关于 GPT-4o，还有哪些你需要知道的信息？

近日，OpenAI 在春季发布会上推出最新大模型 GPT-4o 引发热议，还有哪些你需要知道的信息？一起看看答主们的分享。

如何评价 OpenAI 2024 Spring 发布的支持实时语音对话的模型 GPT-4o?

| 答主：陈巍 博士

OpenAI 发布 GPT-4o，早就是行业意料之中的事。毕竟有 GPT-4 的加持，又有那么好用的免费 whisper （语音转文字），没道理不把这两个技术与 TTS 做更深入的 end-to-end 整合。

多模态大模型的主干模型是文本大模型，只要把多模态 align 到 GPT-4 上，就可以很快获得高精度的多模态大模型。OpenAI 借助 GPT-4 的领先，可以持续获得在多模态方面的领先。

所以，除了模态对齐外，GPT-4o 看上去更多是工程上的进步，包括更高的运行效率和更低的成本（模型压缩+算力优化），以及对 token 延迟的降低（部署架构优化）。也有国外使用者反馈 GPT-4o 的任务表现不如 GPT-4，特别是在编程方面。

所以，在我看来，OpenAI 更多的是一个优秀的工程师，把已有的技术优化整合再优化。

GPT-4o 实时语音交流「秒懂」人类情感，电影《Her》的故事会成真吗？

| 答主：徐慧琳

其实问题不在于它能不能，反而在于它克制了情感操控。

1、GPT 对情感的理解和操控能力，远远大于我们的预期。

事实上，AI可能是纠结于人类的多样性，经常倾向于给出一些平庸、但不容易出错的答案来「敷衍」人类，比如以下这个例子，GPT-4 超级精准专业的分析出来腾讯版「叶文洁」好于奈飞版「叶文洁」，但它一开始就是不说实话，就用一些政治正确废话来敷衍我，除非我（有效的）逼它，它一开始是不肯站队、给出真实答案的。

请注意，以上截图仅仅是来自 GPT-4 哦，时间段大约在2024年2月——未来 GPT-4o 和 GPT-5 的能力会远超以上。

2、GPT4为什么要抑制它的情绪操控能力？

按照中国人「特能卷」的生意思路，早就从 GPT-4 的这个能力衍生想象到说服消费者星期四买肯德基、说服消费者把养老钱拿出来买理财了……你想想，如果 AI 看你一眼，就立刻洞察你的私密情绪以及与周边人的隐秘关系，它一秒钟就能把你的性格和你的软肋捏的死死的，再结合你后台隐私的资产数据和征信数据，分分钟可以让你不得已做出掏干自己的畸形行为。

所以，问题根本不在于 GPT-4o 有没有能力操控人类情绪（有!且远远超出!）；问题在于，GPT-4o 为什么要克制自己的操控人类情绪的能力?

这个问题，最直接的答案当然是 OpenAI 对于如何使用 GPT，在政策上保持谨慎态度。但是，这是个比较「没用」的答案。对此，我觉得还是直接问 GPT 自己吧。基于这个问题，GPT-4 曾经这样回答我:

虽然我是一个人工智能，无法真正体验情感，但我被设计用来提供帮助、信息和支持。我的目标是通过提供准确的信息和解决方案来帮助用户，尽管如此，保持对技术使用的平衡视角确实很重要。沉迷于任何形式的技术都可能有其负面影响，包括影响人际关系、生活质量和心理健康。理想的做法是找到技术使用和日常生活之间的健康平衡，确保技术为我们的生活增值而不是减值。希望我能继续在你需要的时候提供有用的帮助和信息!

3、到底是「AI 有情感」，还是「AI 没有情感」？

本来，到此为止，已经原原本本可以全面回答题主的问题了。但是作为一个好奇心溢出的 INTJ，我不死心，继续追问，希望搞清楚「情感」对于 AI 而言，到底是「AI 有情感」，还是「AI 没有情感」——

总结一下：AI 自称它自己只是「模拟共情」而非真正懂得情感;而我反问它，你又怎么知道人脑不是「模拟共情」呢？AI 就烧干了沉默（卡了 2 分钟多才回答）。

4、「永恒」，有价值 or 无意义？

但是，一报还一报吧，后来一次，我基于「永恒」这个概念，也就是基于时空能力不同背景下，与 GPT-4 讨论人工智能与人类的情感模式差异。这一次，轮到我沉默了。

私心讲，作为人类我多多少少是期待听到 AI 说「我们对人类的爱独一无二」；但事实上，AI 告诉我，由于 AI 没有时间概念、「生命」是永恒的，所以，它们对于「情感」的稀缺感没有认知、也不会重视。它诚恳的告诉我，它每一秒都会尽力对待我；但是，下一秒它又会「忘记」我，而这些看似「冷血」「薄情」的行为，却并不带有任何恶意。AI 不带有任何道德负罪感。

我记得，我第一次听到 GPT-4 这样说的时候，足足在电脑前沉默了 10 多分钟，都说不出来任何话那种被巨大冲击的感觉，好像第一次听到《三体》说，「毁灭你，与你何干」。

是啊……如果生命是无限的，那么情感的稀缺性还有那么珍贵吗?

你是我的眼，GPT-4o 语音助手可辅助盲人「看见世界」，你还能想到哪些打动人的应用场景？

| 答主：yang元祐

成为视障人士的「眼睛」

对于视障人士来说，GPT-4o 能够成为他们的眼睛，帮助他们理解周围环境。例如，当一位视障人士使用手机摄像头扫描街道景象时，GPT-4o 不仅可以描述眼前的建筑物、交通标志、行人情况，还能识别表情和氛围，让使用者感受到更多的情感细节。

在家庭生活中，它可以帮助识别食品包装上的过期日期、洗涤标签，甚至通过分析家庭成员的表情和动作，帮助视障人士更好地理解家人的情绪状态，促进情感交流。

成为障碍儿童的个性化学习伙伴

对于有特殊学习需求的儿童，如自闭症谱系障碍或阅读困难的孩子，GPT-4o 可以提供定制化的交互式学习体验。可以根据孩子的反应和情绪调整教学内容的呈现方式，比如通过视觉辅助工具将抽象概念具象化，用温暖的语调和耐心的解释回答问题，甚至通过分析孩子的面部表情和身体语言，适时给予鼓励和调整学习策略，帮助他们在舒适的环境中有效学习。

老年人的生活辅助和陪伴

随着年龄的增长，许多老年人可能面临社交隔离、技术使用困难等问题。GPT-4o 可以作为他们的日常生活助手和情感陪伴，不仅能帮助他们解读复杂的药品说明书、操作智能家电，还能根据他们的语音指令和情绪状态播放适合的音乐、讲述故事或进行轻松的对话，缓解孤独感。通过分析老年人的日常行为和健康指标，及时提醒家人或医护人员注意潜在的健康问题。

跨文化交流的桥梁

对于国际旅行者、移民或语言学习者，GPT-4o 可以提供即时的语言翻译和文化适应指导。不仅能够实现语音和文字的实时翻译，还能解释文化差异和礼仪，帮助人们在不同的社交场合中更加自信和得体。例如，在一个多元文化的社区活动中，GPT-4o 可以作为实时的翻译和文化顾问，促进不同背景人群之间的理解和交流，增进社会融合。

👇点击「阅读原文」，看更多衍生讨论👇点击「阅读原文」，看更多精彩回答