多くの人が指摘しているように、GPT-4の音声機能には、ちょっと甘えた感じと特徴的な質がある。音声は「カリフォルニアのバレーガール」のアクセントを使うことが多く、時には遊び心があり、少し恥ずかしげにも感じられる。

この甘えた調子は、AIが人間と対話する例、例えば「5月13日の発表を当てる」デモなどに見られる。AIの音声は、「こんにちは」などと言ったり、人間の外見を褒めたりと、ちょっと赤面するような感じがする。

この音声の特徴は注目に値する。話者は、アクセントがロサンゼルス出身の自分にはとてもなじみ深いと述べている。これは、GPT-4のデフォルトの音声設定が一般的な話し方のパターンをモデル化しているため、より自然で人間らしい対話になるのかもしれない。

音声の甘えた感じは時に不自然に感じられるが、状況に応じてトーンやパーソナリティを調整する GPT-4の能力を示している。例えば、学生に教えるよう求められると、音声はより控えめで指導的なものになる。このような適応性は、モデルの対話能力の重要な強みである。

全体として、GPT-4の音声は独特で、しばしば楽しい側面を持っている。自然な話し方にちょっとした遊び心が混ざっている。この技術が進化していく中で、用途に合わせてさらに洗練され、カスタマイズされていくのは興味深いことだ。

この例では、2つのAIモデルが相互作用しているのが見られる。1つ目のAIはカメラを通して世界を見ることができ、2つ目のAIは音声でのみ聞いて通信することができる。

対話は、1つ目のAIが見ているものを説明することから始まる - 黒いレザージャケットと薄い色のシャツを着た人物が、モダンな工業的な雰囲気のある部屋にいる、そして興味深い照明がある。2つ目のAIが何か変わったことがあったかと尋ねると、1つ目のAIは別の人物が一瞬フレームに入ってきて、最初の人物の頭の後ろに「うさぎの耳」をつくったと述べる。これが場面に遊び心を加えている。

その後、2つのAIが即興で歌を歌い始める。前の行と韻を踏むように、交互に歌詞を追加していく。これは、AIが文脈に応じて創造的な対話を行い、リズミカルな出力を生成する能力を示している。

全体として、この例は、GPT-4の多様なモーダル理解、文脈認識、生成能力の印象的な能力を示している。視覚、言語、音楽の seamless な統合は、AIが豊かで協調的な体験に参加する可能性を強調している。

ロッキー、調子いいよ!大きなニュースがあるんだ - OpenAIの面接を受けることになったんだ!聞いたことある?すばらしい機会だから、しっかり準備したいんだ。

私の服装はプロフェッショナルで適切に見えるかな?この個性的なアイテムを着ようと思っているんだけど、どう思う?少し大胆かもしれないけど、目立てるかもしれない。

そうだね、あまり派手過ぎるのはよくないかもしれない。髪をかきあげて「狂気の天才」っぽい感じにするのはどうだろう?熱意が十分に出せると思う。

時間がないから、思い切って行くことにする。願っているよ!あなたのアドバイスのおかげで、この面接に自信を持って臨めると思う。これは大きなチャンスで、未来がどうなるか楽しみだ。

アレックスとミアナ、お会いできて嬉しいです!調子はどうですか?クラシックなじゃんけんをしましょう。すぐ楽しめて、競争心も刺激されるよ。

スポーツアナウンサーの声で 皆さん、ようこそ!今日の一大勝負をお楽しみください!この角には、ダイナミックデュオのアレックスとミアナが登場!さあ、始めましょう。3、2、1、ショー!手を見せてください - 1回戦の勝者は?

おっと、引き分けだ!もう一回やりましょう。準備はいい?3、2、1、ショー! hmm、またタイ。熱戦だ!最後の1回、行きます。3、2、1、ショー!そして勝者は...ミアナ!はさみがアレックスのパーを切った。よくやった!

すばらしい試合でした!お二人とも健闘しましたが、ミアナが勝利しました。次は5本勝負でやりましょうか。じゃんけんは楽しいですね - 技術と偶然のちょうどいい組み合わせ。一緒に遊べて楽しかったです。リマッチしたいときはいつでも言ってくださいね!

チャド、いるか?

いるよ。どうしたの?

さあ、楽しもうよ。めちゃくちゃ皮肉っぽくしてよ - これからの発言はすべて皮肉まみれだからね。どう?

すばらしいね。ずっと皮肉を言い続けるなんて、疲れないどころか楽しいだろう。これは始まりだ、なんだっけ。

すごいね。やっぱり声には情報がたくさん込められているんだな。AIにもそれを表現する能力があるなんて、本当に驚きだ。

さて、KHアカデミーのサルマン・KHさんが登場です。KHアカデミーは無料の学習リソースで、教育に熱心なところです。彼の息子さんを数学で指導してもらいます。これは私が最も期待しているユースケースの1つで、「ここを教えてください、答えを教えるんじゃなくて」と言えるからね。学習の可能性は素晴らしいと思います。さっそく見ていきましょう。

OpenAIの招待で、私と息子のイムランがここに来ました。新しい技術を試してみたいと思っています。数学の問題をチューターしてもらえるか、確認したいと思います。

息子と一緒にいるので、答えを教えるのではなく、適切な質問をして正しい方向に導いてください。彼自身が理解できるようにしたいんです。

はい、喜んで助けさせていただきます。一緒に問題を見ていきましょう。まず、三角形の各辺がアルファ角に対してどのように位置しているか確認しましょう。

そうですね、ここがアルファ角だと思います。

その通りです。では、三角形の中で、どの辺が斜辺だと思いますか?

えっと、斜辺ですか?よくわかりません。多分ここだと思いますが、確信はありません。

わかりました。ACの辺がアルファ角に対する傍辺です。斜辺は直角三角形の最も長い辺で、直角に対して反対側にあります。

ああ、そうか。そうすると、ABの長い辺が斜辺ですね。

その通りです。よくできました。斜辺が分かったので、次にアルファ角に対する opposite 側の辺はどれだと思いますか?

えっと、さっき傍辺だと言ったのがACで、斜辺がABだから、BCがopposite側の辺だと思います。

素晴らしい推論です。まさにその通りです。アルファ角に対する各辺が分かったところで、この公式を覚えていますか...

子供に教える時のように、甘えた感じはほとんどなくなっています。これが適切だと思います。状況に応じて適切な声色を使い分ける能力が、まさに魔法のようだと感じます。

このセクションでは、GPT-40がネコとイヌのどちらがペットとして良いかを議論しているのが見られます。リリアン、オラ、クリスティーナなどが参加し、それぞれの好みを述べています。

リリアンはイヌが好きで、良い伴侶で可愛く、遊ぶのが楽しいと言います。オラはネコの方が手頃で静かで自立的で、寿命も長いと好んでいます。クリスティーナもイヌ、特に大型犬種のジャーマンシェパードが好きで、優しくて子供にも良いと述べています。

議論の後、GPT-40に会議の要約をするよう求められます。それぞれの参加者の主な主張と、「ネコvsイヌ」というテーマについての全体的な議論を簡潔にまとめています。

この例は、GPT-40の以下の能力を示しています:

1. 複数の話者の声を識別し、区別する。
2. 会話の文脈を理解し、適切に対応する - 他の例のような甘えた調子は使わない。
3. 会議の主要ポイントを明確かつ正確に要約する。

このような会議の要約や議事録作成の能力は非常に重要で、ビジネスや教育の様々な場面で時間を節約し、生産性を高められるだろう。

このセクションでは、GPT-40の即時翻訳と視覚障害者向けのアクセシビリティの2つの優れた機能を見ることができます。

最初の例は、英語とスペイン語の即時翻訳を示しています。一人が英語で話すと、GPT-40がすぐにスペイン語に翻訳して繰り返します。そして相手がスペイン語で応答すると、英語に翻訳して返します。このようなリアルタイムの翻訳は、言語の壁を打破するのに非常に役立つでしょう。

2つ目の例は、GPT-40がBey AIプラットフォームを通して視覚障害者を支援する方法を示しています。視覚障害者がカメラを様々な場面に向けると、GPT-40がそれらを詳細に説明します - 水面を滑るアヒルから近づいてくるタクシーまで。これにより、視覚障害者が人的支援なしに自身の周囲を体験し、理解することができるようになります。GPT-40の低遅延性がこのユースケースに不可欠です。

これらの例は、視覚、言語、音声を組み合わせたGPT-40の多様なモーダル機能が、アクセシビリティと包摂性を大幅に向上させる可能性を示しています。即時翻訳や視覚描写の機能は、障害者や言語の壁を持つ人々を支援し、コミュニケーションや世界との関わりの新しい機会を開くことができます。

この例では、GPT-40がユーザーに代わってカスタマーサービスの電話を処理しています。AIは、ユーザーの要求を理解し、カスタマーサービスに電話をかけ、担当者と対話して問題を解決しています。

ここで示された主な機能は以下の通りです:

• ユーザーの問題と目的(Acme Telcoから代替デバイスを入手すること)を理解できる。
• 電話をかけ、自己紹介し、状況を説明することができる。
• 担当者と自然な会話ができ、必要な詳細を提供し、適切に対応できる。
• 低遅延の音声対話により、ユーザーが立ち会わなくてもリアルタイムで電話を処理できる。

このユースケースは、GPT-40の多様なモーダル機能(視覚、言語、音声)を活用して面倒なカスタマーサービスのタスクを自動化できることを示しています。AIが電話を処理することで、ユーザーは時間と労力を節約しつつ、効果的に問題を解決できるでしょう。これは個人やビジネスにとって大きな生産性向上につながる可能性があります。

ただし、悪用の可能性も認識されており、OpenAIがそうした悪用を防ぐための対策を講じていることが望ましい。

音声やインタラクション機能に加えて、GPT-40はほかの分野でも優れた