Open AI:s senaste modell, GPT-40, är en banbrytande multimodal AI-assistent som kan hantera ett brett utbud av indata och utdata. Några viktiga höjdpunkter:

• Multimodala funktioner: GPT-40 kan förstå och generera innehåll i olika format, inklusive text, ljud, bilder och video. Detta möjliggör mer naturliga och kontextuella interaktioner.

• Fri tillgång för alla: De avancerade funktionerna i GPT-40, som webbläsning, kodtolkning och dataanalys, är nu tillgängliga för alla gratis ChatGPT-användare. Betalande ChatGPT Plus-medlemmar får ytterligare förmåner som snabbare svarstider och högre utdatabegränsningar.

• Konversationsförmåga: GPT-40 kan engagera sig i mänskliga samtal, med förmågan att förstå ton, ge känslomässigt stöd och till och med berätta historier med expressiv framföring.

• Visuell förståelse: Modellen kan tolka visuell information, som att lösa matematiska problem genom att analysera bilder, och generera bilder baserade på textbeskrivningar.

• Skrivbordsintegrering: Open AI har släppt en skrivbordsapp som låter användare komma åt GPT-40 direkt på sina datorer, med möjlighet att dela skärminnehåll och få kontextuell assistans.

Open AI:s nya GPT-40-modell är en kraftfull och mångsidig språkmodell som går utöver enbart textgenerering. Här är några av de nyckelförmågor hos GPT-40 som visades upp:

Multimodala förmågor

GPT-40 är en multimodal modell, vilket innebär att den kan hantera och förstå olika typer av media som ljud, video och bilder utöver text. Detta gör att den kan utföra uppgifter som kombinerar flera modaliteter, som att beskriva innehållet i en bild eller video.

Avancerad konversation

Modellen visade imponerande konversationsförmågor, genom att engagera sig i dialog fram och tillbaka och till och med anta olika känslomässiga tonlägen och personligheter. Den kunde förstå kontext och ge relevanta och sammanhängande svar.

Stegvis problemlösning

När den presenterades med ett matematiskt problem, gav GPT-40 inte bara det slutliga svaret. Istället gick den igenom steg-för-steg-processen för att lösa problemet och förklarade sitt resonemang längs vägen.

Anpassningsbar röstutdata

GPT-40 kan generera talutdata med anpassningsbar ton, känsla och uttrycksfullhet. Detta gör att den kan låta mer naturlig och mänsklig i konversationer.

Bildgenerering

Utöver text har GPT-40 även förmågan att generera bilder. De visade exemplen inkluderade att skapa detaljerade bilder med läsbar text, samt att generera konsekventa karaktärsdesigner över flera scener.

3D-objektsyntes

Modellen kan ta 2D-bilder och generera 3D-rekonstruktioner, animera dem och placera logotyper eller andra element på 3D-objekt.

Ilia Sutskever, en av de ursprungliga grundarna av OpenAI, har beslutat sig för att lämna företaget. Efter nästan ett decennium på OpenAI har Sutskever fattat beslutet att lämna företaget.

Sutskever var del av styrelsen som fattade beslutet att avskeda OpenAI:s VD, Sam Altman, i november 2023. Sutskever ångrade dock senare detta beslut och ursäktade sig offentligt, och sade att det var ett misstag att bli av med Altman.

Men Sutskeves skäl för att lämna är inte helt klara, men det verkar som att han kanske inte var helt i linje med den riktning OpenAI är på väg. Som forskare och akademiker är Sutskever troligen mer intresserad av vetenskapen och tekniken bakom AI, snarare än monetiseringen och kommersialiseringen av tekniken.

I sitt avskedsmeddelande uttryckte Sutskever förtroende för OpenAI:s ledning under Altman, Greg Brockman och Mira Murati, och sade att han ser fram emot vad som kommer härnäst i sitt eget personliga projekt, som han kommer att dela detaljer om i rätt tid.

Sutskeves avgång är en betydande förlust för OpenAI, eftersom han var ett av företagets grundande medlemmar och en vägvisare inom AI-området. Företaget verkar dock gå framåt med sina ambitiösa planer, inklusive den senaste lanseringen av den kraftfulla GPT-4-modellen.

Det återstår att se hur Sutskeves avgång kommer att påverka OpenAI:s framtid, men det är tydligt att företaget genomgår en betydande övergång när de fortsätter att utmana gränserna för artificiell intelligens.

Enligt rapporter har flera nyckelpersoner i super alignment-teamet på OpenAI lämnat företaget. Detta inkluderar Yan Lecun, Leopold Ashenbrener och William Saunders.

Dessa individer var en del av teamet som ansvarade för att se till att AI-system som utvecklats av OpenAI, som GPT-4, förblir säkra och fördelaktiga. Deras avgång är oroande, eftersom den tyder på potentiella problem eller meningsskiljaktigheter inom företaget kring inriktningen och säkerheten för deras avancerade AI-modeller.

Super alignment-teamet spelar en avgörande roll i att försöka minska riskerna med kraftfulla AI-system. Deras avgång skulle kunna tyda på interna spänningar eller en förskjutning av prioriteringar på OpenAI som prioriterar snabb utveckling framför robusta säkerhetsåtgärder.

Denna nyhet kommer strax efter avgången av Ilya Sutskever, en av OpenAI:s medgrundare, som meddelade att han lämnar företaget för att förfölja ett "personligt meningsfullt" nytt projekt.

Forlusten av dessa nyckelpersoner, särskilt de som fokuserar på AI-säkerhet, är en oroande utveckling som bör följas noga. Det väcker frågor om OpenAI:s framtida inriktning och prioriteringar när de fortsätter att utmana gränserna för stora språkmodeller och andra avancerade AI-funktioner.

Det största tillkännagivandet från Google IO 2024 var introduktionen av Gemini AI-modellerna. Gemini 1.5 Flash och Gemini 1.5 Pro är de nya stora språkmodellerna från Google.

Gemini 1.5 Flash är en snabbare modell, medan Gemini 1.5 Pro är utformad för bästa möjliga utdata. Båda modellerna har ett kontextfönster på 1 miljon token, med planer på att öka det till 2 miljoner token i framtiden. Detta möjliggör indata och utdata på omkring 1,5 miljoner ord.

En annan höjdpunkt var Project Astra, som gör det möjligt för en mobiltelefon att se vad kameran tittar på och svara på frågor om det. Demonstrationen visade att telefonen kom ihåg detaljer som placeringen av ett par glasögon, och presentatören kunde fortsätta interagera med systemet med hjälp av ett par förstärkta verklighetsglasögon, vilket antyder framtida funktioner liknande Google Glass.

Google visade också upp sin nya text-till-bild-modell, Imagine 3, som närmar sig realismen hos modeller som Midjourney. De demonstrerade också en ny videogenereringsmodell som kallas Veo, som kan skapa 1080p-videor över 1 minut långa, även om den inte riktigt når upp till kvaliteten på Anthropics Sorai.

Anthropic har anställt Instagrams medgrundare Mike Krieger som ny chef för produktutveckling. Krieger, som var en av grundarna av Instagram samt medgrundare av nyhetsappen Artifact, kommer att ha i uppgift att skapa bra användarupplevelser för att få fler människor entusiastiska över och använda Anthropics verktyg som Claude.

Antropic har också släppt en ny funktion för att generera prompter i sin konsol. Användare kan nu generera produktionsklara prompter genom att beskriva vad de vill uppnå, och systemet kommer att använda tekniker för promptdesign som kedjevis resonemang för att skapa mer effektiva, precisa och tillförlitliga prompter.

Det AI-företag som heter Hume har släppt ett nytt verktyg som kallas Chatter - en interaktiv poddupplevelse. Chatter är en podd som låter dig styra konversationen, ställa frågor till den AI-värd och få svar anpassade efter dina intressen, i det här fallet med fokus på de senaste AI-nyheterna.

Avslutningsvis gick ett klipp från Bumble-grundaren Whitney Wolfe Herd viralt förra veckan, där hon spekulerade om framtiden för dating med hjälp av AI-datingconcierger. Idén är att din personliga AI-concierge skulle gå på dejter med andra människors AI-concierger för att avgöra kompatibilitet, innan de presenterar de riktiga personerna. Även om detta låter som en handling från Black Mirror, belyser det hur AI potentiellt skulle kunna spela en roll i framtida datingupplevelser.

Den senaste veckan har varit en virvel av AI-nyheter, med stora tillkännagivanden från både Google och OpenAI.

OpenAI avslöjade sin senaste språkmodell, GPT-4, som är ett kraftfullt multimodalt system som kan hantera en mängd olika indata som ljud, bilder och video. Det mest imponerande är att GPT-4 nu kommer att vara tillgänglig för alla gratis ChatGPT-användare, vilket ger dem tillgång till avancerade funktioner som tidigare var förbehållna betalande prenumeranter.

Google å andra sidan tog en annan approach på sin I/O-händelse - de bombarderade publiken med över 100 AI-relaterade tillkännagivanden. Höjdpunkter inkluderar de nya Gemini-språkmodellerna, det imponerande Project Astra som kan förstå en scen visuellt, och framsteg inom text-till-bild och videogenerering.

Men även om Google kanske överväldigade med den stora mängden uppdateringar, demonstrerade båda företagen betydande framsteg i att göra AI mer tillgängligt och kapabelt. Kapplöpningen om AI-överhöghet hettar upp sig, och det kommer att vara spännande att se hur dessa teknologier utvecklas och påverkar våra dagliga liv under de kommande åren.