OpenAI только что выпустила новую модель ИИ, призванную звучать как настоящий собеседник-человек, и компания заявляет, что это шаг к AGI.
На протяжении многих лет OpenAI инвестировала в разработку инструментов ИИ, способных говорить человеческими голосами. Это иногда приводило к спорам, например, когда компания представила голосового помощника, который подозрительно походил на голос Скарлетт Йоханссон. Между тем, различные недостатки ИИ-помощников, такие как их трудности с пониманием контекста, стали благодатной почвой для насмешек в социальных сетях.
Теперь компания надеется перевернуть страницу в своих усилиях по созданию голосовых помощников на базе ИИ — и, как она надеется, вывести технологию на более широкую аудиторию — с помощью недавно выпущенной GPT-Live-1, которую она называет своей «самой умной голосовой моделью на сегодняшний день».
Представленная в среду модель способна общаться с помощью реалистичных голосов, дополненных тонкими нюансами, присущими человеческой речи, такими как внезапные вспышки смеха и короткие вдохи перед предложением. Но что более важно для цели OpenAI по повышению привлекательности голосовых помощников на базе ИИ, GPT-Live-1 также знает, когда нужно помолчать: она может быть пассивным «мухой на стене», внимательно следя за разговором, не вмешиваясь каждые десять секунд. В эти тихие моменты она будет вставлять редкое «Верно» или «Угу», чтобы напомнить пользователям, что она слушает.
Для более сложных запросов GPT-Live-1 обращается к GPT-5.5, что теоретически делает ее полезной не только для бесед без цели, но и для задач, требующих более глубокого уровня рассуждений. Она также поставляется с обновленными возможностями поиска в Интернете в реальном времени и перевода, которые OpenAI также подчеркивает в надежде повысить ее привлекательность в качестве универсального помощника.
Короче говоря, OpenAI надеется, что все эти новые функции усилят у пользователей ощущение, что они взаимодействуют с чем-то большим, чем просто улучшенная поисковая система. «Вы даже можете забыть, что разговариваете с ИИ», — сказал Ючэнь Чжан, инженер-исследователь OpenAI, на китайском языке во время прямой трансляции в среду, пока GPT-Live-1 переводила его слова на английский. «Как бы это сказать? Это действительно, действительно потрясающее чувство».
Компания приложила столько усилий, чтобы подчеркнуть естественность разговорных способностей GPT-Live-1, что почти возникает ощущение, будто компания позиционирует ее скорее как компаньона, чем как традиционный чат-бот для ответов на вопросы. В маркетинговом видеоролике, опубликованном в ее официальном аккаунте X в среду, OpenAI показала трех пожилых женщин, использующих голосовую модель для различных задач, таких как получение советов по вязанию, проверка задержек общественного транспорта и перевод с английского на французский. Решение включить в ролик пожилых людей, а не, скажем, модных двадцатилетних, может намекать на усилия компании позиционировать голосовых помощников как решение проблемы одиночества в не меньшей степени, чем как быстрое средство получения прогноза погоды на неделю.
Однако в основном OpenAI продвигает свою новую голосовую модель для широкой аудитории, позиционируя ее как более полезную и интуитивно понятную версию ChatGPT. «Эта модель на один шаг ближе к по-настоящему доступному AGI, к миру, где разговор с ИИ действительно начинает ощущаться как реальный диалог», — сказал Кундан Кумар, еще один исследователь OpenAI, во время прямой трансляции.
Стоит помнить, что AGI — сокращение от общего искусственного интеллекта — это термин, который в наши дни используется довольно свободно как технический ориентир и маркетинговый лозунг. В отрасли отсутствует четкое, единое определение того, как будет выглядеть настоящий AGI, хотя существует общее согласие, что он должен будет выполнять широкий спектр интеллектуальных задач как минимум на уровне среднего человеческого мозга. Включив его в свою демонстрацию в прямом эфире, OpenAI, возможно, пытается посеять в общественном сознании мысль о том, что «настоящий AGI», что бы это ни значило, зависит от способности говорить человеческими голосами.
OpenAI заявила в своем анонсе в блоге, что новая модель была создана с мерами безопасности для предотвращения некоторых вредных последствий, вызванных ранними голосовыми помощниками на базе ИИ. Например, она не будет имитировать голоса реальных людей, а если обнаружит голосовые запросы пользователя на опасные темы, такие как членовредительство или другие виды насилия, она ответит предоставлением информации о ресурсах по охране здоровья и безопасности, а в некоторых случаях прекратит разговор.
Всегда имейте в виду, что редакции могут придерживаться предвзятых взглядов в освещении новостей.
Автор – Webb Wright
