少年时，曾研习 Geographic Information System，可惜学无所成，侥幸毕业。成年后，误打误撞进入传媒圈子，先后在印刷、电子、网络媒体打滚，略有小成。中年后，修毕信息科技硕士，眼界渐扩，决意投身初创企业，窥探不同科技领域。近年，积极钻研数据分析与数码策略，又涉足 Location Intelligence 开发项目；有时还会抽空执教鞭，既可向他人分享所学，亦可鞭策自己保持终身学习。
人类可否与计算机谈心、甚至谈恋爱呢？2013年上映的科幻电影《触不到的她》（Her）正是讲述男主角与AI语音助理的恋爱故事。随着OpenAI最新AI模型“GPT-4o”的面世，上述电影情节或有机会在现实世界发生！此模型拥有强大的语音处理能力，可以用亲切、富有感情的声音交谈，而且有着接近人类的对话响应时间，能够提供更自然、更逼近真人的沟通体验。AI技术发展至此，将对我们的世界带来什么改变呢？
文字、声音、视像全面推理能力
2024年5月13日，OpenAI技术长米拉·穆拉蒂（Mira Murati）率领ChatGPT开发团队在YouTube进行直播，发表最新AI模型GPT-4o；当中的“o”意指“omni”，含有“全方位、全能”的意思，代表着新模型拥有文字、声音、以及视像推理的全面能力，不但可以接受文本、语音、图像及其组合的提示输入，还可以输出同样媒介形式的响应。
尽管GPT-4已具备文字语音转换、图像辨识功能，惟这些功能却要交由3个模型各自执行：第一个模型把语音转录成文字，跟着GPT-4针对文字提问生成文本响应，最后由第三个模型把文本转换为声音输出。这样不但令响应时间被拖长，平均需时约5.4秒，而且在转换过程中会流失大量信息，使GPT-4无法感测用户声调、背景声音，更无法输出笑声或表达情感。
OpenAI技术长穆拉蒂表示，GPT-4o的速度比GPT-4 Turbo快上两倍，但成本却是后者的一半。（图片来源：翻摄OpenAI官方YouTube影片）
GPT-4o对话反应时间接近人类
GPT-4o把这些功能汇集在单一模型“omnimodel”里，让语音延迟大幅缩短，可以在最快232毫秒（0.232秒）、平均320毫秒（0.32秒）的时间内响应语音提问，接近人类对话的反应时间。
再者，GPT-4o因只有单一模型，所有输出、输入均在同一神经网络系统内完成处理，有效减少信息流失，故此它能够理解用户的语气，知道什么时候应做出什么响应，又可以在不同的语气间快速切换，从一本正经的语调，变换为活泼佻皮的语气。
OpenAI释出多段短片展示GPT-4o逼近真人的沟通能力：GPT-4o可跟OpenAI开发人员流畅对谈，说话语气抑扬顿挫，又会在适当时候发出笑声，甚至懂得开玩笑；当人类插嘴打断其说话时，它会自动停下来，倾听人类说什么，然后根据新提问作出响应。
两个AI模型互相对话、交流信息
更教人吃惊的是，两个AI模型竟然可以互相对话和交流信息。OpenAI开发人员在两部手机开启GPT-4o，要求启动了镜头的AI，向没有镜头的AI陈述所看到的事物，结果它清楚地说出眼前的开发人员身穿黑色皮褛和浅色上衣。后来，这两个AI更互相聊起来，甚至一起唱歌。
论及实际应用，GPT-4o懂得50种不同语言，能够变身为实时翻译员。在示范影片中，GPT-4o能够在意大利文与英文、西班牙文与英文之间快速切换语言，让不同国籍人士进行跨语言沟通变得易如反掌，日后出国旅行或公干就不用再担心语言不通。
GPT-4o又可以化身为私人补习老师。在展示影片中，一名父亲要求GPT-4o教导其儿子解答三角函数问题，但规定AI不可以先给答案，于是它藉由语音提示，一步步指导该名儿子自己算出答案，并称赞他做得好，以示鼓励。
GPT-4o透过iPad画面与语音提示，教导孩子如何破解三角函数问题。（图片来源：翻摄OpenAI官方YouTube影片）
GPT-4o可以充当视障人士眼睛
对视障人士而言，GPT-4o更可以充当他们的眼睛，帮助他们探索现实环境。在示范片中，GPT-4o可以告诉站在伦敦街头的视障人士哪里是白金汉宫，可以走到哪里可以乘搭的士，甚至应该在什么时候举手叫车。
GPT-4o透过手机实现语音提示，告诉视障者可以在什么位置、什么时候举手叫车。（图片来源：翻摄OpenAI官方YouTube影片）
直播结束后，OpenAI执行长萨姆·奥尔特曼（Sam Altman）社交平台X上发布了一个英文单字：“Her”，既是向电影《触不到的她》致敬，也暗示人类与AI谈恋爱似乎不再是遥不可及之事。OpenAI现已开始把GPT-4o的文字与图像输入、以及文字输出功能，逐步开放给所有ChatGPT服务，包括免费版本，惟付费版ChatGPT Plus的信息输入上限为免费版的5倍。
OpenAI现正逐步开放GPT-4o给ChatGPT用户使用。如用户进入ChatGPT后，看到“Introducing GPT-4o”信息，即代表获授权使用新模型了。（图片来源：翻摄OpenAI官网）
GPT-4o或会进驻于iPhone 16
不少网友认为，GPT-4o的表现完全碾压iPhone语音助理Siri，对苹果（Apple）构成极大威胁。苹果当然心知自家AI技术远远落后于OpenAI，既然无法战胜，不如拉拢对方成为盟友。Wedbush分析师丹尼尔·艾夫斯（Daniel Ives）指出，Apple将于2024年6月举行的WWDC开发者大会上宣布，与OpenAI达成合作协议，将在下一代iPhone整合ChatGPT技术，并推出基于苹果AI模型的聊天机械人。
事实上，OpenAI发表在计算机上运行的ChatGPT软件，竟然是先推出MacOS版本，稍后才会有Windows版本登场，足证双方现今关系非浅。因此，GPT-4o很有可能会现身于iPhone 16之上。艾夫斯认为，此举将吸引AI开发者涌入Apple生态圈，为iPhone开辟新的增长途径，甚至足以改写AI市场的游戏规则。人人手执iPhone跟AI谈天说地的光景，可能不远矣！
《经济通》所刊的署名及／或不署名文章，相关内容属作者个人意见，并不代表《经济通》立场，《经济通》所扮演的角色是提供一个自由言论平台。