OpenAI révèle GPT-4o : avancée majeure en IA multi-modale et interactions naturelles.

Avec l’annonce de la sortie du modèle GPT-40 par OpenAI, un nouveau modèle GPT qui promet d’intégrer de manière transparente les entrées et sorties de texte, audio, image et vidéo, nous assistons à une avancée significative vers des interactions plus naturelles et efficaces avec l’IA.

Des fonctionnalités avancées

GPT-40 se distingue par sa capacité à traiter différents types d’entrées et à générer des sorties diverses, en faisant un outil polyvalent pour une large gamme d’applications. Contrairement à ses prédécesseurs, GPT-40 peut répondre à des entrées audio en aussi peu que 232 millisecondes, imitant de près les temps de réponse humains.

Cette amélioration représente une nette amélioration par rapport aux capacités du mode vocal précédent, qui avait des latences de 2,8 secondes avec GPT-3.5 et de 5,4 secondes avec GPT-4. L’entraînement de bout en bout du modèle sur le texte, la vision et l’audio lui permet de retenir et d’interpréter les informations de manière plus précise.

Des performances exceptionnelles

Cette approche holistique permet à GPT-40 de comprendre et de générer des réponses nuancées, y compris le rire, le chant et l’expression des émotions, qui étaient auparavant inaccessibles avec le pipeline de modèle séparé utilisé dans les versions antérieures. Le modèle excelle également dans plusieurs benchmarks, notamment en matière de raisonnement, d’audio et de vision.

Sécurité et développement futur

En ce qui concerne la sécurité, OpenAI affirme que c’est une priorité absolue. Avec des mesures de sécurité intégrées dans toutes les modalités, GPT-40 a été évalué de manière rigoureuse selon le cadre de préparation d’OpenAI, garantissant qu’il ne dépasse pas un risque moyen en matière de cybersécurité, de persuasion et d’autonomie du modèle.

Des évaluations externes, impliquant plus de 70 experts dans des domaines tels que la psychologie sociale, les biais et la désinformation, ont été essentielles pour identifier et atténuer de nouveaux risques. Bien que les entrées et sorties de texte et d’images soient disponibles dès maintenant, les sorties audio sont limitées à des voix prédéfinies et respectent les politiques de sécurité existantes.

OpenAI prévoit de publier de nouvelles modalités dans les mois à venir, avec des améliorations continues basées sur les retours des utilisateurs. À la date de publication de cet article, GPT-40 est disponible avec un accès étendu pour les utilisateurs Plus et les développeurs.

Source : opendatascience.com