OpenAI отлага пускането на дългоочакваната функция за гласов асистент за ChatGPT, за да гарантира, че тя може безопасно и ефективно да обработва заявките на милиони потребители.
Стартъпът за изкуствен интелект представи гласовата опция на събитие за пускане на пазара на продукта през май за GPT-4o, актуализирана версия на модела GPT-4, който обработва по-добре текст, аудио и изображения в реално време. В изявлението си OpenAI заяви, че първоначално е възнамерявала да пусне гласовата функция за малка група платени абонати на ChatGPT Plus в края на юни, но е решила, че се нуждае от още един месец, за да "достигнем летвата за стартиране".
"Подобряваме способността на модела да открива и отказва определено съдържание", заяви компанията във вторник. "Също така работим върху подобряването на потребителското изживяване и подготвяме инфраструктурата си за мащабиране до милиони, като същевременно поддържаме отговорите в реално време."
Забавянето представлява възможна пречка за OpenAI, която се опитва да изпревари все по-пренаселеното поле от съперници с изкуствен интелект. Миналата година компанията въведе по-ограничена възможност ChatGPT да отговаря на потребителите, но новата функция обещаваше да бъде по-бърза и да се съчетае с мощни възможности за разпознаване на изображения, за да превърне чатбота в много по-полезен и динамичен партньор за разговори.
На сцената на събитието за стартиране служителите на OpenAI показаха, че ChatGPT реагира почти мигновено на заявки, като например решаване на математическа задача върху лист хартия, поставен пред камерата на смартфона на изследовател. Някои зрители оприличиха инструмента на виртуалния асистент с изкуствен интелект във филма "Тя" от 2013 г., озвучен от Скарлет Йохансон. По-късно актрисата поиска един от гласовете на ChatGPT да бъде премахнат, тъй като твърде много прилича на нейния.
Във вторник OpenAI заяви, че планира да пусне гласовата функция за всички свои платени абонати през есента. OpenAI заяви, че "работи" и по пускането на функциите за споделяне на видео и екран, които компанията демонстрира по време на събитието си през май. Компанията заяви, че ще уведоми потребителите за сроковете за тези функции в бъдеще.
В резултат на това е вероятно, когато гласовата опция стане достъпна за избрани платени потребители през следващия месец, нейните възможности да бъдат по-ограничени от демонстрираните по време на събитието. Например чатботът няма да има достъп до функцията за компютърно виждане, която би му позволила да предлага устна обратна връзка за танцовите движения на потребителя, просто като използва камерата на смартфона.