OpenAI, лидер в области разработки систем искусственного интеллекта, представила новое поколение своей передовой языковой модели под названием GPT-4o.

Президент и соучредитель компании Грег Брокман впервые опубликовал изображение, сгенерированное этой инновационной системой ИИ. Ключевой особенностью GPT-4o является ее способность работать с несколькими модальностями данных, включая текст, изображения и звук, как на входе, так и на выходе.

Буква "o" в ее названии означает "Omni", подразумевая всеобъемлющую поддержку различных форматов. В прошлом мультимодальные модели требовали предварительного преобразования всех нетекстовых данных в текстовый формат.

Опубликованное Брокманом изображение демонстрирует впечатляющие возможности GPT-4o в генерации изображений. На картинке изображен мужчина в футболке с логотипом OpenAI, пишущий на доске. Над ним частично стертая надпись гласит: "Перенос между модальностями". Далее следует текст: "Положим, мы напрямую моделируем P (текст, пиксели, звук) посредством одного авторегрессионного трансформера. Каковы за и против?".

Хотя в изображении присутствуют некоторые артефакты, указывающие на его искусственное происхождение, такие как неестественное освещение и странная форма руки, само качество и связность генерируемого текста поражают воображение. Способность ИИ создавать длинные осмысленные фрагменты текста выходит за рамки возможностей даже таких продвинутых генераторов изображений, как DALL-E 3.

В настоящее время широкая публика пока не имеет доступа к функции генерации изображений GPT-4o. Пользователи ChatGPT с подключенной новой моделью могут генерировать изображения только с помощью DALL-E 3. Однако Грег Брокман заверил, что OpenAI прикладывает значительные усилия для обеспечения полного доступа к возможностям нового поколения ИИ в ближайшем будущем.

Источник: 3dnews.ru