TECH HÍREK – A szuper népszerű AI chatbot, az OpenAI fejlesztette ChatGPT eddig csak egy szövegdoboz volt. Most új módon tanulja meg megérteni a kérdéseidet.

Az OpenAI által a ChatGPT-n végrehajtott változtatások többsége azt érinti, hogy mit tud a mesterséges intelligenciával működő bot: a kérdéseket, amelyekre válaszolni tud, az információkat, amelyekhez hozzáférhet, és az alapul szolgáló modelleket, amelyeket továbbfejlesztett. Ezúttal azonban magát a ChatGPT használatának módját is módosítja. A vállalat a szolgáltatás új verzióját vezeti be, amely lehetővé teszi, hogy a mesterséges intelligenciával rendelkező robotot ne csak úgy kérje, hogy mondatokat ír be egy szövegdobozba, hanem akár hangosan beszéljen, akár csak egy képet töltsön fel.

Az új funkciókat a következő két hétben azok számára vezetik be, akik fizetnek a ChatGPT-ért, mindenki más pedig „hamarosan” megkapja az OpenAI szerint.

A hangos csevegés része eléggé ismerős. Megérintesz egy gombot, és kimondod a kérdésedet. A szoftver átalakítja szöveggé, és betáplálja a nagy nyelvi modellbe. Visszakap egy választ, ezt visszaalakítja beszéddé, és hangosan kimondja a választ. Olyan érzés lesz, mintha az Alexával vagy a Google Asszisztenssel beszélgetnél. Ám – az OpenAI reményei szerint – a válaszok jobbak lesznek a továbbfejlesztett alaptechnológiának köszönhetően. Úgy tűnik, a legtöbb virtuális asszisztenst úgy építik át, hogy az LLM-re támaszkodjon – az OpenAI csak megelőzi a többieket.

Az OpenAI kiváló Whisper modellje a beszédből szöveggé alakítás nagy részét elvégzi. A vállalat egy új szövegből beszéddé alakító modellt vezet be, amely állítása szerint képes „emberhez hasonló hangot generálni csupán szövegből és néhány másodperces beszédmintából”. A ChatGPT hangját öt lehetőség közül választhatja majd ki. De úgy tűnik, az OpenAI szerint a modellben ennél jóval több lehetőség rejlik. Az OpenAI együttműködik a Spotify-jal, hogy például a podcastokat más nyelvekre fordítsa le, mindezt úgy, hogy a podcaster hangja megmaradjon. A szintetikus hangok sok érdekes felhasználási lehetőséget rejtenek magukban. Az OpenAI fontos szereplője lehet ennek az iparágnak.

Aggályok és eredmények a ChatGPT fejlesztésében

Ám az a tény, hogy néhány másodpercnyi hanganyagból is képes szintetikus hangot lehet készíteni, mindenféle problémás felhasználási eset előtt is megnyitja az utat. „Ezek a képességek új kockázatokat is jelentenek, például azt, hogy rosszindulatú szereplők közszereplőknek adhatják ki magukat, vagy csalást követhetnek el” – írja a vállalat az új funkciókat bejelentő blogbejegyzésében.

Az OpenAI szerint a modell éppen ezért nem áll rendelkezésre széles körű használatra; sokkal inkább ellenőrzött lesz, és meghatározott felhasználási esetekre és partnerségekre korlátozódik.

A képkeresés eközben egy kicsit olyan, mint a Google Lens. Lefényképezel bármit, ami érdekel, a ChatGPT pedig megpróbálja kitalálni, hogy miről kérdezel, és ennek megfelelően válaszol. Az alkalmazás rajzolóeszközét is használhatod, hogy segítsd a kérdésed egyértelművé tételét. Illetve, beszélhetsz vagy beírhatsz kérdéseket a képhez. Itt hasznos a ChatGPT oda-vissza jellege. Ahelyett, hogy keresnél, rossz választ kapnál, majd újabb keresést indítanál, inkább kérheted a botot, és menet közben finomíthatja a választ. (Ez nagyban hasonlít ahhoz, amit a Google is csinál a multimodális kereséssel.)

Nyilvánvaló, hogy a képkeresésnek is megvannak a maga potenciális problémái. Az egyik az, hogy mi történhet, ha egy személyről kérdezünk egy chatbotot. Az OpenAI azt mondja, hogy szándékosan korlátozta a ChatGPT „képességét arra, hogy elemezzen és közvetlen kijelentéseket tegyen emberekről”, mind pontossági, mind adatvédelmi okokból. Ez azt jelenti, hogy a mesterséges intelligencia egyik legsejtelmesebb sci-fi víziója – az a képesség, hogy ránézzen valakire, és megkérdezze: „Ki az?” – nem fog egyhamar bekövetkezni. Ami valószínűleg jó dolog.

Forrás: X

Use your voice to engage in a back-and-forth conversation with ChatGPT. Speak with it on the go, request a bedtime story, or settle a dinner table debate.

Sound on 🔊 pic.twitter.com/3tuWzX0wtS

— OpenAI (@OpenAI) September 25, 2023