ChatGPT sa naučil, kedy má mlčať

OpenAI predstavilo najväčšiu zmenu hlasového režimu ChatGPT od jeho uvedenia. Nový systém GPT-Live dokáže počúvať aj hovoriť súčasne, čím sa konverzácie začínajú podobať skutočnému rozhovoru.

Rozhovor s umelou inteligenciou sa doteraz často podobal vysielačke. Jeden hovoril, druhý čakal. OpenAI teraz predstavilo technológiu, ktorá tento spôsob komunikácie zásadne mení.

Nový hlasový model s názvom GPT-Live umožňuje, aby ChatGPT počas konverzácie zároveň počúval aj rozprával. To znamená, že používateľ môže prirodzene skočiť do reči, urobiť krátku pauzu alebo zmeniť tému bez toho, aby umelá inteligencia rozhovor prerušila alebo začala odpovedať priskoro. Celý systém je postavený na takzvanej full-duplex architektúre, pri ktorej prebieha počúvanie aj generovanie hlasu súčasne.

OpenAI zároveň upravilo správanie hlasového asistenta. ChatGPT teraz dokáže počas rozhovoru prirodzene reagovať krátkymi potvrdeniami, ako napríklad „mhm“ alebo „rozumiem“, aby používateľ vedel, že stále počúva. Ak je potrebné vyriešiť zložitejšiu úlohu, hlasový systém ju odovzdá výkonnejšiemu modelu na pozadí a pritom dokáže udržať plynulosť konverzácie.

Veľkou novinkou je aj živý preklad medzi jazykmi. ChatGPT môže priebežne tlmočiť rozhovor bez toho, aby bolo potrebné po každej vete čakať na odpoveď. OpenAI tvrdí, že cieľom je čo najviac priblížiť komunikáciu s AI bežnému ľudskému rozhovoru.

Pozrite si oficiálnu ukážku nového hlasového režimu GPT-Live. OpenAI na nej demonštruje, ako dokáže ChatGPT viesť prirodzenejší rozhovor, reagovať počas hovorenia a plynule prekladať medzi jazykmi:

Nový hlasový režim sa postupne sprístupňuje na zariadeniach s iOS, Androidom aj vo webovej verzii ChatGPT. Používatelia platených programov dostanú výkonnejší model GPT-Live-1, zatiaľ čo bezplatná verzia bude využívať odľahčený GPT-Live-1 mini. Pri uvedení však ešte nie sú dostupné všetky funkcie predchádzajúceho hlasového režimu, napríklad zdieľanie obrazovky alebo videa, ktoré majú pribudnúť neskôr.

OpenAI zároveň pridalo nové bezpečnostné opatrenia vrátane lepších reakcií pri krízových situáciách a odpovedí prispôsobených mladším používateľom. Aktualizácia tak nepredstavuje iba prirodzenejší hlas, ale aj ďalší krok smerom k tomu, aby sa komunikácia s umelou inteligenciou čo najviac podobala rozhovoru s človekom.