央廣網(wǎng)北京5月15日消息（記者 牛谷月）北京時(shí)間15日凌晨1點(diǎn),，谷歌召開年度I/O開發(fā)者大會(huì)。根據(jù)谷歌官方統(tǒng)計(jì),，在這場(chǎng)110分鐘演講中,，谷歌CEO桑達(dá)爾·皮查伊（Sundar Pichai）提及AI的次數(shù)高達(dá)121次，同時(shí)推出了一系列以AI為核心的產(chǎn)品和服務(wù),。而就在前一天,，ChatGPT的開發(fā)公司OpenAI的首席技術(shù)官米拉·穆拉提（Mira Murati）進(jìn)入直播室，發(fā)布了OpenAI的春季大更新,，包括桌面版本的ChatGPT,，以及可實(shí)時(shí)進(jìn)行音頻、視覺和文本推理的最新旗艦大模型GPT-4o,。Google新發(fā)布的“AI全家桶”,，更被視作是對(duì)GPT-4o的回?fù)艉汀敖邪濉薄Ｈ祟悓?duì)AI的探索如火如荼,，人機(jī)交互再次大邁步,，打破了傳統(tǒng)“語音助手”的桎梏。大模型就像給AI裝上了“眼睛耳朵嘴巴”,，從此你的快樂傷悲它都能“體會(huì)”,。未來已經(jīng)來臨了嗎？“讀取人類情緒”——向更自然的人機(jī)交互邁進(jìn)一步在OpenAI的春季發(fā)布會(huì)上,，雖然大家沒能見到GPT-5,，但GPT-4o的出現(xiàn)仍然驚艷。據(jù)OpenAI官網(wǎng)介紹,，GPT-4o中的“o”代表“Omni”,，這是一個(gè)基于GPT-4之上的多模態(tài)大模型。OpenAI稱,，它向更自然的人機(jī)交互邁進(jìn)了一步,，因?yàn)樗邮芪谋尽⒁纛l和圖像的任意組合作為輸入內(nèi)容,，并生成文本,、音頻和圖像的任意組合輸出內(nèi)容。值得注意的是,，GPT-4o能夠與用戶進(jìn)行多樣化的語氣交互,，并精準(zhǔn)捕捉到用戶的情緒變化。發(fā)布會(huì)上,，OpenAI前沿研究部門主管陳信翰（Mark Chen）讓GPT-4o聆聽他的呼吸,，聊天機(jī)器人偵測(cè)到他急促的呼吸，并且建議他不要“像吸塵器那樣呼吸”,，要放慢速度,。隨后Mark深呼吸一次,，GPT-4o表示這才是正確的呼吸方式。同時(shí),，研究員巴雷特·佐夫（Barret Zoph）還演示了GPT-4o是如何通過前置攝像頭觀察用戶的面部表情,，分析其情緒的?！癎PT-4o不僅能夠理解用戶的語氣,，還能做到恰到好處的反應(yīng)?！盌CCI互聯(lián)網(wǎng)研究院院長劉興亮感慨道,，“想象一下，GPT-4o在你緊張的時(shí)候能夠安慰你,，讓你深呼吸,，甚至開個(gè)小玩笑緩解你的壓力,。這種情感識(shí)別能力使得人機(jī)交互變得更加自然和親切,，仿佛我們身邊有了一個(gè)懂我們心情的貼心朋友?！倍谝惶旌蟮墓雀鐸/O開發(fā)者大會(huì)上,，谷歌緊跟其后，發(fā)布了一款名為Project Astra的谷歌AI助手,。這款通用模型通過智能手機(jī)的攝像頭捕捉并分析周圍環(huán)境，還能與用戶進(jìn)行實(shí)時(shí)對(duì)話,。在演示視頻中,，用戶手持手機(jī)，將攝像頭對(duì)準(zhǔn)辦公室的不同角落,，并通過語言與系統(tǒng)進(jìn)行交互,。例如，當(dāng)用戶發(fā)出指令“請(qǐng)告訴我智能眼鏡在哪里”時(shí),，Astra能夠迅速識(shí)別物體,，并與用戶進(jìn)行實(shí)時(shí)的語音交流,。同時(shí),，當(dāng)用戶看向窗外，智能助手立刻就說出了用戶的詳細(xì)地址：“這兒顯然是倫敦的國王十字路口區(qū)域,?！彼部梢岳斫饫L畫和圖像,，如可以對(duì)一個(gè)寫在白板上的系統(tǒng)流程圖給出意見“在服務(wù)器和數(shù)據(jù)庫間添加緩存可以提高速度”。DeepMind聯(lián)合創(chuàng)始人兼首席執(zhí)行官德米斯·哈薩比斯（Demis Hassabis）稱,，Project Astra是自己期待了幾十年的AI助手的雛形,，是通用AI的未來，“AI個(gè)人助理可以通過連續(xù)編碼視頻幀,、將視頻和語音輸入組合到事件時(shí)間線中，并緩存這些信息以進(jìn)行有效回憶,，從而更快地處理信息?！眲⑴d亮指出：“雖然OpenAI的GPT-4o在自然語言處理能力上表現(xiàn)強(qiáng)大,，但谷歌在多模態(tài)理解、數(shù)據(jù)豐富性和開發(fā)者支持方面也展現(xiàn)了強(qiáng)勁的競(jìng)爭力,。兩者在各自擅長的領(lǐng)域均有顯著優(yōu)勢(shì),，并不斷推動(dòng)人工智能技術(shù)的發(fā)展?！笨焖夙憫?yīng),！——接近人類對(duì)話時(shí)的響應(yīng)時(shí)間從“你的快樂傷悲它能體會(huì)”到“你的快樂傷悲它能體會(huì)并給出及時(shí)回應(yīng)”，人工智能大模型的響應(yīng)時(shí)間的縮短讓人機(jī)交互更加絲滑,。在OpenAI發(fā)布會(huì)上,，人們見到了GPT-4o更快的響應(yīng)速度：能夠在短至232毫秒內(nèi)響應(yīng)音頻輸入，平均響應(yīng)時(shí)間為320毫秒，與人類在對(duì)話中的反應(yīng)速度幾乎一致,?！拔覀兛梢哉fGPT-4o是AI界的‘閃電俠’，速度快到令人發(fā)指,?！眲⑴d亮分析，“相比之下,，傳統(tǒng)語音助手如Siri,、Alexa以及各種‘同學(xué)們’在處理語音輸入時(shí)，需要經(jīng)過繁瑣的音頻轉(zhuǎn)文本再轉(zhuǎn)回音頻的過程,。而GPT-4o通過端到端的訓(xùn)練,，直接處理所有輸入和輸出，實(shí)現(xiàn)了真正的毫秒級(jí)響應(yīng),?！庇浾吡私獾剑贕PT-4o之前,，使用ChatGPT的語音模式時(shí),，需要多個(gè)模型的接力處理：先將音頻轉(zhuǎn)換為文本，再進(jìn)行“輸入并輸出文本”的處理,，最后再將文本轉(zhuǎn)換回音頻,。這種處理方式常導(dǎo)致信息的大量丟失，例如無法捕捉到語調(diào),、識(shí)別多個(gè)說話者或背景噪音,，也無法生成笑聲、歌唱或其他情感表達(dá),。而GPT-4o是OpenAI的首個(gè)整合文本,、視覺和音頻多模態(tài)輸入與輸出的模型。通過端到端地訓(xùn)練一個(gè)統(tǒng)一的新模型,，實(shí)現(xiàn)了所有輸入和輸出的處理都由同一個(gè)神經(jīng)網(wǎng)絡(luò)完成。360集團(tuán)創(chuàng)始人,、董事長周鴻祎在其發(fā)表的視頻中感慨：“這就帶來了一個(gè)全新的體驗(yàn),，時(shí)延大概只有300毫秒左右，達(dá)到了人類和人類談話的響應(yīng)速度,，這樣不僅能聽得懂你話里的情緒,，在輸出回答的時(shí)候也可以伴隨著高興、悲傷,、失望,、興奮或者是更復(fù)雜的感情。”國泰君安15日研報(bào)表示,，GPT-4o作為基礎(chǔ)性工具為更多創(chuàng)新應(yīng)用提供了生長土壤,。研報(bào)認(rèn)為，對(duì)圖像和視頻的理解和高效的實(shí)時(shí)互動(dòng),，一定程度對(duì)其他單一功能的AI軟件有替代的可能性,，GPTStore有望推出更多便捷應(yīng)用，豐富應(yīng)用商城生態(tài),。同時(shí)隨著GPT在桌面端和移動(dòng)端的持續(xù)滲透,，AI助理應(yīng)用有望更快普及，新型商業(yè)模式或?qū)⒅鸩酵瞥?。更多精彩資訊請(qǐng)?jiān)趹?yīng)用市場(chǎng)下載“央廣網(wǎng)”客戶端,。歡迎提供新聞線索，24小時(shí)報(bào)料熱線400-800-0088,；消費(fèi)者也可通過央廣網(wǎng)“啄木鳥消費(fèi)者投訴平臺(tái)”線上投訴,。版權(quán)聲明：本文章版權(quán)歸屬央廣網(wǎng)所有，未經(jīng)授權(quán)不得轉(zhuǎn)載,。轉(zhuǎn)載請(qǐng)聯(lián)系：[email protected],，不尊重原創(chuàng)的行為我們將追究責(zé)任。