What OpenAI did
Итан Молик разбирает запуск GPT-4o от OpenAI — модели, чьё «o» означает «omni». По его оценке это самая умная из доступных моделей, но не такой скачок, каким был GPT-4 над бесплатным GPT-3.5; настоящий рывок ждёт GPT-5. Главное в GPT-4o — не техническое, а бизнес-решение: бесплатный доступ для всех, включая GPTs и Code Interpreter. Это меняет ситуацию в образовании (универсальное репетиторство и «Апокалипсис домашних заданий»), на работе (в Moderna 25% активных пользователей создали свой GPT, в среднем 120 диалогов в неделю) и в глобальном предпринимательстве (советы GPT-4 повысили прибыльность малых предпринимателей в Кении на 15%). GPT-4o изначально мультимодальна — она видит, слышит и говорит почти без задержек, что ведёт к будущему, где ИИ становится повсеместным коллегой и собеседником.
What OpenAI did
Что сделала OpenAI
A new model opens up new possibilities
Новая модель открывает новые возможности
Today, OpenAI released a new AI model, GPT-4o, with some interesting capabilities. It also maintains the OpenAI tradition of terrible names for AI models (the “o” means “omni” - more on that shortly). Previously, new AI models from the major AI labs have focused on how smart the model is. GPT-4o appears to be a step up over GPT-4 and is the smartest model I have used. However, it does not represent a major leap over the previous version of GPT-4, the way that GPT-4 was a 10x improvement over the free GPT-3.5. That has to wait, presumably, until GPT-5, which is apparently still scheduled for some future release.
Сегодня OpenAI выпустила новую модель ИИ, GPT-4o, с рядом интересных возможностей. Она также поддерживает традицию OpenAI давать моделям ИИ ужасные названия (буква «o» означает «omni» — об этом чуть позже). Раньше новые модели ИИ от крупных лабораторий делали акцент на том, насколько умна модель. GPT-4o, похоже, представляет собой шаг вперёд по сравнению с GPT-4 и является самой умной моделью, которой я пользовался. Однако она не означает крупного скачка по сравнению с предыдущей версией GPT-4 — такого, каким GPT-4 был десятикратным улучшением бесплатной GPT-3.5. Этого, по-видимому, придётся ждать до GPT-5, выход которой, судя по всему, по-прежнему запланирован на какое-то будущее.
But what it does do is quite interesting.
Но то, что она делает, весьма интересно.
Democratizing Access
Демократизация доступа
Likely the biggest impact of GPT-4o is not technical, but a business decision: soon everyone, whether they are paying or not, will get access to GPT-4o1. I think this is a big deal. When I talk with groups and ask people to raise their hands if they use ChatGPT, almost every hand goes up. When I ask if they used GPT-4, only 5% of hands remain up, at most. GPT-4 is so, so much better than free ChatGPT-3.5, it is like having a PhD student work with you instead of a high school sophomore. But that $20 a month barrier kept many people from understanding how impressive AI can be, and for gaining any benefit from AI. That is no longer true.
Вероятно, самое большое влияние GPT-4o — не техническое, а бизнес-решение: вскоре каждый, платит он или нет, получит доступ к GPT-4o1. Я считаю, что это очень важно. Когда я выступаю перед группами и прошу поднять руки тех, кто пользуется ChatGPT, поднимаются почти все руки. Когда я спрашиваю, кто пользовался GPT-4, поднятыми остаются от силы 5% рук. GPT-4 настолько, настолько лучше бесплатного ChatGPT-3.5, что это всё равно что работать с аспирантом вместо десятиклассника. Но барьер в $20 в месяц мешал многим людям понять, насколько впечатляющим может быть ИИ, и получить от него хоть какую-то пользу. Это больше не так.
While Microsoft Copilot allows free GPT-4 use in limited ways, the full features of GPT-4 were always locked away behind a paywall. And GPT-4o adds some new tricks to the older model, including an ability to work really well with non-English languages. But I am especially interested in everyone getting access to GPT-4’s GPTs and Code Interpreter. GPTs allow anyone to share and build little agent-like programs (I wrote a guide to building them before), and they have turned out to be surprisingly useful tools for automating complex creative tasks, especially as GPT-4o is remarkably fast.
Хотя Microsoft Copilot позволяет бесплатно пользоваться GPT-4 ограниченным образом, полный набор возможностей GPT-4 всегда был заперт за платной стеной. А GPT-4o добавляет к более старой модели несколько новых приёмов, включая умение по-настоящему хорошо работать с неанглийскими языками. Но меня особенно интересует то, что все получат доступ к GPTs и Code Interpreter из GPT-4. GPTs позволяют кому угодно делиться и создавать небольшие агентоподобные программы (я уже писал руководство по их созданию), и они оказались на удивление полезными инструментами для автоматизации сложных творческих задач, тем более что GPT-4o работает замечательно быстро.
GPTs can serve many purposes. Take, for example, some GPTs we made. There is Framework Finder, a GPT that suggests and customizes frameworks to solve your problems, or Innovator (used over 10,000 times even before GPT-4o) which walks GPT-4o through an innovation process and gives you a document with creative ideas. You can even use GPTs to create GPTs, like Tutor Blueprint, which will help you create a prompt that will act as a tutor on a subject of your choice.
GPTs могут служить множеству целей. Возьмём, например, некоторые GPTs, которые мы сделали. Есть Framework Finder — GPT, который предлагает и адаптирует фреймворки для решения ваших задач, или Innovator (использован более 10 000 раз ещё до появления GPT-4o), который проводит GPT-4o через процесс инноваций и выдаёт вам документ с творческими идеями. Можно даже использовать GPTs для создания GPTs, как Tutor Blueprint, который поможет вам составить промпт, превращающий ИИ в репетитора по выбранному вами предмету.
Along with GPTs, the other useful feature coming to everyone is Code Interpreter, which allows the AI to run the code it writes. There are lots of unexpected uses for this ability. One important one is that it is as an incredibly powerful tool for understanding data, since it lets the AI explore complex datasets in a way that tends to be remarkably low in hallucinations and errors. Especially if you have some training in statistics or analysis, it allows you to get a lot of insight quickly. If you want to try it out, here is Data Analysis Buddy, which, given a dataset, will help you explore it in sophisticated ways. (The best way to see what Code Interpreter does is to try it. Some datasets to try out: all the dialogue from Shakespeare, lists of superheroes and their powers)
Наряду с GPTs, ещё одна полезная функция, которая станет доступна всем, — это Code Interpreter, позволяющий ИИ запускать написанный им код. У этой способности множество неожиданных применений. Одно из важных — это невероятно мощный инструмент для понимания данных, поскольку он позволяет ИИ исследовать сложные наборы данных способом, который, как правило, отличается удивительно низким уровнем галлюцинаций и ошибок. Особенно если у вас есть некоторая подготовка в статистике или анализе, он позволяет быстро получить множество инсайтов. Если хотите попробовать, вот Data Analysis Buddy, который, получив набор данных, поможет вам исследовать его изощрёнными способами. (Лучший способ понять, что делает Code Interpreter, — это попробовать. Несколько наборов данных для проб: все диалоги из Шекспира, списки супергероев и их способностей)
Some implications of all this:
Некоторые следствия всего этого:
Education: GPT-4 is a powerful tutor and teaching tool. Many educational uses were held back because of equity of access issues - students often had trouble paying for GPT-4. With universal free access, the educational value of AI skyrockets (and that doesn’t count voice and vision, which I will discuss shortly). On the other hand, the Homework Apocalypse will reach its final stages. GPT-4 can do almost all the homework on Earth. And it writes much better than GPT-3.5, with a lot more style and a lot less noticeably “AI” tone. Cheating will become ubiquitous, as will universal high-end tutoring, creating an interesting time for education.
Work: I have increasingly been speaking to companies that have been experimenting with giving employees widespread access to GPT-4 and letting employees build GPTs to solve their own problems. One such company, Moderna, reported that 25% of active users had built one, and users were averaging 120 conversations a week. The spread of this sort of use has been limited by the need for companies to buy GPT-4 access for their employees, and their willingness to embrace the tool. Now, employees can start building on their own, and sharing with each other, without outside permission. I think we are going to see entire departments of companies get filled with secret cyborgs, building and sharing GPTs that automate work… and not telling their employers. Figuring out how to get employees to share what they are developing (and managing security and risks) will be a challenge for many organizations.
Global entrepreneurship: GPT-4o will be available around the world. This is exciting because many innovative ideas never see the light of day because innovators have trouble figuring out how to get them to market. AI acts as an excellent co-founder, filling in some of the gaps that every founder has in their skillset. Everyone can now write in perfect English, can do basic coding, can get help with problems, and more. We already know that getting advice from GPT-4 increased the profitability of high performing small business entrepreneurs in Kenya by 15%. Free access to this powerful tool may have profound implications.
Образование: GPT-4 — это мощный репетитор и инструмент обучения. Многие образовательные применения сдерживались из-за проблем равенства доступа — студентам часто было трудно платить за GPT-4. С всеобщим бесплатным доступом образовательная ценность ИИ резко возрастает (и это не считая голоса и зрения, о которых я расскажу чуть позже). С другой стороны, Апокалипсис домашних заданий достигнет своей финальной стадии. GPT-4 может выполнить почти все домашние задания на Земле. И пишет он гораздо лучше, чем GPT-3.5, с куда большим стилем и куда менее заметным «ИИ»-тоном. Списывание станет повсеместным, как и всеобщее репетиторство высокого уровня, что создаёт интересное время для образования. Работа: Я всё чаще общаюсь с компаниями, которые экспериментируют с предоставлением сотрудникам широкого доступа к GPT-4 и позволяют им создавать GPTs для решения собственных задач. Одна такая компания, Moderna, сообщила, что 25% активных пользователей создали хотя бы один GPT, а пользователи в среднем проводили 120 диалогов в неделю. Распространение такого использования сдерживалось необходимостью компаниям покупать доступ к GPT-4 для своих сотрудников и их готовностью принять этот инструмент. Теперь сотрудники могут начать создавать что-то самостоятельно и делиться друг с другом без внешнего разрешения. Думаю, мы увидим, как целые отделы компаний наполнятся тайными киборгами, создающими и распространяющими GPTs, которые автоматизируют работу… и не говорящими об этом своим работодателям. Понять, как заставить сотрудников делиться тем, что они разрабатывают (и управлять безопасностью и рисками), станет вызовом для многих организаций. Глобальное предпринимательство: GPT-4o будет доступна по всему миру. Это волнующе, потому что многие новаторские идеи так и не видят свет, поскольку новаторам трудно понять, как вывести их на рынок. ИИ выступает как отличный сооснователь, восполняя некоторые пробелы, которые есть в наборе навыков у любого основателя. Теперь каждый может писать на безупречном английском, заниматься базовым программированием, получать помощь с проблемами и многое другое. Мы уже знаем, что получение советов от GPT-4 повысило прибыльность высокоэффективных владельцев малого бизнеса в Кении на 15%. Бесплатный доступ к этому мощному инструменту может иметь глубокие последствия.
The magic I haven’t tried yet
Магия, которую я ещё не пробовал
I have played with GPT-4o, but I haven’t yet been given access to its biggest tricks. GPT-4o is natively multimodal, which means it can “see” and “hear” and “speak” in an integrated way with almost no delays. The omni in the model's name means it blends all of these modes together. It can see what you are doing, react to it, respond to interruptions, use realistic voice tones, create images with precise control, and more - all seamlessly. Basically, GPT-4o is a chatbot that can interact naturally with the world around it. All of that seems kind of abstract, so I would strongly urge you to watch a demo video: this one of two AIs interacting, or this one of the AI being sarcastic, or this one of Sal Khan (of Khan Academy) using AI as a tutor with vision. If you watch these, you can see how big a change is coming, and why people building close relationships with AIs seem inevitable. Much more on this in the future, when I can try the multimodal capabilities out myself.
Я поиграл с GPT-4o, но мне ещё не дали доступ к её самым главным приёмам. GPT-4o изначально мультимодальна, а значит, она может «видеть», «слышать» и «говорить» интегрированным образом практически без задержек. «Omni» в названии модели означает, что она смешивает все эти режимы воедино. Она может видеть, что вы делаете, реагировать на это, отвечать на перебивания, использовать реалистичные интонации голоса, создавать изображения с точным управлением и многое другое — всё это бесшовно. По сути, GPT-4o — это чат-бот, который может естественно взаимодействовать с окружающим миром. Всё это звучит довольно абстрактно, поэтому я настоятельно рекомендую посмотреть демонстрационное видео: вот это, где взаимодействуют два ИИ, или вот это, где ИИ саркастичен, или вот это, где Сал Хан (из Khan Academy) использует ИИ как репетитора со зрением. Если вы их посмотрите, то увидите, насколько большие перемены грядут и почему появление у людей близких отношений с ИИ кажется неизбежным. Гораздо больше об этом — в будущем, когда я смогу сам опробовать мультимодальные возможности.
There are tons of other tricks that a fully multimodal model like this can do. It can create 3D images, tell apart different speakers on transcripts, and actually write coherent words in specialized photos and fonts. Again, all I have to go by here are the OpenAI demos, so I will reserve judgement until I can play with the systems, but I suspect there will be lots of surprising use cases made available as a result of these new capabilities.
Есть масса других приёмов, на которые способна полностью мультимодальная модель вроде этой. Она может создавать 3D-изображения, различать разных говорящих в транскриптах и действительно писать связные слова на специализированных фотографиях и шрифтах. Опять же, всё, на что я могу здесь опираться, — это демонстрации OpenAI, поэтому я воздержусь от суждений, пока не смогу поиграть с системами, но подозреваю, что в результате этих новых возможностей появится множество неожиданных сценариев использования.
Ubiquity
Повсеместность
With GPT-4o, OpenAI again cements its lead (and least for tonight) over the AI space, but it also is a clear sign of an important shift I have been writing about for a while. All of these features we are starting to see appear — lower prices, higher speeds, multimodal capability, voice, large context windows, agentic behavior — are about making AI more present and more naturally connected to human systems and processes. If an AI that seems to reason like a human being can see and interact and plan like a human being, then it can have influence in the human world. This is where AI labs are leading us: to a near future of AI as coworker, friend, and ubiquitous presence. I don’t think anyone, including OpenAI, has a full sense of all of the implications of this shift, and what it will mean for all of us.
С GPT-4o OpenAI вновь закрепляет своё лидерство (по крайней мере, на сегодняшний вечер) в сфере ИИ, но это также явный признак важного сдвига, о котором я пишу уже некоторое время. Все эти функции, которые мы начинаем видеть, — более низкие цены, более высокие скорости, мультимодальность, голос, большие контекстные окна, агентное поведение — направлены на то, чтобы сделать ИИ более присутствующим и более естественно связанным с человеческими системами и процессами. Если ИИ, который, кажется, рассуждает как человек, может видеть, взаимодействовать и планировать как человек, то он может иметь влияние в человеческом мире. Именно сюда ведут нас лаборатории ИИ: к близкому будущему, где ИИ становится коллегой, другом и повсеместным присутствием. Не думаю, что кто-либо, включая OpenAI, в полной мере осознаёт все последствия этого сдвига и то, что он будет означать для всех нас.
As a reminder, I don’t take money from OpenAI or any AI lab. I also have not yet been given early access to the multimodal GPT-4o features, so this is based on my observations of the system so far. And, because much of what I am discussing has just been announced, things could change before these products launch widely.
Напоминаю: я не беру денег от OpenAI или какой-либо другой лаборатории ИИ. Я также пока не получил раннего доступа к мультимодальным функциям GPT-4o, поэтому всё это основано на моих наблюдениях за системой на данный момент. И поскольку многое из того, что я обсуждаю, было только что анонсировано, к моменту широкого запуска этих продуктов всё может измениться.