電子發(fā)燒友網(wǎng)報道（文/李彎彎）近日消息，OpenAI在一篇博客中表示，ChatGPT 將推出新的語音和圖像功能。用戶不僅可以在文本框中輸入文字提示，還可以通過語音或圖像與ChatGPT交流。OpenAI稱，新功能在未來兩周內(nèi)向付費用戶推出，不久后會推廣到其他用戶。

ChatGPT 是OpenAI推出的一種人工智能技術(shù)驅(qū)動的自然語言處理工具，它能夠基于在預訓練階段所見的模式和統(tǒng)計規(guī)律，來生成回答，還能根據(jù)聊天的上下文進行互動，能完成撰寫郵件、視頻腳本、文案、翻譯、代碼，寫論文等任務(wù)。自2022年11月30日發(fā)布以來，ChatGPT 已經(jīng)進行了多次功能升級。

ChatGPT現(xiàn)在能看、能聽、能說了

ChatGPT使用了Transformer神經(jīng)網(wǎng)絡(luò)架構(gòu)，也是GPT-3.5架構(gòu)，這是一種用于處理序列數(shù)據(jù)的模型，擁有語言理解和文本生成能力，尤其是它會通過連接大量的語料庫來訓練模型，這些語料庫包含了真實世界中的對話，使得ChatGPT具備上知天文下知地理，還能根據(jù)聊天的上下文進行互動的能力，做到與真正人類幾乎無異的聊天場景進行交流。

2022年11月30日，ChatGPT剛面世就迅速在社交媒體上走紅，短短5天，注冊用戶數(shù)超過100萬。2023年一月末，ChatGPT的月活用戶突破1億，成為史上增長最快的消費者應用。

2023年2月2日，OpenAI發(fā)布ChatGPT試點訂閱計劃——ChatGPT Plus。ChatGPT Plus以每月20美元的價格提供，訂閱者可獲得比免費版本更穩(wěn)定、更快的服務(wù)，及嘗試新功能和優(yōu)化的優(yōu)先權(quán)。同日，微軟發(fā)布公告稱，旗下所有產(chǎn)品將全線整合ChatGPT。

2023年3月15日，OpenAI正式推出GPT-4。GPT-4是多模態(tài)大模型，即支持圖像和文本輸入以及文本輸出，擁有強大的識圖能力。GPT-4的特點在于：第一，它的訓練數(shù)量更大；第二，支持多元的輸出輸入形式；第三，在專業(yè)領(lǐng)域的學習能力更強。

2023年5月18日，OpenAI官網(wǎng)宣布推出iOS版ChatGPT應用，該應用可免費使用，并在不同設(shè)備間同步用戶的歷史記錄。該應用還集成了OpenAI開源語音識別系統(tǒng)Whisper，支持語音輸入。ChatGPT Plus付費訂閱用戶可以獨家使用GPT-4功能。

2023年7月，OpenAI宣布推出定制指令功能，以便客戶更好地控制ChatGPT的回應方式。此外，OpenAI還發(fā)布公告稱，給ChatGPT加了一個名為Custom instructions的新功能。2023年7月25日，OpenAI宣布，安卓版ChatGPT正式上線。

2023年9月25日，OpenAI發(fā)布《ChatGPT 現(xiàn)在能看、能聽、能說了》的公告，宣布ChatGPT 增加語音輸入和圖像輸入兩項新功能。這可以說是ChatGPT 發(fā)布以來極其重大的更新。

據(jù)介紹，語音輸入功能類似于手機上的語音助手，用戶只需要輕輕點擊一個按鈕，說出自己的問題，ChatGPT能將這些口述的問題轉(zhuǎn)換成文本，將其輸入至大語言模型中，生成答案，接著將答案轉(zhuǎn)化成語音，播放給用戶。

語音轉(zhuǎn)文本的任務(wù)由OpenAI 的 Whisper 模型提供支持。同時，該公司正在引入一款全新的文本轉(zhuǎn)語音的模型，據(jù)稱可以通過幾秒鐘的語音樣本生成與人類相似的音頻。

圖像輸入功能類似于Google Lens，用戶可以拍攝自己感興趣的事物，并上傳到ChatGPT中，ChatGPT會嘗試識別用戶想要詢問的內(nèi)容，并給出相應的回答。用戶還可以用應用中的繪圖工具來幫助表達自己的問題，或者配合語音或文本輸入來進行交流。

用戶可以向ChatGPT展示一張或多張圖片，提問相關(guān)的問題。比如，發(fā)送一張壞掉的燒烤爐圖片，然后詢問無法啟動原因；拍攝一張冰箱中的食材，詢問多種菜品制作方案。

OpenAI還放出了一段視頻，是和ChatGPT商量著修自行車，不斷問ChatGPT：這里是扳手嗎？是調(diào)整這里嗎？甚至還把說明書拍照發(fā)給ChatGPT求解釋。

這正是ChatGPT獨特的特性所帶來的幫助，用戶可以與機器人進行互動，逐步完善答案，而無需首先進行搜索并在得到錯誤答案后再次搜索。

ChatGPT新增語音和圖像功能帶來的風險

OpenAI在博客中表示，其目標是構(gòu)建安全有益的通用人工智能（AGI）。新增的語音和圖像功能可能會帶來一些風險，但是OpenAI正在采取措施緩解這些風險。

新的語音技術(shù)能夠在短短幾秒鐘的真實語音片段中生成逼真的合成語音，這一技術(shù)存在潛在風險，比如，惡意行為者可能會濫用這項技術(shù)，冒充公眾人物或?qū)嵤┢墼p。為了避免這些問題的發(fā)生，OpenAI決定將這項技術(shù)應用于特定的場景中，會受到嚴格的限制。

新的圖像功能也帶來一定風險，在進行更廣泛的部署之前，OpenAI測試了該模型在極端主義和科學領(lǐng)域等方面潛在的風險，并對一些關(guān)鍵細節(jié)進行了調(diào)整，來確保負責任地應用這項技術(shù)。比如，在處理人物圖片時，OpenAI限制了ChatGPT 對人物進行分析和直接評價的能力，這意味著上傳一個人的照片就能知道那是誰無法實現(xiàn)，這是為了隱私安全。

ChatGPT自發(fā)布以來，在受到廣大用戶追捧的同時，其伴隨的風險也讓各界人士表示擔憂。一是它可能在被使用的過程中造成數(shù)據(jù)信息的丟失；二是它也可能會被一些不法分子用來實施欺詐行為。在過去這大半年時間里，不少機構(gòu)也在反對ChatGPT的使用和進一步研究。

2023年2月3日，IT行業(yè)的領(lǐng)導們擔心，ChatGPT已經(jīng)被黑客們用于策劃網(wǎng)絡(luò)攻擊時使用。黑莓（Black Berry）的一份報告調(diào)查了英國500名IT行業(yè)決策者對ChatGPT這項革命性技術(shù)的看法，發(fā)現(xiàn)超過四分之三（76%）的人認為，外國已經(jīng)在針對其他國家的網(wǎng)絡(luò)戰(zhàn)爭中使用ChatGPT。近一半的人認為，2023年，將會出現(xiàn)有人惡意使用ChatGPT成功進行網(wǎng)絡(luò)攻擊。

2023年4月，中國支付清算協(xié)會倡議支付行業(yè)從業(yè)人員謹慎使用ChatGPT。4月13日，西班牙國家數(shù)據(jù)保護局和法國國家信息自由委員會分別宣布對ChatGPT展開調(diào)查。

在各界人士對ChatGPT存在風險的質(zhì)疑聲中，OpenAI也一直在尋找解決辦法，如何讓其在增加新功能的同時而不會帶來新的問題。從這次的功能升級來看，OpenAI試圖通過有意限制新模型的功能，來達到更進一步提升功能和同時帶來新問題的平衡。OpenAI表示，將不斷改進和完善風險緩解措施，未來為大家提供更強大的系統(tǒng)。

總結(jié)

ChatGPT自出世以來就引起了廣泛關(guān)注，過去近一年時間，OpenAI對其底層模型和界面也進行了多次升級。如今，ChatGPT更是進行了一次重磅升級，新增語音輸入和圖像輸入功能，讓ChatGPT實現(xiàn)了能看、能聽、能說的能力。

與此同時，ChatGPT在使用中存在的風險一直以來也是各界擔心的問題，此次增加的新功能更是可能帶來新的風險。不過在過去這段時間，OpenAI也一直致力于尋找解決辦法，就比如在這次功能升級中，OpenAI通過一些限制來在實現(xiàn)新功能的同時也避免可能帶來新風險。