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.
Что сделала OpenAI
Новая модель открывает новые возможности
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.
Но то, что она делает, весьма интересно.
Демократизация доступа
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.
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 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.
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)
Некоторые следствия всего этого:
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.
Магия, которую я ещё не пробовал
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.
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.
Повсеместность
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.
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.