OpenAI: Το ChatGPT μπορεί πλέον να «μιλήσει», να «ακούσει» και να επεξεργαστεί εικόνες

Η ενημέρωση στο chatbot – η μεγαλύτερη του OpenAI από την εισαγωγή του GPT-4 – επιτρέπει στους χρήστες να συμμετέχουν στις φωνητικές συνομιλίες στην εφαρμογή για κινητά του ChatGPT και να επιλέγουν από πέντε διαφορετικές συνθετικές φωνές για να απαντήσει το bot. Οι χρήστες θα μπορούν επίσης να μοιράζονται εικόνες με το ChatGPT και να επισημαίνουν περιοχές εστίασης ή ανάλυσης (σκεφτείτε: ”Τι είδους σύννεφα είναι αυτά;”).

Οι αλλαγές θα κυκλοφορήσουν στους χρήστες που πληρώνουν τις επόμενες δύο εβδομάδες, δήλωσε η OpenAI. Ενώ η λειτουργία φωνής θα περιορίζεται στις εφαρμογές iOS και Android, οι δυνατότητες επεξεργασίας εικόνας θα είναι διαθέσιμες σε όλες τις πλατφόρμες.

Η μεγάλη ώθηση των χαρακτηριστικών έρχεται παράλληλα με τα διαρκώς αυξανόμενα στοιχήματα του αγώνα εξοπλισμών τεχνητής νοημοσύνης μεταξύ των ηγετών chatbot όπως το OpenAI, η Microsoft, Googleκαι Anthropic. Σε μια προσπάθεια να ενθαρρύνουν τους καταναλωτές να υιοθετήσουν τη γενετική τεχνητή νοημοσύνη στην καθημερινή τους ζωή, οι τεχνολογικοί γίγαντες αγωνίζονται να λανσάρουν όχι μόνο  νέες εφαρμογές chatbot , αλλά και νέες δυνατότητες, ειδικά αυτό το καλοκαίρι. Η Google ανακοίνωσε μια σειρά από ενημερώσεις στο chatbot Bard και η Microsoft πρόσθεσε την οπτική αναζήτηση στο Bing.

Νωρίτερα φέτος, η διευρυμένη επένδυση της Microsoft στο OpenAI – επιπλέον  10 δισεκατομμύρια δολάρια  – την έκανε τη μεγαλύτερη επένδυση τεχνητής νοημοσύνης του έτους, σύμφωνα με το PitchBook. Τον Απρίλιο, η startup φέρεται να έκλεισε μια  πώληση μετοχών 300 εκατομμυρίων δολαρίων  σε αποτίμηση μεταξύ 27 και 29 δισεκατομμυρίων δολαρίων, με επενδύσεις από εταιρείες όπως η Sequoia Capital και η Andreessen Horowitz. 

Οι ειδικοί έχουν εκφράσει ανησυχίες σχετικά με τις συνθετικές φωνές που δημιουργούνται από την τεχνητή νοημοσύνη, οι οποίες σε αυτήν την περίπτωση θα μπορούσαν να επιτρέψουν στους χρήστες μια πιο φυσική εμπειρία αλλά και να επιτρέψουν πιο πειστικά deepfakes . Οι φορείς και οι ερευνητές της κυβερνοαπειλής έχουν ήδη αρχίσει να διερευνούν πώς μπορούν να χρησιμοποιηθούν τα deepfakes για να διεισδύσουν σε συστήματα κυβερνοασφάλειας.

Το OpenAI αναγνώρισε αυτές τις ανησυχίες στην ανακοίνωσή του τη Δευτέρα, λέγοντας ότι οι συνθετικές φωνές «δημιουργήθηκαν με φωνητικούς ηθοποιούς με τους οποίους έχουμε συνεργαστεί άμεσα», αντί να συλλέγονται από αγνώστους.

Η έκδοση παρείχε επίσης λίγες πληροφορίες σχετικά με το πώς το OpenAI θα χρησιμοποιούσε τις φωνητικές εισόδους των καταναλωτών ή πώς η εταιρεία θα διασφάλιζε αυτά τα δεδομένα εάν χρησιμοποιούνταν. Οι όροι παροχής υπηρεσιών της εταιρείας αναφέρουν ότι οι καταναλωτές κατέχουν τα στοιχεία τους «στο βαθμό που επιτρέπεται από την ισχύουσα νομοθεσία».

Η OpenAI παρέπεμψε το CNBC στην καθοδήγηση της εταιρείας για τις φωνητικές αλληλεπιδράσεις , η οποία αναφέρει ότι το OpenAI δεν διατηρεί ηχητικά κλιπ και ότι τα ίδια τα ηχητικά κλιπ δεν χρησιμοποιούνται για τη βελτίωση των μοντέλων.

Αλλά η εταιρεία σημειώνει επίσης εκεί ότι οι μεταγραφές θεωρούνται εισροές και μπορούν να χρησιμοποιηθούν για τη βελτίωση των μοντέλων μεγάλων γλωσσών.