周鴻祎談GPT-4o技術原理：給人工智能裝上了“眼睛耳朵嘴巴”，讓人工智能更像人了

　　昨日，OpenAI發(fā)布可實時進行音頻、視覺和文本推理的新一代AI模型GPT-4o引發(fā)廣泛關注。今日，360集團創(chuàng)始人、董事長周鴻祎發(fā)表視頻分享了自己對于GPT-4o技術原理的理解和潛在的社會影響。

　　在談及GPT-4o的技術原理時，周鴻祎指出，據(jù)OpenAI發(fā)布會上簡短的技術原理介紹，區(qū)別于傳統(tǒng)將把語音先翻譯成文字處理后再翻譯成語音的做法，這次的技術是直接把語音進行了處理，形成了一個整合的大模型引擎，實現(xiàn)對語音輸入的直接理解——包括把語音中飽含的情緒、感情、語調(diào)、口音這些細節(jié)都進行了理解，同時是直接輸出語音。

　　“這就帶來了一個全新的體驗，就是時延大概只有300毫秒左右，達到了人類和人類談話的響應速度，這樣不僅能聽得懂你話里的情緒，在輸出回答的時候也可以伴隨著高興、悲傷、失望、興奮或者是更復雜的感情。”周鴻祎表示。

　　周鴻祎還指出，除了語音處理層面帶來的驚艷之外，有一個容易被忽視的地方是，實際上GPT-4o的還可以直接打開手機攝像頭，直接通過手機攝像頭賦予它更強大的眼睛的能力。這個可能還比不上Sora，但是它比GPT-4.5的版本可以輸入圖片輸入表格的能力又提升了一步。“所以總結(jié)來講就是，GPT-4.0相當于給人工智能賦予了對知識理解的能力，相當于有了一個大腦，然后GPT-4.5相當于給了一些初級的看見的能力，而GPT-4o實際上是給它增加了真正能看懂這個世界的眼睛，和能聽明白人說話的耳朵，而且嘴巴還能夠自由自在地表達自己情緒和情感的能力。”。

　　在周鴻祎看來，有些人會對此次發(fā)布OpeanAI沒有推出GPT-5.0覺得比較失望，但是通向通用人工智能不僅是要在超級的推理能力、知識能力、邏輯能力上要趕超人類，更重要的能力還包括跟人交互的能力。所以，當AI能通過無論是手機攝像頭還是無處不在的物聯(lián)網(wǎng)攝像頭更看明白這個世界，而且能以跟人一樣的響應速度進行交互的時候，這件事就變得非�？膳铝�，“也就是它就讓人工智能真正的更像人了”。