ChatGPT终于活出了“Siri”本该有的样子

ChatGPT再次更新，这次，OpenAI没有大谈数字和术语，而是回到了“聊天机器人”本身。

在北京时间5月14日凌晨1点，OpenAI举行春季新闻发布会，公司首席技术官米拉·穆拉蒂（Mira Murati）ChatGPT更新现场主持。

新闻发布会的核心是最新的多模式大模式GPT-4o。不同于之前发布的“硬核指标”，如训练信息量、各种测试结果等。GPT-4o的升级主要集中在体验上。

与上一代GPT相比-Turbo，GPT-4o可以说是打通了任督二脉，各项技能融合在一起，与人的互动更加灵活，更加迅速——换句话说，更像是“人”。

客户可以随意输入文本、音频和图像，获得任意组合的ChatGPT即时文本、音频和图像导出。在交流过程中，ChatGPT可以随时中断，而不是等待几秒钟的响应。OpenAICEO山姆·奥特曼（Sam Altman）称之为“人类级别的反应”。

OpenAI现场展示了一些与ChatGPT的互动，包括:即时对话交互、语音多样化(使用不同的情绪、语气等。根据客户的需求)、录像指导做题，录像识别环境和人(包括人的情绪)、协助编程，实时翻译桌面应用。

同时，OpenAI还发布了一些预先录制的展示示例，包括:2个GPT-4o交流与唱歌、唱摇篮曲、在线会议应用、毒舌讽刺、视频识别、给出西班牙语单词、协助面试准备、与狗互动等。

OpenAI现场演示选择的声音是“Sky”，听起来像好莱坞明星斯嘉丽·约翰逊(寡姐)。让人想起科幻电影《她》（Her）》，在这些人中，AI助手是由斯嘉丽配音的。影片中，男主从使用AI助手，一步一步走向一段不成功的人机恋情。

奥特曼本人也在X上发了这部电影的名字：her。也有人干脆把电影海报里的脸换成了奥特曼。

当GPT-4o驱动的ChatGPT用充满情感的声音与人交谈时，你可以看、听、说、唱，你就会知道科幻已经照进了现实。

更加重要的是，穆拉蒂现场宣布，GPT-向所有人免费开放4o。换言之，随着后续的更新，免费客户也可以直接使用GPT-4o，但是每天的限制比付费用户少，达到限制后会自动选择返回GPT-3.5。

还有，ChatGPT的桌面应用将推出苹果计算机系统Mac OS，今年晚点将推出Windows版本。

A

若用四个字来概括GPT-4o的特点，则为：更通人性。

这体现在两个方面。一方面，GPT-4o多模式融合在一起，反应速度大大提高，交互技术更接近人；另一方面，由GPT-4o驱动的机器人显然更加活泼，更愿意表达人类的情绪。

首先谈到GPT-4o的多模态能力，准确地说，GPT-4o最引人注目的是跨模态的能力。

2023年3月，OpenAI在一年多前发布了多模态模型GPT-4。从那以后，每个人都可以给GPT-4发一张图片来帮助分析，或者发送文件和语音通话。但是，文字、图像和声音之间有一堵“墙”。

例如，如果你想让ChatGPT帮你解决一个数学问题，你只能截图或复制问题，并将其发送给ChatGPT。如果你想听ChatGPT语音讲解，你必须在输入框发送后切入语音。

但是在GPT-4o下，你可以直接使用桌面应用程序，打开ChatGPT放在一边，在与它聊天的同时，用“拍摄”功能向它展示你电脑屏幕的内容，它可以在对话中回答你的问题。

在一次演示中，用户同时打开了ChatGPT桌面应用和问题界面。ChatGPT没有直接给出答案，而是带客户一步一步解决一个问题和答案的几何问题。

或者，你也可以打开摄像头，ChatGPT也可以“看”纸面来指导答案。

在所有的演示中，最可怕的是视频对话:客户打开摄像头，让ChatGPT“看到”当下并进行互动。

ChatGPT不仅可以通过前置镜头自拍来识别客户的情绪，比如“看起来很开心，甚至很兴奋”，还可以从客户背后的场景来判断他们所处的环境，比如“看起来你在一个工作室里，背后有一些灯，胸前没有麦克风，可能在录视频之类的”。如果另一个人进入镜头并扮演鬼脸，ChatGPT也准确地指出了这种“不寻常”的情况，并加以描述。

使用后置镜头，ChatGPT可以与客户分享角度。例如，在语言学习过程中，打开摄像头，让ChatGPT用某种语言讲述物体的名称。或者可以给视障用户提供指导，告诉用户“有一辆出租车来了，就是现在，挥手吧”。

另外，客户话刚说完ChatGPT就接电话，用户可以直接打断ChatGPT，也可以继续聊天，导致整体体验更像是人与人之间的对话，快速灵活。

顺便说一句，由于GPT-4o响应速度快，可以中断，实际上翻译效果非常惊人。两个语言不通的人把GPT-4o驱动的ChatGPT放在中间作为翻译，然后就可以聊天了。

总得来说，GPT-ChatGPT在4o驱动下，不再只是一个什么都能做的应用，而是一个真正的“AI助手”。

B

再者，情绪，这一点不可小觑。

这个聊天机器人自2022年11月ChatGPT上线以来，一直给人一种不苟言笑的印象。ChatGPT不仅回答了问题，而且只要有机会，ChatGPT就会向客户强调“我只是一个机器人，我没有爱情”，这很可能是OpenAI为了防止麻烦而故意做的。顾客要想让ChatGPT更加“放松”，就必须给出明确的指示。

但是在GPT-4o的驱动下，ChatGPT显然是不同的。ChatGPT不再刻意防止像人类一样，而是反其道而行之。

举例来说，当顾客向ChatGPT求助时，ChatGPT接过话开玩笑地说：“他很快就要参加OpenAI面试了。OpenAI，嗯？怎么听起来这么熟悉？”然后他笑了笑，然后兴奋地继续说:“开玩笑的！太棒了，洛基(演示者的名字)！什么样的面试？”

在洛基寻找外貌建议时，ChatGPT用幽默的方式表示头发需要整理，说他“看上去有写了一整夜代码的气氛”。洛基戴着一顶遮阳帽，ChatGPT立刻“哈哈哈”地笑了起来，说他“肯定会很显眼”，但在面试中并不合适，劝他像朋友一样放弃这样做。

换句话说，GPT-ChatGPT在4o驱动下，不再是一种只追求特征的AI工具，而是主动提供“情感价值”。

在ChatGPT走严肃路线的两年里，许多竞争产品以更加活泼、更加“人性化”的姿态出现，并赢得了许多顾客的心。

例如Inflection.AI曾经推出的机器人Pi，以“陪伴”为主，语气总是温柔，对用户充满关怀。不到一年，它就实现了数百万日常用户，平均对话持续了半个多小时。

埃隆·马斯克（Elon Musk）人工智能公司xAI的大型Grok，由于其毒舌一上线就引起了不少关注。

即使是最后一波AI聊天机器人热潮也深知这一点。2011年，苹果将Siri集成到iPhone4S，AI聊天机器人成为一个赛博玩具。每个人都热衷于“戏弄Siri”，让它唱歌和讲笑话。虽然Siri不是一个神奇的力量，但它提供了足够多的快乐。天猫精灵、小爱同学等。，这些都是中国客户熟悉的，都有俏皮的“个人设计”。

然而，我们都知道后来的故事。由于技术限制，上一代AI助手能够做的事情真的很有限。“俏皮”来自有限的预设，由于理解能力差、不灵活，逐渐被用户钉上了“人工智障”的耻辱柱。

2024年，每个人都对Siri抱有期待——一个AI，可以帮助做事，也可以作为赛博玩具聊天和玩耍，最终在GPT-4o身上定居下来。

C

去年五月，比尔·盖茨（Bill Gates）曾在AI Forward 在2023活动中谈到AI，对AI的前景非常看好：“你永远不会去搜索网站，也不会再去亚马逊。”

在盖茨眼里，能干掉搜索和电子商务的不是别的，而是未来顶级的AI助手:“无论谁赢得了AI助手的比赛，这都是一件大事。”

对于C端用户来说，AI助手的战争已经开始。

微软已将Copilot带入Windows11，依靠侧栏工具帮助顾客；Gemini在内部集成了谷歌大脑和DeepMind之后，发布了Gemini的拳头模型，未来有望更深入地嵌入到Android、谷歌搜索和Workspace等各种产品和应用中，；去年九月，亚马逊发布了一款新的Alexa，接入了大型模型。

同时，苹果也有明显的战略倾斜，加快了AI的步伐。六月份，苹果将举行全球开发者大会(WWDC24)，iOS18是否会用人工智能进行软件更新是外界关注的焦点。苹果将大模型重塑Siri，这是外界普遍关注的焦点。

今年三月以后，有几条消息不断传出。首先，彭博社援引知情人士透露，苹果正在iPhone谈判中内置谷歌Gemini大模型，同时也在与OpenAI进行类似的谈判。接着是苹果首席执行官蒂姆·库克（Tim Cook）访华后，《科创板日报》报道苹果将与百度进行技术合作，iPhone16将于今年发布。、Mac系统和iOS 提供AIGC功能18。

使用GPT-4o，OpenAI再一次震撼了世界上的亿点，下一次AI助手的竞争只会更加精彩。

“新的语音(和视频)方式是我用过的最好的计算机界面。感觉就像电脑里的人工智能，它的真实性还是让我有点惊讶。达到人类水平的反应时间和表达能力发生了很大的变化。”奥特曼在GPT-4o发布的一篇博文中写道。

本文来自微信微信官方账号“字母榜”（ID:wujicaijing），36氪经授权发布。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com