5月16日，OpenAI首席執(zhí)行官Sam Altman接受了，硅谷著名風(fēng)險(xiǎn)投資公司紅點(diǎn)（Redpoint）的董事兼總經(jīng)理Logan Bartlett專訪。

本周二，OpenAI重磅發(fā)布了可跨文本、視頻、音頻推理的多模態(tài)大模型GPT-4o，其多元化的玩法、低延遲以及擬人化的聲音，讓11年前的科幻電影《Her》成為現(xiàn)實(shí)，人人都能擁有一個(gè)超強(qiáng)語音AI助手，似乎人類離AGI又更近了一步。

圖片來源：視覺中國-VCG31N2008743681

下面，「AIGC開放社區(qū)」根據(jù)這部46分鐘的專訪視頻，以問答和解讀的方式為大家整理所有主要關(guān)鍵內(nèi)容，深度了解GPT-4o以及未來將發(fā)布的GPT-5，那就讓我們開始吧。

Bartlett：GPT-4o可以跨文本、視頻、音頻進(jìn)行推理，這很重要嗎？

Altman：確實(shí)，我很早之前就有用語音控制計(jì)算機(jī)的想法，這是一種前所未有的綜合推理模式。

語音助手有很多，例如，蘋果的Siri但用起來非常不自然，機(jī)器味很濃，并且在語義理解方面也不是很好。所以，我想改變這一現(xiàn)狀。

Bartlett：GPT-4o哪些用例讓你感到很驚訝？

Altman：在發(fā)布GPT-4o之前，我體驗(yàn)了一周左右的時(shí)間，其中有一個(gè)用例是讓我很驚喜的。

我只需要把手機(jī)放在桌子上與GPT-4o對(duì)話，就能完成很多之前需要頻繁切換應(yīng)用、瀏覽器才能完成的工作，就像不停地切換谷歌瀏覽器標(biāo)簽?zāi)菢印?/p>

所有的工作內(nèi)容都可以快速為你在一個(gè)平臺(tái)中呈現(xiàn)出來，這對(duì)于依賴保持專注和效率的開發(fā)人員和專業(yè)人士來說是一個(gè)巨大的改變。

Bartlett：GPT-4o擁有如此特別的能力，你們做了哪些改變和嘗試？

Altman：過去幾年我們一直在研究音頻、視頻大模型，以及如何通過一種更高效的方法來訓(xùn)練、結(jié)合它們。

所以，GPT-4o的出現(xiàn)不是偶然，也不是最近才做的決定，而是很多年的技術(shù)沉淀和積累的結(jié)果，這是一種必然會(huì)出現(xiàn)的產(chǎn)品。

Bartlett：GPT-4o的低延遲，對(duì)于用戶來說意味著什么？

Altman：GPT-4o的平均延遲只有200—300毫秒左右，這種交互效率在之前是無法想象的，也極大拓寬的了應(yīng)用場(chǎng)景。

例如，可以幫助人們進(jìn)行實(shí)時(shí)翻譯、語音交互和視頻分析等，眼睛有障礙的人通過GPT-4o可以實(shí)現(xiàn)重現(xiàn)“光明”；

而聽力受損的用戶可以基于文本和視覺功能完成日常交流；醫(yī)生可以使用GPT-4o實(shí)時(shí)解析醫(yī)學(xué)圖像、轉(zhuǎn)錄患者數(shù)據(jù)以及分析醫(yī)療記錄中的文本數(shù)據(jù)

所以，醫(yī)學(xué)領(lǐng)域?qū)⑹荊PT-4o最大受益群體之一。

Bartlett：OpenAI下一步的重要產(chǎn)品是GPT-5嗎？會(huì)使用更新穎的架構(gòu)、功能嗎？

Altman：我們現(xiàn)在暫時(shí)可以稱它為GPT-5，但發(fā)布的時(shí)候會(huì)很特別，可能會(huì)換一種叫法，功能也與現(xiàn)在的有很大不同。

例如，從OpenAI發(fā)布GPT-1到現(xiàn)在的GPT-4，產(chǎn)品功能和叫法都是比較偏傳統(tǒng)的。

到真正發(fā)布GPT-5時(shí)，可能名字會(huì)變，功能可能類似“虛擬大腦”一樣去幫助用戶處理各種任務(wù)，將是一種非常特別的嘗試。

Bartlett：開源大模型領(lǐng)域正在追趕、超越，對(duì)此你有何看法？

Altman：非常好，他們做的不錯(cuò)，正在將一些領(lǐng)先的源代碼分享給不同的群體。

Bartlett：未來的12個(gè)月，哪些應(yīng)用程序領(lǐng)域最有前途？

Altman：編程領(lǐng)域，當(dāng)然，這代表了我個(gè)人的偏見，但確實(shí)是這樣的。

Bartlett：《華爾街日?qǐng)?bào)》曾報(bào)道過，你要花一大筆錢打造AI芯片廠與英偉達(dá)等展開競爭，真的有這個(gè)必要嗎？

Altman：首先，我有信心找到降低訓(xùn)練、推理等與AI相關(guān)的開發(fā)成本，但這需要巨大的算力支撐；其次，我希望將生成式AI技術(shù)分享給全人類使用，這對(duì)算力有巨大的需求；

第三，只有更多的人使用AI，才能為其提供實(shí)時(shí)反饋，實(shí)現(xiàn)功能上的迭代閉環(huán)。而算力是做這三件事的重要基礎(chǔ)。

Bartlett：人們一直在談?wù)揂GI，它到底是什么樣子的？現(xiàn)在來看好像這個(gè)概念還是比較抽象的，你是如何看待AGI的？

Altman：很多人會(huì)覺得AGI會(huì)像電影《星球大戰(zhàn)》里的浮空車那樣充滿科幻感。其實(shí)，我覺得AGI就是可以幫助用戶自動(dòng)處理、協(xié)調(diào)好所有工作。例如，這個(gè)工作之前需要100人來做，現(xiàn)在通過AGI一個(gè)人就能做好。

Altman還談到了他在YC時(shí)的投資心得、企業(yè)成長以及對(duì)其他產(chǎn)品、項(xiàng)目的看法，有興趣的小伙伴可以查看文章中的原采訪視頻。

封面圖片來源：視覺中國-VCG31N2008742366