài)之路
　　3月14日，OpenAI官宣GPT-4，并在演示和技術(shù)報(bào)告中展示了多模態(tài)識(shí)圖能力（僅展示了單圖識(shí)別）。9月18日，據(jù)The Information信息，出于視覺(jué)功能可能被不良利用等安全原因，多模態(tài)功能早期僅向Be My Eyes公司提供，近期OpenAI正準(zhǔn)備將其廣泛推出。9月25日，OpenAI官宣驗(yàn)證了該信息。值得注意的是，The Information還指出OpenAI正在訓(xùn)練新的多模態(tài)模型Gobi來(lái)抗衡Google即將推出的多模態(tài)模型Gemini，而本次的GPT-4V(ison)并非多模態(tài)的Gobi模型。此外，5月18日，ChatGPT iOS發(fā)布時(shí)，已支持語(yǔ)音多模態(tài)，即Whisper語(yǔ)音轉(zhuǎn)文本輸入。
　　意料之外：多圖識(shí)別、聚焦分析和語(yǔ)音對(duì)話
　　結(jié)合官方發(fā)布的視頻和博客，我們總結(jié)了新版ChatGPT超預(yù)期的多模態(tài)能力：1）支持用戶同時(shí)上傳多張圖像，并以自然語(yǔ)言的方式提問(wèn)，ChatGPT將結(jié)合文字與圖像多模態(tài)進(jìn)行理解和回答，幫助用戶分析日常生活中的問(wèn)題和工作中的圖表等復(fù)雜數(shù)據(jù)。2）ChatGPT手機(jī)App內(nèi)置了繪圖工具，支持用戶標(biāo)注圖像中的具體對(duì)象，讓ChatGPT聚焦性的推理作答。3）賦予了ChatGPT語(yǔ)音輸出能力，結(jié)合之前已集成的Whisper語(yǔ)音識(shí)別能力，實(shí)現(xiàn)了ChatGPT和用戶的完整語(yǔ)音對(duì)話，并支持5種音色。
　　技術(shù)解析：語(yǔ)音新模型+多模態(tài)涌現(xiàn)能力
　　語(yǔ)音模態(tài)，語(yǔ)音輸出功能基于新的文本到語(yǔ)音模型，能夠從文本和樣本語(yǔ)音中生成人類音頻。圖像模態(tài)，OpenAI公開(kāi)了GPT-4V的system card：1）GPT-4V于2022年訓(xùn)練完成。2）GPT-4V訓(xùn)練方式與GPT-4相同，先使用互聯(lián)網(wǎng)圖像和文本數(shù)據(jù)進(jìn)行混合預(yù)訓(xùn)練，來(lái)預(yù)測(cè)下一個(gè)單詞；然后通過(guò)InstructGPT沿用至今的RLHF（基于人類反饋的強(qiáng)化學(xué)習(xí)）技術(shù)來(lái)用額外數(shù)據(jù)對(duì)模型進(jìn)行微調(diào)，實(shí)現(xiàn)與人類的對(duì)齊。3）在文本和圖像多模態(tài)的混合，以及大規(guī)模模型提供的智能和推理能力下，模型能夠涌現(xiàn)新的能力。
　　未來(lái)布局：多模態(tài)ChatGPT開(kāi)啟智能終端時(shí)代，AGI更進(jìn)一步
　　我們認(rèn)為，大模型向智能終端側(cè)部署是模型應(yīng)用的重要方向之一。本次ChatGPT更新，完整的語(yǔ)音和多模態(tài)識(shí)圖能力率先在手機(jī)端實(shí)現(xiàn)，而PC端的語(yǔ)音功能將被延后，智能終端對(duì)多模態(tài)的支持能力優(yōu)勢(shì)開(kāi)始顯現(xiàn)。從OpenAI官方介紹視頻和文檔看，多模態(tài)ChatGPT已能夠較為全面的覆蓋用戶的生活和工作場(chǎng)景。未來(lái)隨著模型多模態(tài)能力的迭代完善，或能賦能機(jī)器人、汽車等更加復(fù)雜的智能終端，AGI更進(jìn)一步。
　　風(fēng)險(xiǎn)提示：宏觀經(jīng)濟(jì)波動(dòng)，技術(shù)進(jìn)步不及預(yù)期。本報(bào)告內(nèi)容均基于客觀信息整理，不構(gòu)成投資建議。