GPT-4o není jen dalším vylepšením, ale znamená zásadní posun. Umí mluvit, smát se, zpívat a dokonce vidět jako člověk. Tato multimodální schopnost je tím, co dává GPT-4o náskok před svými předchůdci. Nový model dokáže přijmout jakýkoli kombinovaný vstup textu, zvuku a obrázků a generovat odpovědi ve všech třech formátech.

Mira Murati, CTO OpenAI, zdůraznila význam tohoto milníku pro každého, včetně bezplatných uživatelů, kteří nyní získají přístup k úrovni inteligence, kterou dříve měli pouze placení uživatelé.

V průběhu prezentace byly demonstrovány ohromující schopnosti GPT-4o, jako například živý překlad mezi angličtinou a italštinou, asistence v řešení matematických problémů a dokonce i poskytování pokynů k hlubokému dýchání prostřednictvím rozpoznání dechu.

Zdroj: Shutterstock

Písmeno "o" v označení GPT-4o signalizuje jeho "omni" přístup, což odkazuje na jeho schopnost zpracovávat vstupy a výstupy prostřednictvím textu, zvuku a obrazu pomocí jedné neuronové sítě. Tento krok značí revoluci v interakci s UI, která se dříve soustředila převážně na textovou komunikaci.

OpenAI plánuje GPT-4o zpřístupnit všem uživatelům, včetně těch bezplatných, což znamená, že i uživatelé ChatGPT budou moci zažít tuto novou úroveň interakce. Desktopová verze ChatGPT, původně určená pouze pro Mac, bude dostupná placeným uživatelům od dnešního dne.

Toto oznámení OpenAI přichází den před Google I/O, což je výroční událost věnovaná vývojářům. Je zajímavé pozorovat, jak se pole umělé inteligence stále rozšiřuje, s Google prezentujícím svou verzi Gemini, chatbota s umělou inteligencí, který sdílí některé podobné schopnosti s GPT-4o.

GPT-4o je dalším příkladem toho, jak rychle se technologie vyvíjí a jaké nové možnosti otevírá pro interakci mezi lidmi a stroji. S příslibem přirozenější a efektivnější komunikace, je jasné, že tato nová éra umělé inteligence má potenciál změnit způsob, jakým žijeme a pracujeme.