これは、12月にGoogleがGemini AIで偽装しなければならなかったことを実現することに成功しました。GPT-4oの新機能のライブデモは、AI搭載の会話エージェントにとって新たな基準を設定し、Googleを追い込む結果となりました。

GPT-4o の強化された機能

GPT-4oのアップデートは、ChatGPTに多くの新機能をもたらし、より多機能で強力なAIアシスタントになりました。

主な強化点は以下の通りです：

• マルチモーダル機能： GPT-4oは音声、画像、ライブビデオ入力を扱えるようになり、より自然で直感的な対話が可能になりました。
• 割り込み処理： ユーザーは、GPT-4oが話している最中に割り込むことができます。
• 音声トーンの検出： GPT-4oはユーザーの声のトーンを分析することができ、ユーザーの感情状態により適切に対応することができます。

これらの機能は、イベント中にライブで実演され、GPT-4oのリアルタイムの機能を紹介しました。

GoogleのGeminiとの比較

12月、GoogleはGeminiAIで同様の機能を実証しようとしました。しかし、後に明らかになったのは、そのデモは演出され、スピードアップされたもので、プロンプトは話し言葉ではなくタイプされたものだったということです。

Geminiは期待通りの結果を出すことができましたが、デモが偽造されたものであったという事実は、AIの実際の能力について懸念を抱かせました。

対照的に、OpenAIのGPT-4oのライブデモは、技術が実世界で使用する準備ができていることを示しました。GPT-4oがユーザーにロールアウトされた後、いくつかの問題が発生する可能性があるにもかかわらず、ライブでAIの能力を実演したOpenAIの自信は、その準備が整っていることを物語っています。

AIアシスタントの未来

AIが進化し続けるにつれ、ChatGPTやGeminiのような会話エージェントが、私たちの日常生活においてますます重要な役割を果たすようになることは明らかです。

GPT-4oがAI能力の新たな基準を打ち立てたことで、Googleは近い将来、OpenAIの業績に匹敵するか、それを上回るよう努力することになるでしょう。

しかし、両社のアプローチの違いは注目に値します。GoogleがGeminiをより先進的に見せるためにフェイクのプレゼンテーションの必要性を感じていたのに対し、OpenAIは技術が完成するまで待ってからライブで披露しました。

これは、AI技術の開発とプレゼンテーションにおける透明性と誠実さの重要性を物語っています。

ChatGPTスプリングアップデートイベントを見逃した方は、以下から再視聴できます。

(Via BGR.)

画像・音声解釈の強化

新モデルを見た無名の情報筋によると、OpenAIの既存の個別の文字起こしモデルや音声合成モデルと比較して、画像や音声の解釈をより速く正確に行うことができるそうです。

このモデルは、イントネーションや皮肉など、通話相手の声のニュアンスをエージェントがよりよく理解するのに役立つ可能性があります。

さらに、このモデルは、数学の問題を解く学生を支援したり、実世界の標識を翻訳したりできる可能性があり、さまざまな領域での汎用性が実証されています。

このモデルはGPT-4ターボよりも特定のタイプの質問に答えることができると言われていますが、時には自信を持って間違った情報を提供する傾向があります。

チャットGPT電話機能の可能性

マルチモーダルAIモデルに加えて、OpenAIは電話をかけるための新しい組み込みChatGPT機能を導入する準備をしている可能性があります。

開発者のAnanay Aroraは、通話機能に関連するコードと、OpenAIがリアルタイムの音声とビデオ通信用のサーバーをプロビジョニングしている証拠を発見しました。この開発により、AIを搭載したバーチャルアシスタントやカスタマーサポートの新たな可能性が開けるかもしれません。

GPT-5ではありませんが、それでも重要です。

今度の発表がGPT-4の後継として期待されているGPT-5に関連する可能性が低いことに注意することが重要です。

OpenAIのCEOであるSam Altman氏は、GPT-4より “大幅に良くなる “と期待されているモデルとは関係ないと明言しています。本情報によると、GPT-5は年内に公開される可能性があります。

AI業界への影響

Altman氏は、同社がAIを搭載した新しい検索エンジンを発表することも否定していますが、マルチモーダルAIデジタル・アシスタントの発表の可能性は、AIの状況に大きな影響を与える可能性があります。

例えば、GoogleはAIを搭載した電話をテストしており、”Pixie “と呼ばれるマルチモーダルなGoogleアシスタントの代替に取り組んでいると噂されています。Pixieは、デバイスのカメラを通して物を見て、それを購入するための道順を示したり、使い方の説明を提供したりすることができると言われています。

OpenAIの発表が、もし本当にマルチモーダルAIモデルや電話機能を含むものであれば、Googleのような競合他社が自社のAI開発を加速させるプレッシャーになるかもしれません。

より高度で多機能なAIアシスタントの開発競争が過熱するにつれて、消費者はこれらの最先端技術を活用した革新的なアプリケーションやサービスの新しい波を目にすることが期待できます。

(Via The Information.)