Bildnachweis: Rawpixel via Freepik
OpenAI hat eine Reihe revolutionärer Verbesserungen eingeführt, darunter zwei Hauptfunktionen: Sprachinteraktion und Bilderkennung.
Wörtlich mit ChatGPT chatten
Eine der wichtigsten Verbesserungen ist die Integration der Sprachinteraktion in ChatGPT, die es den Nutzern ermöglicht, gesprochene Unterhaltungen mit der KI zu führen. Wählen Sie aus einer Auswahl von fünf realistischen synthetischen Stimmen, die jeweils darauf ausgelegt sind, ein natürliches Gesprächserlebnis zu bieten. Es ist, als ob Sie in Echtzeit mit einem Chatbot telefonieren, wobei ChatGPT schnell auf Ihre mündlichen Fragen antwortet.
Die zugrunde liegende Technologie basiert auf zwei verschiedenen Modellen. OpenAI Whisper, ein bereits bestehendes Spracherkennungsmodell, wandelt Sprache in Text um, der dann an ChatGPT weitergegeben wird. Umgekehrt wandelt ein neues Text-zu-Sprache-Modell die Antworten von ChatGPT in gesprochene Sprache um.
Bei einer kürzlichen Demonstration stellte Joanne Jang, Produktmanagerin bei OpenAI, die Palette der synthetischen Stimmen vor. Diese Stimmen wurden sorgfältig entwickelt, indem das Text-zu-Sprache-Modell mit den Stimmen engagierter Schauspieler trainiert wurde. OpenAI erwägt sogar eine Zukunft, in der Nutzer ihre eigenen personalisierten Stimmen erstellen können. Das Hauptkriterium für die Erstellung dieser Stimmen war, sicherzustellen, dass sie angenehm und leicht zu hören sind.
Dieser Fortschritt geht über ChatGPT hinaus, da OpenAI sein Text-zu-Sprache-Modell mit anderen Unternehmen, darunter Spotify, teilt. Spotify nutzt diese synthetische Sprachtechnologie beispielsweise, um Promi-Podcasts mithilfe synthetischer Versionen der Podcaster-Stimmen in mehrere Sprachen zu übersetzen.
Bilderkennung jetzt möglich
Eine weitere revolutionäre Ergänzung in ChatGPT ist die Bilderkennung. Diese Funktion, die OpenAI mit der Einführung von GPT-4 angekündigt hatte, ermöglicht es Nutzern nun, Bilder in die App hochzuladen und nach dem Inhalt dieser Bilder zu fragen. Das bedeutet, dass Sie ChatGPT Fragen zu visuellen Inhalten stellen können.
In einer praktischen Demonstration lud Raul Puri, ein Wissenschaftler, der an GPT-4 arbeitet, ein Foto einer Mathematikaufgabe hoch und bat ChatGPT um eine Lösung. Beeindruckenderweise lieferte ChatGPT die richtigen Schritte. Nutzer haben diese Funktion auch genutzt, um technische Probleme zu lösen, indem sie Screenshots hochladen und um Rat fragen.
Darüber hinaus wurde die Bilderkennungsfähigkeit von ChatGPT von Be My Eyes genutzt, einer App, die dazu entwickelt wurde, Menschen mit Sehbehinderungen zu helfen. Nutzer können Bilder hochladen und den Chatbot bitten, sie zu beschreiben, was ein neues Maß an Unabhängigkeit bietet.
OpenAI ist sich jedoch der potenziellen Risiken dieser Updates voll bewusst, insbesondere wenn verschiedene KI-Modelle kombiniert werden. Beispielsweise können Nutzer keine Fragen zu Fotos mit privaten Personen stellen. Das Unternehmen erkennt die Notwendigkeit von Wachsamkeit an, um Missbrauch zu vermeiden, und verpflichtet sich, sowohl Nutzer als auch Nichtnutzer vor Schaden zu schützen.
Herausforderungen für ChatGPT
Diese Updates markieren die schnelle Entwicklung von OpenAI experimentellen Modellen zu praktischen Produkten. ChatGPT Plus, die Premium-Version der App, kombiniert GPT-4 und DALL-E und macht es zu einem ernstzunehmenden Konkurrenten für Sprachassistenten wie Siri, Google Assistant und Alexa. Was früher nur bestimmten Softwareentwicklern zugänglich war, ist jetzt für ein monatliches Abonnement von 20 $ für alle verfügbar.
Während ChatGPT seine Fähigkeiten auf „Sehen, Hören und Sprechen“ ausweitet, gibt es Herausforderungen zu bedenken. Die Spracherkennung kann für Menschen mit nicht-traditionellen Akzenten Zugänglichkeitsprobleme verursachen. Darüber hinaus haben synthetische Stimmen soziale und kulturelle Auswirkungen, die weiterer Untersuchungen bedürfen.
OpenAI gibt jedoch an, die wichtigsten Bedenken ausgeräumt zu haben, und ist der Ansicht, dass diese Updates sicher veröffentlicht werden können. Die Reise zur Verfeinerung und Erweiterung der KI-Fähigkeiten dauert an, mit ChatGPT an der Spitze. Obwohl es sicherlich Herausforderungen und Fragen zu lösen gibt, stellt dieses neueste Update einen bedeutenden Schritt hin zur Schaffung leistungsfähigerer und interaktiverer KI-Assistenten dar.