OpenAI könnte neues KI-Modell ankündigen, um Google direkt herauszufordern

OpenAI könnte neues KI-Modell ankündigen, um Google direkt herauszufordern wird von BTW Media profiliert, weil öffentliche Belege es mit der Internet-Infrastruktur, Governance, betrieblichen Abhängigkeiten oder der Marktsichtbarkeit in Verbindung bringen.

• OpenAI organisiert eine Veranstaltung diesen Montag, bei der die Ankündigung eines neuen multimodalen digitalen Assistenten erwartet wird,
• Durch die Multimodalität könnte der Assistent visuelle Hinweise nutzen, etwa das Erkennen und Interpretieren eines Schildes im Freien als Eingabeaufforderung.
• Dies stellt eine direkte Bedrohung für Google Assistant und das kürzlich eingeführte Gemini dar, die digitalen Assistenten des Unternehmens.

OpenAIhat laut einem aktuellen Bericht der Nachrichtenseite The Information einigen seiner Kundenein neues multimodales KI-Modellvorgestellt, das Objekte erkennen und mit Menschen sprechen kann. Die Nachrichtenquelle behauptet, es von anonymen Quellen erfahren zu haben, und spekuliert, dass es sich um einen Vorgeschmack auf das handeln könnte, was das Unternehmen später am heutigen Tag vorstellen wird.

Neues multimodales KI-Modell

Multimodal bezieht sich auf die Fähigkeit der KI, mehr als nur Text als Eingabe zu verarbeiten. Dieser angebliche digitale Assistent wäre in der Lage, sich mit einer Kamera zu verbinden, Daten aus der Außenwelt zu verarbeiten und Ihnen dann mit weiteren Details über das Beobachtete zu antworten. Sie könnten ChatGPT beispielsweise bitten, ein Schild zu erkennen und für Sie zu übersetzen, wenn Sie eine Kamera auf ein Schild richten, das in einer anderen Sprache als Ihrer eigenen geschrieben ist. Die KI würde dann mit Ihnen sprechen.

Wenn Ihnen das bekannt vorkommt, dann deshalb, weil Google Lens, Google Assistant und in jüngerer Zeit Google Gemini dies bereits allesamt geschafft haben. ChatGPT kann dies ebenfalls bereits, wenn auch nicht über eine einheitliche Oberfläche.

Berichten zufolge kann das neue Modell Bilder und Audio schneller und genauer interpretieren als seine separaten Modelle für Transkription und Sprachsynthese. The Information behauptet, dass das Modell „theoretisch“ Mathematikschülern helfen oder reale Schilder übersetzen könne und in der Lage wäre, Kundendienstmitarbeitern zu helfen, „die Tonlage der Anruferstimmen besser zu verstehen oder zu erkennen, ob sie sarkastisch sind“.

Mit anderen Worten: ein direkter Konkurrent von Gemini (und folglich von Google Assistant und Apples Siri).

Das Modell kann „bestimmte Arten von Fragen“ besser beantworten als GPT-4 Turbo, macht aber mitunter noch mit voller Überzeugung Fehler, so Quellen, die dem Medium nahestehen.

Lesen Sie auch:Wie funktionieren autonome Fahrzeuge?

Lesen Sie auch:OpenAI bekämpft Desinformation durch Technologiekooperation

Spekulationen über OpenAI

Der Entwickler Ananay Arora hat einen Screenshot des mit den erwähnten Anrufen verbundenen Codes geteilt, was darauf hindeutet, dass OpenAI möglicherweise auch eine neue integrierte ChatGPT-Funktion vorbereitet. Arora hat auch Beweise dafür entdeckt, dass OpenAI Server für Echtzeit-Audio- und Videochats eingerichtet hat.

Darüber hinaus hat Altman erklärt, dass das Unternehmen keine neue KI-gestützte Suchmaschine herausbringt. Sollte der Bericht von The Information jedoch zutreffen, könnte dies dennoch die Erwartungen an die Google I/O-Entwicklerkonferenz dämpfen.