ChatGPT ના ફ્રી યુઝર્સ માટે સૌથી મોટું અને સૌથી રોમાંચક અપડેટ કહી શકાય, OpenAI એ તેના GPT-4o નામના લેટેસ્ટ મોડલ દ્વારા GPT-4 ની ક્ષમતાઓ લાવી છે. નવું મોડલ તમામ વપરાશકર્તાઓ માટે GPT-4 ની બુદ્ધિમત્તા અને ક્ષમતાઓને એકસાથે લાવે છે. ઓપનએઆઈ સ્પ્રિંગ અપડેટ ઈવેન્ટનું આયોજન કરનાર ઓપનએઆઈ સીટીઓ મીરા મુરાતીએ જણાવ્યું હતું કે GPT-4o ઝડપી છે અને દરેક માટે OpenAIની સૌથી અદ્યતન સુવિધાઓ લાવે છે.
લાઈવ સ્ટ્રીમ ઈવેન્ટે ChatGPTની ડેસ્કટોપ એપ, વેબ UI અપડેટ્સ, GPT-4O ની મફત ઍક્સેસ અને GPT-4O ની ક્ષમતાઓનો લાઈવ ડેમો લોન્ચ કર્યો. સત્ર દરમિયાન, મુરતિએ ઓપનએઆઈના મિશન પર ભાર મૂક્યો – “કૃત્રિમ બુદ્ધિમત્તાનો લાભ સમગ્ર માનવતાને મળે તેની ખાતરી કરવા.”
ઇવેન્ટ દરમિયાન દર્શાવવામાં આવેલ ChatGPT માટેની ડેસ્કટોપ એપ્લિકેશનનો હેતુ ChatGPTની ઍક્સેસને સરળ, સરળ અને વ્યક્તિના કાર્યસ્થળમાં એકીકૃત કરવામાં સરળ બનાવવાનો હતો. વધુમાં, મુરતિના જણાવ્યા અનુસાર રિફ્રેશ કરેલ UIનો હેતુ ક્રિયાપ્રતિક્રિયાઓને વધુ કુદરતી બનાવવા અને વપરાશકર્તાઓને ChatGPT ના સહયોગી પાસાં પર વધુ ધ્યાન કેન્દ્રિત કરવાની મંજૂરી આપવાનો છે. મુરત્તીએ જણાવ્યું હતું કે AI મોડલ્સ વધુને વધુ જટિલ બની રહ્યા છે, અને OpenAI ઈચ્છે છે કે તેના વપરાશકર્તાઓ AI મોડલ્સ સાથે વધુ કુદરતી અને આકર્ષક ક્રિયાપ્રતિક્રિયા કરે.
GPT-4o નો પરિચય
GPT-4o GPT-4 સ્તરની બુદ્ધિ પૂરી પાડે છે અને તે ખૂબ ઝડપી છે અને ટેક્સ્ટ, વિઝન અને ઑડિયોમાં તેની ક્ષમતાઓને સુધારે છે. નવા મોડલનું વર્ણન કરતાં મુરતિએ કહ્યું કે આ પહેલીવાર છે જ્યારે OpenAI ઉપયોગની સરળતાના સંદર્ભમાં એક મોટું પગલું આગળ લઈ રહ્યું છે. GPT-4o માનવ-થી-મશીન ક્રિયાપ્રતિક્રિયાને વધુ કુદરતી અને વધુ સરળ બનાવે છે.
GPT-4o પર વૉઇસ મોડ કાર્યક્ષમ છે અને સ્પીકર અથવા બહુવિધ સ્પીકરનો અવાજ સાહજિક રીતે ઓળખે છે. અત્યાર સુધી, ત્યાં ત્રણ મોડલ હતા જે એકસાથે વૉઇસ મોડમાં સુવિધા પ્રદાન કરવા માટે આવ્યા હતા. આ છે – ટ્રાંસ્ક્રિપ્શન, ઇન્ટેલિજન્સ અને ટેક્સ્ટ-ટુ-સ્પીચ અને તે બધા એકસાથે આવે છે અને વૉઇસ મોડને ડિલિવર કરવા માટે ગોઠવવામાં આવે છે. આના કારણે વિલંબ થયો, જો કે, GPT-4o સાથે તે બધું એકીકૃત રીતે થાય છે. “GPT-4O અવાજ, ટેક્સ્ટ અને દ્રષ્ટિને અસર કરે છે,” મુરતિએ કહ્યું.
હાલમાં, 100 મિલિયનથી વધુ લોકો ChatGPT નો ઉપયોગ શીખવા, બનાવવા અને કામ કરવા માટે કરે છે. અત્યાર સુધી, અદ્યતન સાધનો ફક્ત પેઇડ વપરાશકર્તાઓ માટે જ ઉપલબ્ધ હતા. GPT-4o, તેની અદ્યતન ક્ષમતાઓ સાથે, બધા વપરાશકર્તાઓ હવે OpenAI ના શક્તિશાળી સાધનોનો અનુભવ કરી શકે છે. આજથી શરૂ કરીને, વપરાશકર્તાઓ GPT સ્ટોરમાંથી GPT ઍક્સેસ કરી શકશે, આવશ્યકપણે 10 લાખથી વધુ GPTની ઍક્સેસ મેળવશે. આ વિકાસકર્તાઓ માટે વધુ શક્યતાઓ ખોલશે કારણ કે તેમની પાસે ઘણા મોટા પ્રેક્ષકો હશે.
GPT-4o પાસે એક વિઝન પણ છે, જે વપરાશકર્તાઓને ફોટા અને દસ્તાવેજો અપલોડ કરવા અને તેના વિશે વાતચીત શરૂ કરવાની મંજૂરી આપે છે. વ્યક્તિ મેમરી સુવિધાનો પણ ઉપયોગ કરી શકે છે અને વાસ્તવિક સમયની માહિતી શોધવા માટે વાતચીત દ્વારા બ્રાઉઝ કરી શકે છ. ઉપરાંત, OpenAI એ 50 વિવિધ ભાષાઓમાં ગુણવત્તા અને ઝડપ સુધારી છે.
GPT-4o ક્ષમતાઓ
ઇવેન્ટ દરમિયાન, OpenAI સંશોધન વડા માર્ક ચેન અને બેરેટ ઝોફે કેટલાક રસપ્રદ લાઇવ ડેમોનું નિદર્શન કર્યું. તેઓએ ChatGPT સાથે રીઅલ-ટાઇમ ક્રિયાપ્રતિક્રિયાઓ સાથે શરૂઆત કરી, જ્યાં તે બતાવવામાં આવ્યું હતું કે મોડેલ કેવી રીતે વપરાશકર્તાની લાગણીઓને સમજી શકે છે, અને ક્રિયાપ્રતિક્રિયાની વિવિધ ભાવનાત્મક શૈલીઓ સાથે આવે છે. દ્રષ્ટિની ક્ષમતાઓનું નિદર્શન કરતાં, Zoff એ રેખીય સમીકરણોમાં ગણિતની સમસ્યા લખી અને ChatGPT ને તેને પગલું-દર-પગલાંમાં ઉકેલવા કહ્યું. ચેટબોટ સમસ્યાને સરળતાથી હલ કરી દે છે જ્યારે ઝોફે વાત કરતી વખતે સમસ્યા લખી હતી.
ChatGPT ડેસ્કટોપ એપનું પણ નિદર્શન કરવામાં આવ્યું હતું. બંનેએ ChatGPT ને કેટલાક કોડિંગ પ્રશ્નો સમજવામાં મદદ કરવા કહ્યું. બોટએ તેમને મદદ કરી અને જટિલ ચાર્ટની એક-વાક્યની ઝાંખી પણ આપી. આ સિવાય તે રિયલ ટાઈમમાં તમારો ચહેરો જોઈને તમારી લાગણીઓ વિશે પણ જણાવવામાં સક્ષમ છે. મુરતી અને ચેને ChatGPT ની લાઇવ રીઅલ-ટાઇમ અનુવાદ ક્ષમતાઓ પણ દર્શાવી.
GPT-4o આગામી થોડા અઠવાડિયામાં પુનરાવર્તિત જમાવટમાં લોન્ચ કરવામાં આવશે. GPT-4o એ API માટે પણ ઉપલબ્ધ છે અને તે GPT-4 ટર્બો કરતાં બમણી ઝડપી, 50 ટકા સસ્તી અને 5 ગણી ઊંચી દર મર્યાદા સાથે છે.
