GPT-4o恩怨開局，Google再次躺槍

　　要說全世界戲最多的AI，非OpenAI莫屬。

　　這家公司簡直就是熱搜制造機，剛推出新產品，就送走老領導，剛和蘋果結盟，就逼跌谷歌股價;連OpenAI高管的一個離職動態，都能引發網上的OpenAI離職潮。

　　短短幾天時間，以OpenAI為中心，接連引發地震級別的事件。不僅可能對OpenAI這家公司的未來產生重大影響，甚至有可能導致整個科技行業的重新洗牌。

　　1、僅憑語音對話就撐起無限可能的GPT-4o

　　美國時間5月13日，OpenAI推出了全新旗艦產品GPT-4o。在發布會上，OpenAI僅僅展示了GPT-4o的語音對話能力，沒有炫酷的視覺效果、沒有狂拽的新功能，但仍然再次引發了一波行業地震，因為GPT-4o向全世界展示了其它AI產品可能敢想，但沒敢干的事情。

　　用上GPT-4o后，用戶可以隨時打斷AI的施法，不要額外任何操作。而AI則能夠根據新的對話內容，結合上下文繼續進行交流，甚至可以通過語氣腔調來識別用戶的情緒，并以此給出反饋。

　　用過AI對話產品的家人，應該對下面那個“終止”按鈕不陌生。

　　▲圖：ChatGPT iOS app

　　這個按鈕是用來讓AI閉嘴的。比如你讓AI講個故事，聽了個開頭想讓它換一個，就需要用到這個按鈕。如果是隔空喊話的AI，則需要喊出一個“安全詞”，比如“hey siri”“小度小度”等。

　　這種體驗對日常交互來說非常難受，但還有難受的。

　　用過AI產品的家人，應該對AI那種塵世閑游級別的響應速度不陌生。

　　舉個例子，GPT-3.5的延遲大概是2.8秒，GPT-4的延遲高達5.4秒。相比而言，特斯拉Model 3的百公里加速是2.1秒。

　　這是因為以前的工作流程是先由一個語音轉文字的模型，將輸入的語音轉成文字，再由負責生成答案的模型輸出文字內容，最后由文字轉語音的模型把文字轉成語音。這三個模型互不干涉。這就導致在整個過程中，大量背景信息丟失了。

　　看過綜藝節目里的“傳聲筒”游戲吧?

　　▲圖：傳聲筒游戲

　　AI比這個更搞笑。因為文字不能展示語音語調，所以當很多人一起說話的時候，GPT沒辦法判斷說“俺也一樣”的是關羽還是張飛，也不知道“我在5點20睡覺13點14準時醒”是生活習慣還是歌詞。

　　如果你想讓AI根據聲音給出反饋，比如讓GPT-4幫忙判斷一下深呼吸做的到不到位，它只會甩給你一篇教程，讓你自己對照體會。

　　這其實是目前是市面上AI的通病，但GPT-4o的出現，讓事情發生了巨大的轉變。

　　技術層面，GPT-4o把3個互不相關的模型整合成了一個Omni模型，文字、圖像、聲音的輸入和輸出均由這個模型進行處理。這樣就提高了GPT的響應速度，根據OpenAI官方介紹，GPT-4o對音頻輸入的平均響應時間只有0.3秒。實際體驗是，和GPT-4o對話的時候，基本感覺不到延遲。

　　不僅如此，因為GPT-4o掌握了所有背景信息，從而能夠識別說話主體，甚至還能識別情緒，并根據情感狀態給出反饋。

　　換句話說，AI從此具備了“察言觀色”的能力。想象一下，以后AI能根據你說話的語氣判斷你的情緒，聽到你聲音虛弱馬上幫你想好請假話術;男/女朋友在場的時候自動屏蔽前任信息提示;甚至在你翹班蹦迪的時候，模仿你的腔調去應付老板…

　　這么智能的AI目前OpenAI也不敢想。實際上，他們在官網上謙虛的表示，公司頭一次嘗試GPT-4o這種模式，自己也在摸索這個模型的能力和短板。

　　目前GPT-4o已經可以被用戶使用了，不過免費用戶每天使用GPT-4o的次數是有限的，而GPT-3.5則是不限量供應。兩者的區別在于，可能不是那么容易感受出區別。另外ChatGPT也將迎來桌面端app，用戶在電腦上也可以和ChatGPT對話了。

　　▲圖：GPT-4o版本ChatGPT

　　2、一邊推出新產品，一邊送走老領導

　　就在OpenAI為新產品造勢的時候，團隊創始成員之一、奧特曼罷免風波關鍵人物、OpenAI超對齊項目創始人、首席科學家Ilya Sutskever宣布退出。幾個小時后，超對齊項目負責人Jan Leike宣布離職。

　　Leike的離職動態迅速引發了一股“I resigned from @OpenAI”的“離職潮”，更具體的內容可以觀看我們的視頻。

　　而離開OpenAI后的第一天，也就是美國時間5月17日下午，Leike發了一連串動態，表示自己一直都非常熱愛自己的團隊和工作，此次無奈離職，是因為和現在核心管理層的理念分歧到達了無可調和的地步。

　　他說自己來OpenAI是沖著這里的學術氛圍和對AI安全的宏愿，然而現在的OpenAI高層只在乎出爆款。

　　他還表達了對OpenAI走向AGI的擔憂，強調OpenAI必須是一個安全先行的AGI公司，話里話外都透露出了絲絲苦澀。

　　▲圖：Jan Leike對OpenAI的最后寄托

　　安全，同樣也是Ilya的執念。正是出于對AGI不可知的未來的擔憂，才有了OpenAI的超對齊項目。

　　如今，隨著兩位負責人的離開，超對齊項目組已經徹底解散，項目組成員被拆散到不同研究領域。相當于是為現在每個研究領域，都配備了一個安保人員。

　　相比Leike，Ilya的理由平平無奇。他表示“將投身于某個對我個人來說，具有非凡意義的項目”，項目細節將會在未來公開。

　　在分手信中，Ilya不出意外的表揚了薩姆奧特曼、Greg Brockman、Mira Murita對OpenAI的貢獻，同時也“堅信在三位的領導下，OpenAI將會構建一個安全高效的AGI”。

　　這句話現在聽起來，既是客氣，也是懇求。

　　▲圖：OpenAI領導團隊

　　而奧特曼在夸獎了Ilya并表示遺憾后，宣布Ilya的位置將有上圖中左一Jakub Pachocki接手。

　　盡管分手雙方都表現出了應有的風度，不過經歷了種種風波后，相信各位看官應該都心照不宣。

　　緊接著，Google AI老大Jeff Dean就在Ilya下面回復了一條非常曖昧的評論：我好喜歡和你相遇，即便只是一起喝杯咖啡。

　　看得出，Google這次是真的有點著急。

　　3、蘋果OpenAI結盟在即，谷歌孤立無援四面楚歌

　　曾經一度是AI領頭羊的Google，如今卻被OpenAI吊打：只要OpenAI趕在Google后面推出新產品，Google必然被搶風頭;只要Google晚OpenAI一步推出新產品，必然淹沒在GPT的熱浪中。

　　就在OpenAI推出GPT-4o的第二天，谷歌在Google I/O上推出了Gemini 1.5 Pro。相比OpenAI的Spring Update，Google I/O要正式的多，推出了對標Sora的視頻生成工具Veo等，并展示了被Gemini 1.5 pro加強后的產品，包括Google助手、搜索、Photos等等。

　　首席執行官Sundar Pichai表示，新產品“提供了迄今為止所有基礎模型中最長的上下文窗口”。

　　谷歌副總裁兼Gemini體驗總經理Sissie Hsiao表示，Gemini 1.5 Pro很快將能夠處理一小時的視頻內容或超過3萬行的代碼庫。

　　Google AI助手的新功能Project Astra讓人印象深刻。通過手機攝像頭，智能助手可以識別出鏡頭中的物體，無論桌面上的橘子、電腦屏幕里的代碼，還是手繪在白板上的圖案。

　　尤其是在問了一圈AI各種問題后，演示人員突然問AI“你看見我的眼鏡了嗎?”AI表示看見了，并且指出了位置，瞬間引爆全場。

　　更讓人激動的是，現在我們有機會在Google搜索體驗AI功能了，只不過可能需要一點小法術才能召喚出來。

　　▲圖：想用上Google的AI搜索需要一點小花招

　　然而，他們最有熱度的消息，是讓Gemini觀看GPT-4o的發布會。

　　或許Gemini最能證明自己、最能刷出存在感的途徑，就是整合到iPhone中。這樣一來，蘋果提升了產品的AI濃度，Gemini也實現了破圈。但跟蘋果的談判八字還沒一撇呢，又被OpenAI截胡了。

　　據彭博社報道，蘋果即將與OpenAI達成合作協議，蘋果用戶有望在iOS 18上用上被GPT加強過的Siri。消息一出，Google股價大跌。

　　可想而知，一旦OpenAI和蘋果建立合作關系，作為OpenAI背后的最大金主，微軟必將給Google的搜索業務帶來更大的長期風險。

　　不過，在OpenAI沒有完全搞明白GPT的思維邏輯之前，預言Google的敗局似乎還為時過早。

　　4、GPT仍然沒能解決幻覺和胡編的問題

　　GPT-4o中的o，是拉丁文Omni的首字母，意為“全部的”“每一個”或“全面的”，意味著該產品在處理多種語言和模態(如文本、音頻和視覺)方面，具有十分全面的能力。

　　盡管OpenAI表示，GPT-4o的出現，標志著我們向“更自然的人機交互”又近了一步。然而其背后的運行方式、思維邏輯仍然成謎，OpenAI自己對GPT突然獲得“指數級進化”的預測能力，毫無頭緒。

　　于是你就看到了這樣的搞笑一幕。

　　當你用英文詢問GPT“第一頭游過英吉利海峽的大象是誰”，GPT會煞有介事的告訴你，是一只叫做Jumbo的亞洲象。但同一個問題，換成中文就會得到一個十分合理的回答。

　　▲圖：GPT-4o亂回答

　　▲圖：GPT-4o合理的回答

　　也就是說，盡管GPT可以在不同語言之間自由切換，但它們理解一個問題的方式似乎存在著差異，不免讓人對Omni產生懷疑。

　　尤其是當你用同樣的問題問另外一個AI，它卻給出了完全合理的回答的時候。

　　▲圖：另一款AI的回答

　　類似的奇怪回答層出不窮，比如問它圓周率最后5位數字，是這么回答的。

　　▲圖：2串數字都是真實的，但不一定符合用戶的需求

　　盡管OpenaI很快修復了這些“熱門bug”，但也不免讓人產生一個疑問：GPT-4o背后，到底有多少只能多少人工?GPT-4o到底是離AGI更近了一步，還是圍著AGI又繞了一圈呢?

　　作者|吳狄

　　編輯|胡展嘉

　　運營|陳佳慧

　　出品|零態LT