央廣網(wǎng)北京5月15日消息（記者 牛谷月）北京時間15日凌晨1點,，谷歌召開年度I/O開發(fā)者大會,。根據(jù)谷歌官方統(tǒng)計,，在這場110分鐘演講中,，谷歌CEO桑達爾·皮查伊（Sundar Pichai）提及AI的次數(shù)高達121次,，同時推出了一系列以AI為核心的產(chǎn)品和服務,。而就在前一天,，ChatGPT的開發(fā)公司OpenAI的首席技術官米拉·穆拉提（Mira Murati）進入直播室，發(fā)布了OpenAI的春季大更新,，包括桌面版本的ChatGPT,，以及可實時進行音頻、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GPT-4o的回擊和“叫板”。人類對AI的探索如火如荼,，人機交互再次大邁步，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”。未來已經(jīng)來臨了嗎,？“讀取人類情緒”——向更自然的人機交互邁進一步在OpenAI的春季發(fā)布會上,，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”，這是一個基于GPT-4之上的多模態(tài)大模型,。OpenAI稱,，它向更自然的人機交互邁進了一步，因為它接受文本,、音頻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能夠與用戶進行多樣化的語氣交互,，并精準捕捉到用戶的情緒變化。發(fā)布會上,，OpenAI前沿研究部門主管陳信翰（Mark Chen）讓GPT-4o聆聽他的呼吸,，聊天機器人偵測到他急促的呼吸，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,，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,?！盌CCI互聯(lián)網(wǎng)研究院院長劉興亮感慨道，“想象一下,，GPT-4o在你緊張的時候能夠安慰你,，讓你深呼吸，甚至開個小玩笑緩解你的壓力,。這種情感識別能力使得人機交互變得更加自然和親切,，仿佛我們身邊有了一個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的攝像頭捕捉并分析周圍環(huán)境,，還能與用戶進行實時對話。在演示視頻中,，用戶手持手機,，將攝像頭對準辦公室的不同角落，并通過語言與系統(tǒng)進行交互,。例如,，當用戶發(fā)出指令“請告訴我智能眼鏡在哪里”時，Astra能夠迅速識別物體,，并與用戶進行實時的語音交流,。同時,，當用戶看向窗外，智能助手立刻就說出了用戶的詳細地址：“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，如可以對一個寫在白板上的系統(tǒng)流程圖給出意見“在服務器和數(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間線中，并緩存這些信息以進行有效回憶,，從而更快地處理信息,。”劉興亮指出：“雖然OpenAI的GPT-4o在自然語言處理能力上表現(xiàn)強大,，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)了強勁的競爭力。兩者在各自擅長的領域均有顯著優(yōu)勢,，并不斷推動人工智能技術的發(fā)展,。”快速響應,！——接近人類對話時的響應時間從“你的快樂傷悲它能體會”到“你的快樂傷悲它能體會并給出及時回應”,，人工智能大模型的響應時間的縮短讓人機交互更加絲滑。在OpenAI發(fā)布會上,，人們見到了GPT-4o更快的響應速度：能夠在短至232毫秒內(nèi)響應音頻輸入,，平均響應時間為320毫秒,，與人類在對話中的反應速度幾乎一致?！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‘同學們’在處理語音輸入時,，需要經(jīng)過繁瑣的音頻轉文本再轉回音頻的過程。而GPT-4o通過端到端的訓練,，直接處理所有輸入和輸出,，實現(xiàn)了真正的毫秒級響應?！庇浾吡私獾?，在GPT-4o之前，使用ChatGPT的語音模式時,，需要多個模型的接力處理：先將音頻轉換為文本,，再進行“輸入并輸出文本”的處理，最后再將文本轉換回音頻,。這種處理方式常導致信息的大量丟失,，例如無法捕捉到語調(diào)、識別多個說話者或背景噪音,，也無法生成笑聲,、歌唱或其他情感表達。而GPT-4o是OpenAI的首個整合文本,、視覺和音頻多模態(tài)輸入與輸出的模型,。通過端到端地訓練一個統(tǒng)一的新模型，實現(xiàn)了所有輸入和輸出的處理都由同一個神經(jīng)網(wǎng)絡完成,。360集團創(chuàng)始人,、董事長周鴻祎在其發(fā)表的視頻中感慨：“這就帶來了一個全新的體驗，時延大概只有300毫秒左右,，達到了人類和人類談話的響應速度,，這樣不僅能聽得懂你話里的情緒，在輸出回答的時候也可以伴隨著高興,、悲傷,、失望、興奮或者是更復雜的感情?！眹┚?5日研報表示,，GPT-4o作為基礎性工具為更多創(chuàng)新應用提供了生長土壤。研報認為,，對圖像和視頻的理解和高效的實時互動,，一定程度對其他單一功能的AI軟件有替代的可能性，GPTStore有望推出更多便捷應用,，豐富應用商城生態(tài),。同時隨著GPT在桌面端和移動端的持續(xù)滲透，AI助理應用有望更快普及,，新型商業(yè)模式或將逐步推出,。更多精彩資訊請在應用市場下載“央廣網(wǎng)”客戶端。歡迎提供新聞線索,，24小時報料熱線400-800-0088,；消費者也可通過央廣網(wǎng)“啄木鳥消費者投訴平臺”線上投訴。版權聲明：本文章版權歸屬央廣網(wǎng)所有,，未經(jīng)授權不得轉載,。轉載請聯(lián)系：[email protected]，不尊重原創(chuàng)的行為我們將追究責任,。