文|零態(tài)LT 吳狄

編輯|胡展嘉

要說(shuō)全世界戲最多的AI，非OpenAI莫屬。

這家公司簡(jiǎn)直就是熱搜制造機(jī)，剛推出新產(chǎn)品，就送走老領(lǐng)導(dǎo)，剛和蘋果結(jié)盟，就逼跌谷歌股價(jià)；連OpenAI高管的一個(gè)離職動(dòng)態(tài)，都能引發(fā)網(wǎng)上的OpenAI離職潮。

短短幾天時(shí)間，以O(shè)penAI為中心，接連引發(fā)地震級(jí)別的事件。不僅可能對(duì)OpenAI這家公司的未來(lái)產(chǎn)生重大影響，甚至有可能導(dǎo)致整個(gè)科技行業(yè)的重新洗牌。

01 僅憑語(yǔ)音對(duì)話就撐起無(wú)限可能的GPT-4o

美國(guó)時(shí)間5月13日，OpenAI推出了全新旗艦產(chǎn)品GPT-4o。在發(fā)布會(huì)上，OpenAI僅僅展示了GPT-4o的語(yǔ)音對(duì)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(fā)了一波行業(yè)地震，因?yàn)镚PT-4o向全世界展示了其它AI產(chǎn)品可能敢想，但沒敢干的事情。

用上GPT-4o后，用戶可以隨時(shí)打斷AI的施法，不要額外任何操作。而AI則能夠根據(jù)新的對(duì)話內(nèi)容，結(jié)合上下文繼續(xù)進(jìn)行交流，甚至可以通過語(yǔ)氣腔調(diào)來(lái)識(shí)別用戶的情緒，并以此給出反饋。

用過AI對(duì)話產(chǎn)品的家人，應(yīng)該對(duì)下面那個(gè)“終止”按鈕不陌生。

圖：ChatGPT iOS app

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

這種體驗(yàn)對(duì)日常交互來(lái)說(shuō)非常難受，但還有難受的。

用過AI產(chǎn)品的家人，應(yīng)該對(duì)AI那種塵世閑游級(jí)別的響應(yīng)速度不陌生。

舉個(gè)例子，GPT-3.5的延遲大概是2.8秒，GPT-4的延遲高達(dá)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?yàn)橐郧暗墓ぷ髁鞒淌窍扔梢粋€(gè)語(yǔ)音轉(zhuǎn)文字的模型，將輸入的語(yǔ)音轉(zhuǎn)成文字，再由負(fù)責(zé)生成答案的模型輸出文字內(nèi)容，最后由文字轉(zhuǎn)語(yǔ)音的模型把文字轉(zhuǎn)成語(yǔ)音。這三個(gè)模型互不干涉。這就導(dǎo)致在整個(gè)過程中，大量背景信息丟失了。

看過綜藝節(jié)目里的“傳聲筒”游戲吧？

AI比這個(gè)更搞笑。因?yàn)槲淖植荒苷故菊Z(yǔ)音語(yǔ)調(diào)，所以當(dāng)很多人一起說(shuō)話的時(shí)候，GPT沒辦法判斷說(shuō)“俺也一樣”的是關(guān)羽還是張飛，也不知道“我在5點(diǎn)20睡覺13點(diǎn)14準(zhǔn)時(shí)醒”是生活習(xí)慣還是歌詞。

如果你想讓AI根據(jù)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(huì)甩給你一篇教程，讓你自己對(duì)照體會(huì)。

這其實(shí)是目前是市面上AI的通病，但GPT-4o的出現(xiàn)，讓事情發(fā)生了巨大的轉(zhuǎn)變。

技術(shù)層面，GPT-4o把3個(gè)互不相關(guān)的模型整合成了一個(gè)Omni模型，文字、圖像、聲音的輸入和輸出均由這個(gè)模型進(jìn)行處理。這樣就提高了GPT的響應(yīng)速度，根據(jù)OpenAI官方介紹，GPT-4o對(duì)音頻輸入的平均響應(yīng)時(shí)間只有0.3秒。實(shí)際體驗(yàn)是，和GPT-4o對(duì)話的時(shí)候，基本感覺不到延遲。

不僅如此，因?yàn)镚PT-4o掌握了所有背景信息，從而能夠識(shí)別說(shuō)話主體，甚至還能識(shí)別情緒，并根據(jù)情感狀態(tài)給出反饋。

換句話說(shuō)，AI從此具備了“察言觀色”的能力。想象一下，以后AI能根據(jù)你說(shuō)話的語(yǔ)氣判斷你的情緒，聽到你聲音虛弱馬上幫你想好請(qǐng)假話術(shù)；男/女朋友在場(chǎng)的時(shí)候自動(dòng)屏蔽前任信息提示；甚至在你翹班蹦迪的時(shí)候，模仿你的腔調(diào)去應(yīng)付老板…

這么智能的AI目前OpenAI也不敢想。實(shí)際上，他們?cè)诠倬W(wǎng)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(gè)模型的能力和短板。

目前GPT-4o已經(jīng)可以被用戶使用了，不過免費(fèi)用戶每天使用GPT-4o的次數(shù)是有限的，而GPT-3.5則是不限量供應(yīng)。兩者的區(qū)別在于，可能不是那么容易感受出區(qū)別。另外ChatGPT也將迎來(lái)桌面端app，用戶在電腦上也可以和ChatGPT對(duì)話了。

圖：GPT-4o版本ChatGPT

02 一邊推出新產(chǎn)品，一邊送走老領(lǐng)導(dǎo)

就在OpenAI為新產(chǎn)品造勢(shì)的時(shí)候，團(tuán)隊(duì)創(chuàng)始成員之一、奧特曼罷免風(fēng)波關(guān)鍵人物、OpenAI超對(duì)齊項(xiàng)目創(chuàng)始人、首席科學(xué)家Ilya Sutskever宣布退出。幾個(gè)小時(shí)后，超對(duì)齊項(xiàng)目負(fù)責(zé)人Jan Leike宣布離職。

Leike的離職動(dòng)態(tài)迅速引發(fā)了一股“I resigned from @OpenAI”的“離職潮”，更具體的內(nèi)容可以觀看我們的視頻。

而離開OpenAI后的第一天，也就是美國(guó)時(shí)間5月17日下午，Leike發(fā)了一連串動(dòng)態(tài)，表示自己一直都非常熱愛自己的團(tuán)隊(duì)和工作，此次無(wú)奈離職，是因?yàn)楹同F(xiàn)在核心管理層的理念分歧到達(dá)了無(wú)可調(diào)和的地步。

他說(shuō)自己來(lái)OpenAI是沖著這里的學(xué)術(shù)氛圍和對(duì)AI安全的宏愿，然而現(xiàn)在的OpenAI高層只在乎出爆款。

他還表達(dá)了對(duì)OpenAI走向AGI的擔(dān)憂，強(qiáng)調(diào)OpenAI必須是一個(gè)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(duì)OpenAI的最后寄托

安全，同樣也是Ilya的執(zhí)念。正是出于對(duì)AGI不可知的未來(lái)的擔(dān)憂，才有了OpenAI的超對(duì)齊項(xiàng)目。

如今，隨著兩位負(fù)責(zé)人的離開，超對(duì)齊項(xiàng)目組已經(jīng)徹底解散，項(xiàng)目組成員被拆散到不同研究領(lǐng)域。相當(dāng)于是為現(xiàn)在每個(gè)研究領(lǐng)域，都配備了一個(gè)安保人員。

相比Leike，Ilya的理由平平無(wú)奇。他表示“將投身于某個(gè)對(duì)我個(gè)人來(lái)說(shuō)，具有非凡意義的項(xiàng)目”，項(xiàng)目細(xì)節(jié)將會(huì)在未來(lái)公開。

在分手信中，Ilya不出意外的表?yè)P(yáng)了薩姆奧特曼、Greg Brockman、Mira Murita對(duì)OpenAI的貢獻(xiàn)，同時(shí)也“堅(jiān)信在三位的領(lǐng)導(dǎo)下，OpenAI將會(huì)構(gòu)建一個(gè)安全高效的AGI”。

這句話現(xiàn)在聽起來(lái)，既是客氣，也是懇求。

圖：OpenAI領(lǐng)導(dǎo)團(tuán)隊(duì)

而奧特曼在夸獎(jiǎng)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(xiàn)出了應(yīng)有的風(fēng)度，不過經(jīng)歷了種種風(fēng)波后，相信各位看官應(yīng)該都心照不宣。

緊接著，Google AI老大Jeff Dean就在Ilya下面回復(fù)了一條非常曖昧的評(píng)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(diǎn)著急。

03 蘋果OpenAI結(jié)盟在即，谷歌孤立無(wú)援四面楚歌

曾經(jīng)一度是AI領(lǐng)頭羊的Google，如今卻被OpenAI吊打：只要OpenAI趕在Google后面推出新產(chǎn)品，Google必然被搶風(fēng)頭；只要Google晚OpenAI一步推出新產(chǎn)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(duì)標(biāo)Sora的視頻生成工具Veo等，并展示了被Gemini 1.5 pro加強(qiáng)后的產(chǎn)品，包括Google助手、搜索、Photos等等。

首席執(zhí)行官Sundar Pichai表示，新產(chǎn)品“提供了迄今為止所有基礎(chǔ)模型中最長(zhǎng)的上下文窗口”。

谷歌副總裁兼Gemini體驗(yàn)總經(jīng)理Sissie Hsiao表示，Gemini 1.5 Pro很快將能夠處理一小時(shí)的視頻內(nèi)容或超過3萬(wàn)行的代碼庫(kù)。

Google AI助手的新功能Project Astra讓人印象深刻。通過手機(jī)攝像頭，智能助手可以識(shí)別出鏡頭中的物體，無(wú)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(chǎng)。

更讓人激動(dòng)的是，現(xiàn)在我們有機(jī)會(huì)在Google搜索體驗(yàn)AI功能了，只不過可能需要一點(diǎn)小法術(shù)才能召喚出來(lái)。

圖：想用上Google的AI搜索需要一點(diǎn)小花招

然而，他們最有熱度的消息，是讓Gemini觀看GPT-4o的發(fā)布會(huì)。

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(lái)，蘋果提升了產(chǎn)品的AI濃度，Gemini也實(shí)現(xiàn)了破圈。但跟蘋果的談判八字還沒一撇呢，又被OpenAI截胡了。

據(jù)彭博社報(bào)道，蘋果即將與OpenAI達(dá)成合作協(xié)議，蘋果用戶有望在iOS 18上用上被GPT加強(qiáng)過的Siri。消息一出，Google股價(jià)大跌。

可想而知，一旦OpenAI和蘋果建立合作關(guān)系，作為OpenAI背后的最大金主，微軟必將給Google的搜索業(yè)務(wù)帶來(lái)更大的長(zhǎng)期風(fēng)險(xiǎn)。

不過，在OpenAI沒有完全搞明白GPT的思維邏輯之前，預(yù)言Google的敗局似乎還為時(shí)過早。

04 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(gè)”或“全面的”，意味著該產(chǎn)品在處理多種語(yǔ)言和模態(tài)（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(xiàn)，標(biāo)志著我們向“更自然的人機(jī)交互”又近了一步。然而其背后的運(yùn)行方式、思維邏輯仍然成謎，OpenAI自己對(duì)GPT突然獲得“指數(shù)級(jí)進(jìn)化”的預(yù)測(cè)能力，毫無(wú)頭緒。

于是你就看到了這樣的搞笑一幕。

當(dāng)你用英文詢問GPT“第一頭游過英吉利海峽的大象是誰(shuí)”，GPT會(huì)煞有介事的告訴你，是一只叫做Jumbo的亞洲象。但同一個(gè)問題，換成中文就會(huì)得到一個(gè)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(shuō)，盡管GPT可以在不同語(yǔ)言之間自由切換，但它們理解一個(gè)問題的方式似乎存在著差異，不免讓人對(duì)Omni產(chǎn)生懷疑。

尤其是當(dāng)你用同樣的問題問另外一個(gè)AI，它卻給出了完全合理的回答的時(shí)候。

圖：另一款A(yù)I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(shù)字，是這么回答的。

圖：2串?dāng)?shù)字都是真實(shí)的，但不一定符合用戶的需求

盡管OpenaI很快修復(fù)了這些“熱門bug”，但也不免讓人產(chǎn)生一個(gè)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？