امکان درخواست از ChatGPT با تصاویر و دستورات صوتی فراهم شد

بیشتر تغییرات OpenAI در ChatGPT شامل کارهایی است که ربات مجهز به هوش مصنوعی می تواند انجام دهد: سؤالاتی که می تواند به آنها پاسخ دهد، اطلاعاتی که می تواند به آن دسترسی داشته باشد، و مدل های اساسی را بهبود بخشید. با این حال، این بار روش استفاده از خود ChatGPT را تغییر یافته است.

این شرکت در حال ارائه نسخه جدیدی از این سرویس است که به شما امکان می دهد ربات هوش مصنوعی را نه تنها با تایپ جملات در یک جعبه متن، بلکه با صحبت با صدای بلند یا فقط آپلود یک تصویر، از ربات هوش مصنوعی درخواست کنید. طبق گفته OpenAI، ویژگی‌های جدید در دو هفته آینده برای افرادی که برای مشترکین پولی ChatGPT ارائه می‌شود و همه افراد دیگر “بزودی” آن را دریافت خواهند کرد.

بخش چت صوتی بسیار آشنا است: شما روی دکمه ای ضربه می زنید و سوال خود را بیان می کنید، ChatGPT آن را به متن تبدیل می کند و به مدل زبان بزرگ می دهد، پاسخ را دریافت می کند، آن را به گفتار تبدیل می کند و پاسخ را با صدای بلند بیان می کند. این باید درست مانند صحبت با الکسا یا دستیار گوگل باشد، فقط – امیدوار است OpenAI – به لطف فناوری زیربنایی بهبود یافته، پاسخ ها بهتر باشد. به نظر می رسد اکثر دستیارهای مجازی برای تکیه بر LLMها بازسازی می شوند – OpenAI درست جلوتر از بازی است.

اما این واقعیت که شما می توانید صدای مصنوعی توانمندی را تنها با چند ثانیه صدا بسازید، درها را برای انواع موارد استفاده مشکل ساز نیز باز می کند. این شرکت در یک پست وبلاگی با اعلام این ویژگی‌های جدید می‌گوید: “این قابلیت‌ها همچنین خطرات جدیدی را ایجاد می‌کنند، مانند پتانسیل بازیگران مخرب برای جعل هویت افراد عمومی یا ارتکاب کلاهبرداری”. این مدل دقیقاً به همین دلیل برای استفاده گسترده در دسترس نیست، OpenAI می‌گوید: این مدل برای موارد استفاده خاص و مشارکت‌ها بسیار کنترل‌شده و محدودتر خواهد بود.

در عین حال جستجوی تصویر کمی شبیه به گوگل لنز است. شما از هر چیزی که به آن علاقه دارید عکس می گیرید، و ChatGPT سعی می کند آنچه را که در مورد آن می پرسید، بررسی کند و بر اساس آن پاسخ دهد. همچنین می‌توانید از ابزار طراحی برنامه برای کمک به شفاف‌سازی درخواست خود استفاده کنید، یا صحبت کنید یا سؤالات را تایپ کنید تا همراه با تصویر باشد. اینجاست که ماهیت رفت و برگشتی ChatGPT مفید است: به جای انجام جستجو، دریافت پاسخ اشتباه و سپس انجام جستجوی دیگر، می‌توانید از ربات درخواست کنید و در حین حرکت پاسخ را اصلاح کنید. (این بسیار شبیه کاری است که گوگل با جستجوی چندوجهی انجام می دهد.)

بدیهی است که جستجوی تصویر نیز مشکلات بالقوه خود را دارد. یکی از مواردی که ممکن است هنگام درخواست یک ربات چت در مورد یک شخص اتفاق بیفتد: OpenAI می‌گوید که عمدا توانایی ChatGPT برای تجزیه و تحلیل و اظهارنظر مستقیم در مورد افراد را به دلایل دقت و حفظ حریم خصوصی محدود کرده است. این به معنای یکی از علمی‌تخیلی‌ترین تصورات برای هوش مصنوعی است – توانایی نگاه کردن به کسی و گفتن “این کیست؟” – به این زودی نمی آید. که احتمالاً چیز خوبی است.