A ChatGPT már eddig is messze kiemelkedett a versenytársak közül azzal, hogy a mobilos alkalmazás használatával szinte úgy beszélgethettünk a chatbottal, mint egy másik emberrel, azonban a frissen bemutatott GPT-4o névre keresztelt nagy nyelvi modellen alapuló változat még az eddigiekhez képest is megdöbbentően valóságosnak hat. Az OpenAI szerint az új nagy nyelvi modell képességei alapvetően megegyeznek a GPT-4 tudásával, ám azzal, hogy a chatbot az eddigieknél sokkal jobban tudja értelmezni az elhangzottakat, valamint a képeket és videókat is, a ChatGPT határozottan elindult abba az iranyba, hogy a mai hangasszisztensek teljes értékű kihívójává váljon.

A hétfői bemutatón az OpenAI munkatársai egy sor különböző szituációs gyakorlattal demonstrálták, hogy mi mindenre lesz használható a megújult chatbot, ezzel egyidőben pedig a cég a Youtube-oldalán is megosztott rövid videókat, amik a ChatGPT egyes képességeit mutatják be.

• A telefonunkat magunk elé tartva és a kamerát bekapcsolva megkérhetjük a chatbotot, hogy mondja el, mit lát, ami például látássérülteknek jelenthet hatalmas segítséget. Az alábbi videóban a ChatGPT részletes leírást ad a tóban úszkáló kacsákról, a Buckingham-palota előtt állva képes megmondani, hogy mivel a Royal Standard zászló fel van húzva, ezért a király a palotában tartózkodik, majd abban is segít a felhasználónak, hogy szabad taxit találjon.

• A ChatGPT valós idejű fordítóként is megállja a helyét, mintha egy valódi tolmács ülne velünk az asztalnál.

• A chatbot nem csak képes megoldani a képes matematika-feladatokat, de az ábrát értelmezve végig is tudja vezetni a tanulót a feladat megoldásán, mintha egy valódi tanár ülne mellettünk.

• A kamera képe alapján a chatbot akár kő-papír-ollóban is képes bíráskodni.

• Szintén a chatbot vizuális képességeit demonstrálja az alábbi videó, ahol két ChatGPT működik együtt: az egyik chatbot kérdéseket tesz fel a másiknak, amely a kamera képe alapján részletes leírást ad arról, hogy mit lát maga körül.

Ahogy a videókból is látható, a megújult chatbot nem csak sokkal emberibben kommunikál, mint a ChatGPT eddigi hangos módja, de sokkal gyorsabban is reagál a kérdésekre: az OpenAI szerint az átlagos reakcióideje mindössze 320 milliszekundum, vagyis nagyjából ugyanolyan gyorsan válaszol, mint egy valódi ember. Ugyanez a GPT-3.5-alapú chatbotnál még 2,8 másodperc volt, míg a GPT-4-et használó ChatGPT ennél is lassabban reagált a kérdésekre. Apró, de fontos újítás, hogy chatbotot már félbe is szakíthatjuk, így nem feltétlenül kell megvárnunk, hogy végigmondja a mondandóját, ezáltal sokkal pörgősebb, természetesebb párbeszédek alakulhatnak ki.

A ChatGPT eddig kétféle verzióban volt elérhető: az ingyenes, GPT-3.5 nagy nyelvi modellen alapuló változat mellett havi 20 dolláros előfizetési díjért cserébe használhattuk a fejlettebb GPT-4-es nyelvi modellt, ez azonban a GPT-4o érkezésével megváltozik. A hétfőtől elérhető új modell írott szöveges és vizuális funkciói bárki számára ingyenesen lesznek hozzáférhetőek mobilon és számítógépen is, míg a hangos funkciót a következő hetekben teszi hozzáférhetővé az OpenAI, ám ez egyelőre csak az előfizetéses ChatGPT Plus szolgáltatásban jelenik meg.

Jönnek az ágens programok, amik helyettünk használják a számítógépünket Javában zajlik a nagy nyelvi modellek közti verseny, de az OpenAI már a mesterséges intelligencia következő korszakára fókuszál.