OpenAI از شما می‌خواهد که افکار خود را در تلفن خود "محو" کنید

در ماه جولای، رئیس OpenAI، گرگ براکمن، یک مدل صوتی هوش مصنوعی را معرفی کرد که می تواند به طور همزمان گوش کند و صحبت کند. بلومبرگ/گتی ایماژ OpenAI حالت صدای ChatGPT را در تلفن همراه تقویت می کند زیرا رقابت بر سر نمایندگان شخصی داغ می شود.

نسخه جدید مدل صوتی OpenAI را به مدل‌های متنی آن متصل می‌کند که می‌توانند وظایف را انجام دهند.

OpenAI هنوز رقیب مستقیمی برای دستیاران هوش مصنوعی ویروسی مانند Instinct و Meta's Muse منتشر نکرده است. OpenAI در حال پیشروی بیشتر به سمت بازار پر رقابت برای نمایندگان شخصی است - این بار با صدا.

این شرکت در روز چهارشنبه پیشرفته ترین سیستم صوتی خود را به وب سایت و برنامه موبایل ChatGPT اضافه می کند. انتشار OpenAI به کاربران این امکان را می دهد تا برای واگذاری وظایف تکی و تکراری که به چندین مرحله، مرورگر و برنامه های متفاوت نیاز دارند، صحبت کنند. این شرکت پیش از رویداد بزرگ OpenAI DevDay خود در هفته آینده راه اندازی کرده است.

آتی التی، پیشرو محصول OpenAI برای صدای ChatGPT، دمویی را به Business Insider ارائه کرد. تنها با صحبت کردن با برنامه، او این ابزار را در اختیار داشت که مخارج DoorDash خود را تجزیه و تحلیل کند، 5 دلار برای رزرو یک زمین بازی بپردازد و تقویم خود را دوباره سازماندهی کند.

التی گفت: «در آینده، ما واقعا تصور می‌کنیم که مردم از صدا به‌عنوان روش اصلی برای تعامل با هوش مصنوعی استفاده می‌کنند، و این همان ستاره شمالی ماست که ما در حال تلاش برای آن هستیم.»

دستیاران هوش مصنوعی شخصی مانند Instinct و Meta's Muse لحظاتی را در Silicon Valley می گذرانند، زیرا صنعت برنامه هایی را می فروشد که برای انجام وظایف دست و پا گیر اینترنتی طراحی شده اند. OpenAI بسیاری از این قابلیت ها را در ChatGPT دارد، اگرچه هنوز یک شاخه محدودتر منتشر نکرده است. این ابزار صوتی یک بازی برای buzz دستیار هوش مصنوعی است.

در کوتاه‌مدت، پیشرفت‌ها باعث می‌شود تا افراد با صحبت کردن در حین حرکت، کار را به ChatGPT محول کنند. در بلندمدت، آنها به جاه‌طلبی‌های سخت‌افزار OpenAI خدمت خواهند کرد: بلومبرگ گزارش داده است که این شرکت در حال ساخت یک بلندگوی هوشمند برای عرضه در سال 2027 است.

انتشار روز چهارشنبه، مدل صوتی OpenAI، GPT-Live، را به مدل‌های هوش مصنوعی متصل می‌کند که می‌توانند وظایف خود را بر روی رایانه یا مرورگرها انجام دهند، تمرکزی که شرکت قبل از جنون عامل هوش مصنوعی شخصی حفظ کرده بود. GPT-Live که می تواند به طور همزمان گوش دهد و پاسخ دهد، قبلا برای حالت مکالمه اولیه ChatGPT روشن شده بود و به مدل های نمایندگی در برنامه دسکتاپ متصل شده بود.

حالت صوتی، همانطور که التی می بیند، سه مزیت اصلی دارد. صحبت کردن سریع و طبیعی است - او گفت: "شما می توانید افکار خود را محو کنید." شما می توانید این کار را با دستان خود از دستگاه انجام دهید. و می تواند به شما در انجام کارهای صوتی، مانند یادگیری زبان یا تمرین یک سخنرانی کمک کند. او گفت که التی و همکارانش هنگام رفت و آمد و پیاده روی از آن استفاده می کنند.

التی گفت که بیش از 150 میلیون نفر در حال حاضر از ابزارهای دیکته و حالت صوتی ChatGPT استفاده می کنند. با این حال، تیم با یک نبرد سخت روبرو است. اگرچه اسپیکرهای هوشمند قدرت ماندگاری خود را نشان داده اند، اما دفاتر هنوز در اطراف رایانه های رومیزی سازماندهی شده اند.

به علاوه، اگرچه صحبت کردن سریعتر از تایپ کردن است، اما خواندن آن سریعتر از گوش دادن است. التی گفت که تیم او این پویایی را در هنگام تصمیم گیری در مورد چگونگی پاسخ ChatGPT به درخواست های صوتی در نظر گرفته است.

اتلی گفت: «ما این را فقط به عنوان صدای خالص در داخل و خارج نمی‌دانیم. "این در مورد صدا در و سپس خروجی مناسب است. گاهی اوقات متن است، گاهی صدا، گاهی اوقات میکس است."

نکته ای دارید؟ با این خبرنگار از طریق ایمیل به آدرس scouncil@businessinsider.com یا از طریق پیامک، سیگنال، تلگرام یا واتساپ به شماره 415-757-8198 تماس بگیرید. از یک آدرس ایمیل شخصی، یک شبکه WiFi غیرکار، و یک دستگاه غیر کاری استفاده کنید. در اینجا راهنمای ما برای به اشتراک گذاری ایمن اطلاعات است.

مقاله اصلی را در Business Insider بخوانید