美国开放人工智能研究中心（OpenAI）13日展示最新版本ChatGPT：与使用者展开语音对话、识别图像并展开讨论、翻译……相比先前版本，它与使用者对话基本无延迟，会倾听，能唠嗑，还善于察言观色，让人惊呼新版本ChatGPT“更像人”了。

　　开放人工智能研究中心13日发布的人工智能模型名为GPT－4o，编号中的字母“o”代表“omni”（全能），既能接受文本、音频和图像的任意组合输入，还能生成文本、音频和图像的相关回应。

　　该中心不仅围绕GPT－4o做了直播演示，还在社交媒体发布更多视频“炫技”。在一段视频中，GPT－4o听起来明显“更会聊天了”，还时不时抛出几个笑话。它的音调有些许变化，言语间带着笑意，与它聊天更像与真人交谈。

　　实时聊天是ChatGPT的关键技能。相比先前版本，GPT－4o的不同主要表现在：一是使用者可以随时打断聊天机器人，无需像从前那样等它把话说完；二是它会实时对问题作出回应，不再有两到三秒的时滞；三是它能感知人的情绪，比如演示者呼吸急促，它会询问对方是否需要稍稍稳定下情绪。另外，GPT－4o可以生成不同风格的声音。

　　演示中，GPT－4o利用其视觉和语音能力，指导演示者在纸上逐步解出一道方程题，而不是直接给出答案。它还展示了英语与意大利语互译、用自拍照片识别情绪等能力。当一名演示者告诉它，自己正展示它是“多么有用和不可思议”时，它回答道：“哦，快别说了，怪害臊的。”

　　北京邮电大学人机交互与认知工程实验室主任刘伟说，无论是在文本生成、做题、问答系统还是情感分析等任务中，GPT－4o都表现出很好的能力。这种技术的突破，无疑将对国内外的相关企业产生重大影响，它不仅推动了自然语言处理技术的发展，也让人工智能在多个领域的应用变得更加广泛和深入。

　　近年来，开发更人性化、功能更强大的生成式人工智能工具竞争激烈。就在开放人工智能研究中心发布GPT－4o的第二天，谷歌开发者年度会议召开，人工智能是重头戏。硅谷企业家埃隆·马斯克、技术企业“深层思维”创始人之一穆斯塔法·苏莱曼也分别投资开发了聊天机器人Grok和Pi，将拟人化特点作为产品主攻方向。

　　英国广播公司的评论说，GPT－4o能够结合文本、音频和图像内容瞬间做出反应，目前在竞争中处于领先地位。

　　（据新华社北京5月15日电）