人間に近づいた｢GPT-4o｣3つの進化のポイント
「私にとって魔法のようだ」ーー。サム・アルトマンCEOがそう予告していた新たなサービスがベールを脱いだ。 アメリカのOpenAIは5月13日、ChatGPTから使える新たな生成AIモデル「GPT-4o（フォー・オー）」を発表した。このAIの「知能」はこれまでのGPT-4と基本的に同じだが、応答時間を大幅に短縮するなど「使い易さ」で進化したという。 有料のGPT-4とは対照的にGPT-4oは無料ユーザーでも利用できるが、時間当たりの利用回数などが有料ユーザーに比べて制限される。無料化によってなるべく多数の利用者に使ってもらうことでChatGPTのユーザーベースを拡大し、飛躍的な進化が期待される次世代モデル「GPT-5」（まず間違いなく有料化される）のリリースに向けて足場を固めようとしている意図がうかがえる。 本稿では3つの「進化のポイント」に解説したい。 従来より「自然な会話」ができるように
みんなGPT-4oの声を聞いて。めっちゃ『her』のサマンサっぽい
みんなGPT-4oの声を聞いて。めっちゃ『her』のサマンサっぽい2024.05.14 19:305,889 そうこ 絶対寄せてきたな！と思いましたね。 OpenAIが新たに発表した｢GPT-4o｣の話です。会話の理解力だけでなく、会話の流れそのものがより自然になったGPT-4o。デモを見て受け答えの内容に関心しましたが、ぶっちゃけそれどころじゃありませんでした。 ｢これ、herだよね？｣って、声に気持ちが持っていかれちゃってたので。 『her/世界でひとつの彼女』GPT-4oが喋り出した瞬間、思った人は思ったはず。 ｢herだ！ サマンサだ！ スカーレット・ヨハンソンだ！｣ スパイク・ジョーンズ監督の『her/世界でひとつの彼女』。ホアキン・フェニックスさん演じる主人公とスカーレット・ヨハンソンさん演じるAIの奇妙なラブストーリー。 デモででてきたGPT-4oの声は、サマンサもといヨハン
OpenAI、新たな生成AIモデル「GPT-4o」を発表--無料版も大幅に機能強化
印刷する メールで送る テキスト HTML 電子書籍 PDF ダウンロード テキスト 電子書籍 PDF クリップした記事をMyページから読むことができます OpenAIは米国時間5月13日、ライブストリーミングイベントを開催し、生成AI「ChatGPT」の無料版に対する大規模なアップデートを発表した。音声や画像の支援にも対応することでマルチモーダル機能を提供する。 同イベントの最大の目玉は、OpenAIの新たな大規模言語モデル（LLM）「GPT-4o」の発表だった。同モデルはGPT-4と同等のインテリジェンスを持ちながら、パフォーマンス向上やテキスト、音声、視覚にまたがるマルチモーダル機能など、従来のモデルから機能強化が図られている。 We're opening up access to our new flagship model, GPT-4o, and features like b
「GPT-4o」はなんて読む？ 女性の声はスカーレット・ヨハンソン（her）似？
米OpenAIは5月13日（現地時間）、生成AI「GPT」の新たなモデル「GPT-4o」を発表した。このモデルの詳細は別記事にゆずり、本稿ではモデル名の読み方とその由来、「声」についてのうわさを紹介しよう。 oはomniのo GPT-4oは「ジーピーティーフォーオー」と読む。oは「omni」のo。omni（オムニ）は「オムニバス」「オムニチャンネル」などの日本語にもなっているように、すべて、全体、全方位などを表す言葉だ。 GPT-4oが、テキスト、音声、画像の任意の組み合わせを入力として受け入れ、テキスト、音声、画像の任意の組み合わせの出力を生成するマルチモーダルなAIであることを表している。 女性の声は映画「Her」に似ている？ GPT-4o発表のライブストリームデモでは、OpenAIのミラ・ムラティCTO（最高技術責任者）とエンジニアがiPhoneに搭載されたGPT-4oと会話する形で
GPT-4o の概要｜npaka
以下の記事が面白かったので、簡単にまとめました。 ・Hello GPT-4o 1. GPT-4o「GPT-4o」 (「omni」の「o」) は、人間とコンピュータのより自然な対話に向けた一歩です。テキスト、音声、画像のあらゆる組み合わせを入力として受け入れ、テキスト、音声、画像の出力のあらゆる組み合わせを生成します。 音声入力にはわずか232ミリ秒 (平均320ミリ秒) で応答できます。これは、人間の会話における応答時間とほぼ同じです。英語のテキストおよびコードでは「GPT-4 Turbo」のパフォーマンスに匹敵し、英語以外の言語のテキストでは大幅に改善されており、APIでははるかに高速で50%安価です。「GPT-4o」は、既存のモデルと比較して、特に視覚と音声の理解に優れています。 2. モデルの機能「GPT-4o」以前は、音声モードを使用して、平均2.8秒 (GPT-3.5) および5
OpenAIがChatGPTのモデル仕様を公開、「性的な話題はNGだが科学的な文脈ならOK」「犯罪の助長はNGだが犯罪防止のための情報提供はOK」などChatGPTの応答ルールが盛りだくさん
ChatGPTおよびOpenAI APIのモデル仕様が2024年5月8日(水)に公開されました。モデル仕様にはChatGPTおよびOpenAI APIの「望ましい動作」と「望ましくない動作」が記されており、OpenAIがどのような意図でChatGPTの応答を調整しているのかが分かるようになっています。 Model Spec (2024/05/08) https://cdn.openai.com/spec/model-spec-2024-05-08.html Introducing the Model Spec | OpenAI https://openai.com/index/introducing-the-model-spec/ ChatGPTを使っていると、「その質問には応答できません」といったように質問への返答を拒否されることがあります。新たに公開されたモデル仕様には質問の種類に応じ
iOS 18にはChatGPTが？ アップルが再びOpenAIにラブコール
iOS 18にはChatGPTが？ アップルが再びOpenAIにラブコール2024.05.07 22:305,312 小暮ひさのり iOS with ChatGPT、可能性は…あるのか？ GoogleとかマイクロソフトがAI機能を全推ししているのに、Apple（アップル）って生成AI遅れ気味だよね〜…。とか思われているかもしれませんが、そんなことありません。 先日は大規模AIモデル｢MM1｣についての論文も発表しましたし、今年はじめにはChatGPTでおなじみOpenAIや、Geminiを運用しているGoogleともライセンスの競技を行なっていると囁かれています。 OpenAIとの競技はこの時は進まなかったようですが、Bloombergによると、Appleが再びOpen AIと話し合いを進めているようなのです。 どうしてもお前が欲しい！的なラブコールですかね、これは。もし成就すればiOSに
「ChatGPT」vs「Claude 3」、ビジネスにお勧めの生成AIを選ぶポイントは
「ChatGPT」を手掛けるOpenAIはGPT-4 Turbo with VisionのAPI提供を開始したり、動画生成AI「Sora」を発表したり、アジア初となるオフィスを東京に構えるなど、相変わらずものすごいスピードで進化し続けている。 3月、ChatGPT越えを謳うAnthropicの生成AI「Claude 3」がリリースされた。Claude 3はChatGPTの「GPT-3.5」や「GPT-4」と同じように複数のモデルを用意している。「Haiku」は安価で高速応答できるのが特徴で、「Sonnet」はバランスタイプ、そして「Opus」がフラッグシップモデルとなる。このOpusは、さまざまなベンチマークでGPT-4より高いスコアを出している。 今回は、ChatGPTと「Claude 3」をビジネスで利用する際に、チェックしたいポイントを紹介する。 無料プランから有料プランまで価格をチ
謎の高性能AIモデル「gpt2-chatbot」がChatbot Arenaに登場、GPT-4.5かGPT-5なのではないかと話題に
ユーザーがログインせずに様々な言語モデルとチャットしてその出力を評価することができるウェブサイト「LMSYS.org」のChatbot Arenaで、「GPT-4.5」あるいは「GPT-5」と思われるモデルがテストされているのではないかと話題になっています。 GPT-2? https://rentry.co/GPT2 GPT-4.5 or GPT-5 being tested on LMSYS? | Hacker News https://news.ycombinator.com/item?id=40199715 プロンプトエンジニアであるdesuAnon氏によると、LMSYS.orgで利用可能になったモデルの一つである「gpt2-chatbot」は従来のGPT-4モデルやClaude 3 Opusが解決できないレベルの問題に対応し、英語だけではなく日本語の処理能力も高く、アスキーアートの
ChatGPTに設定を記憶させる「Memory」、Plusで正式機能に
「Memory updated」にカーソルを合わせると記録された内容と「Manage memories」ボタンが表示され、ここからMemory管理画面に移行できる。ここで記録されたくない項目を削除できる。 Memoryに記憶させた項目については、以降は指定しなくても自動的に反映される。例えば上記の例では「会議を要約して」と依頼するだけで、見出し、ポイントの箇条書き、最後のまとめを含む要約が提示される。 EnterpriseおよびTeamsプランでもMemoryが利用可能になる見込みだ。また、GPTの開発者は、自分のGPTのメモリを有効にできる。GPTのMemoryに記録した項目が開発者と共有されることはない。 関連記事 OpenAI、ChatGPTに会話を記憶させる「Memory」テスト開始 初期設定はオン OpenAIは、ChatGPTに会話を記憶させる「Memory」機能のテストを開始
大手企業がこぞって進める生成AIの全社導入 日本企業におけるChatGPTとLLMの活用事例
海外版のピザ屋のデモ 森正弥氏：海外版のピザ屋のデモを流せればと思います。英語がちょっと流れますが、こんな感じです。 ピザ屋に店員のAIアバターがいて、お客さんが来て……お客さんがだいぶぶっきらぼうですけど（笑）、答えていくのをハンドリングして、最後はペイメントまでやるという感じでした。シナリオは一定はありますが、これは裏がLLMで、ここではNVIDIAのNeMoを使って会話をやっているので、シナリオじゃないアクションにももちろん普通に対応できます。 例えばいきなり「アジャイルって知っている？」と聞いたらきちんと答えてくれます。NeMoは英語とスペイン語がすごく得意なので、このデモは英語のデモになっていますが、日本語でも動きます。 あと、単にこれは単なるマイクロサービスのマッシュアップなので、23個ぐらいのマイクロサービスが立ち上がっていて、そんなに立ち上げるのかと思いながらやっています。
GPT-4が眼科の医療試験で人間の専門医に匹敵するスコアをたたき出したとの研究結果
2018年に人間の医師と同等の精度で目の病気を診断できるAIが登場し、糖尿病が関連する眼病に至っては専門医より正確な診断が可能となるなど、AIは眼科の分野で目覚ましい進歩を遂げています。OpenAIの言語モデルを使用した新しい研究により、AIは目の状態を評価することにかけては人間の眼科医に引けを取らないことが確かめられました。 Large language models approach expert-level clinical knowledge and reasoning in ophthalmology: A head-to-head cross-sectional study | PLOS Digital Health https://journals.plos.org/digitalhealth/article?id=10.1371/journal.pdig.0000341 O
日本語対応でGPT-4よりも高性能な大規模言語モデル「Command R＋」が登場したので使ってみた、無料でダウンロードしてローカル動作も可能
AI開発企業のCohereがGPT-4と同等の性能を備えた大規模言語モデル「Command R＋」を発表しました。Command R＋は日本語での応答にも対応しており、ローカルにダウンロードして実行可能なほか、ウェブ上で実行できるチャットアプリのデモも公開されています。 Introducing Command R+: A Scalable LLM Built for Business https://txt.cohere.com/command-r-plus-microsoft-azure/ CohereForAI/c4ai-command-r-plus · Hugging Face https://huggingface.co/CohereForAI/c4ai-command-r-plus Command R+ https://docs.cohere.com/docs/command-r
OpenAI、「GPT-4 Turbo with Vision」を「OpenAI API」で一般提供
印刷する メールで送る テキスト HTML 電子書籍 PDF ダウンロード テキスト 電子書籍 PDF クリップした記事をMyページから読むことができます OpenAIは、「ChatGPT」や「Copilot」といった最も人気の高いAIチャットボットのいくつかを動作させるのに利用されている高度な大規模言語モデル（LLM）で最も知られている。マルチモーダルモデルは、視覚アプリケーションの新たな範囲を解き放つことでチャットボットの能力を新たな段階に引き上げることができ、OpenAIは一つのモデルを開発者に対して利用可能にした。 OpenAIは米国時間4月9日、「GPT-4 Turbo with Vision」が「OpenAI API」を通じて開発者に一般提供されたとX（旧Twitter）の投稿で発表した。同モデルは、最新の「GPT-4 Turbo」モデルにビジョン機能を追加したもの。 この最新
米Apple、iPhoneのUIを理解するモバイル専用AI言語モデル「Ferret-UI」発表 GPT-4V越えの性能
このコーナーでは、2014年から先端テクノロジーの研究を論文単位で記事にしているWebメディア「Seamless」（シームレス）を主宰する山下裕毅氏が執筆。新規性の高い科学論文を山下氏がピックアップし、解説する。 X： ＠shiropen2 米Appleに所属する研究者らが発表した論文「Ferret-UI: Grounded Mobile UI Understanding with Multimodal LLMs」は、iPhoneやAndroidなどのモバイルUI画面をより深く理解し、インタラクションできるように設計されたマルチモーダル大規模言語モデル（MLLM）を提案した研究報告である。 Ferret-UIは、モバイルUIの画面上で、多様な入力形式（点、ボックス、スケッチ）を用いて参照タスク（ウィジェット分類、アイコン認識、OCRなど）を実行し、グラウンディングタスク（ウィジェット検索、
Apple、画面の状況を見て理解できるAI「ReALM」を論文発表（GPT-4以上の性能） | NEWS | Mac OTAKARA
※本サイトは、アフィリエイト広告および広告による収益を得て運営しています。購入により売上の一部が本サイトに還元されることがあります。 AppleのMachine Learning Researchが、arXivにおいて「ReALM: Reference Resolution As Language Modeling」を論文発表しています。 ReALMは、画面上の物体への曖昧な言及や会話や背景の文脈を理解し、音声アシスタントとのより自然なやりとりを可能にする新たな人工知能システムだと説明しています。 ReALMの最小のモデルでは、画面上の参照において5%以上の絶対的な改善を得ることができたとし、また、GPT-3.5とGPT-4に対するベンチマークを行い、ReALMの最小モデルはGPT-4と同等の性能を達成し、ReALMの大型モデルはGPT-4を大幅に上回る性能を達成したと説明しています。 A
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
OpenAIから日本語特化の「GPT-4」カスタムモデル、3倍高速に動作
GPT-4 Turboより3倍速い「日本語特化のGPT-4」が提供開始、トークンも削減／
GPT-4より賢いと言われる「Claude 3」でいろいろ試した
新しい「GPT-4 Turbo」、ChatGPTの有料ユーザーに提供
