Компанията OpenAI може скоро да представи цифров асистент с поддръжка на мултимодален изкуствен интелект. Според The Information новият асистент на OpenAI е способен да разпознава дори сарказъм.

Според източниците на The Information OpenAI е демонстрирала на редица клиенти нов мултимодален вариант на изкуствен интелект, който може да води диалог с потребителя и да разпознава обекти. Възможно е той да бъде представен утре, 13 май, на събитие, което започва в 20:00 ч. българско време.

Новият модел осигурява по-бърза и по-точна интерпретация на изображения и аудио, отколкото съществуващите модели на ИИ за транскрипция или превръщане на текст в реч. Както предполага The Information, той би могъл да помогне на служителите в службите за обслужване на клиенти "да разбират по-добре интонацията на гласа на обаждащите се или дали те са саркастични". "Теоретично" моделът би могъл да помогне на учениците да решават математически задачи или да превеждат знаци от реалния свят. Според източниците на ресурса новият модел на изкуствен интелект би могъл да надмине GPT-4 Turbo в "отговарянето на някои видове въпроси", но все пак би бил по-склонен към грешни решения.

Според разработчика Ананай Арора OpenAI се готви да добави и функционалност за телефонни обаждания към чатбота ChatGPT. Арора твърди, че е открил доказателства, че OpenAI вече е предвидила използването на сървъри за аудио и видеоразговори в реално време.

Трябва да се отбележи, че тази функция няма да присъства в модела GPT-5, ако той бъде внезапно представен следващата седмица, тъй като главният изпълнителен директор Сам Алтман отрече предстоящото събитие да има нещо общо с последователя на модела на AI GPT-4. Той също така отрече слуховете, че компанията ще представи нова търсачка с изкуствен интелект през следващата седмица.