GPT-Live من OpenAI يتوقف أخيرًا عن انتظار انتهاء حديثك

أطلقت OpenAI إعادة تصميم جذرية لكيفية تعامل ChatGPT مع الصوت. النموذج الجديد، المسمى GPT-Live، يستبدل التبادل المحرج للأدوار الذي ابتليت به المساعدات الصوتية للذكاء الاصطناعي منذ بداية هذه الفئة. بدلاً من انتظار الصمت لتقرر أن دورها قد حان، يعمل النظام الآن في وضع الازدواج الكامل (full-duplex)، حيث يستمع ويتحدث في وقت واحد، تمامًا مثل مكالمة هاتفية بشرية. openais-new-gpt-live-1-wants-to-talk-not-just-take-turns

أكثر من 150 مليون شخص يستخدمون ميزات الصوت والإملاء في ChatGPT كل أسبوع، وفقًا لـ OpenAI. يتدربون على اللغات الأجنبية، ويسردون قصص ما قبل النوم، أو يقضون الوقت أثناء التنقل. اعتبارًا من اليوم، سيواجه هؤلاء المستخدمون ما تصفه OpenAI بـ "الترقية المريحة". لم يعد الذكاء الاصطناعي يتصرف مثل آلة الإجابة على الأسئلة الباردة. يستخدم إشارات ردود الفعل الخلفية مثل "همم" و"فهمت". ينتظر بصبر عندما يتوقف المتحدث. ويمكنه حتى البحث عن المعلومات في الخلفية مع الحفاظ على واجهة غير رسمية.

الهندسة المعمارية وراء الشعور الطبيعي

اعتمدت الأنظمة الصوتية السابقة، بما في ذلك ChatGPT Voice الأصلي، على سلسلة متتابعة. تحويل الكلام إلى نص، ثم توليد النص بواسطة نموذج لغوي كبير، ثم تحويل النص إلى كلام. كان التأخير مزعجًا. حتى وضع الصوت المتقدم (Advanced Voice Mode)، الذي قدم نموذجًا شاملاً يعالج التدفقات الصوتية مباشرة، كان لا يزال محاصرًا في تبادل الأدوار. استخدم كشف الصمت. بمجرد أن تتوقف عن الكلام، يبدأ الذكاء الاصطناعي في الكلام. مما جعله هشًا في البيئات الصاخبة.

بنية الازدواج الكامل في GPT-Live تغير كل شيء. يتخذ النموذج مئات القرارات الدقيقة في الثانية حول ما إذا كان يجب التحدث أو الاستماع أو التوقف أو المقاطعة. والنتيجة هي إيقاع محادثة يشبه أخيرًا التفاعل البشري. يمكنه أن يقول "انتظر، دعني أفكر" ثم يظل صامتًا بالفعل. يمكنه معالجة سؤال تطرحه بينما لا تزال في منتصف الجملة. كما أنه يقوم بتصفية الضوضاء الخلفية بشكل أكثر فعالية بكثير من سابقاته. nvidias-audex-packs-five-audio-jobs-into-one-model-and-beats-the-specialists

كما قامت OpenAI بإعادة إتقان جميع الأصوات التسعة المدمجة في ChatGPT لتوفير نغمة تعبيرية ونطاق عاطفي أكبر.

الاستدلال المنفصل: محادثة أمامية، وحوسبة خلفية

القرار المعماري الأكثر تأثيرًا هو فصل القدرات الحوارية والاستدلالية. GPT-Live نفسه هو نموذج خفيف الوزن تم تحسينه بالكامل للتفاعل الطبيعي ومنخفض زمن الاستجابة. عندما يتطلب السؤال تفكيرًا عميقًا، أو بحثًا على الويب، أو مهام وكيل معقدة، يقوم GPT-Live بهدوء بتسليم العمل إلى أحدث نموذج حدودي، وهو في هذا الإصدار الأول GPT-5.5.

بينما يقوم GPT-5.5 بحل الإجابة، يحافظ GPT-Live على استمرار تدفق المحادثة بحديث تمهيدي، ليكسب الوقت حتى تصبح النتيجة جاهزة. يمكن للمستخدمين اختيار شدة الاستدلال: فوري للسرعة، متوسط للتوازن، أو عالي للتفكير العميق. openais-gpt-56-launch-rewrites-the-economics-of-frontier-ai

يخلق هذا الفصل مسارًا للترقية على المدى الطويل. عندما يتم إطلاق نموذج حدودي جديد، يمكن لـ GPT-Live البدء في استدعائه بدلاً من ذلك. وقد ألمحت OpenAI إلى أن سلسلة GPT-5.6 قد تصل في وقت مبكر من الغد، مع وضع GPT-Live كواجهة أمامية مصاحبة. gpt-56-is-here-three-models-a-tiered-safety-doctrine-and-the-question-nobody-is-answering-yet

المعايير: فوز حاسم

في اختبارات عمياء حيث أجرى المقيمون محادثات مدتها من 5 إلى 10 دقائق، تم تفضيل GPT-Live-1 بنسبة 75.7% من الوقت مقارنة بوضع الصوت المتقدم السابق. حتى النسخة الأصغر GPT-Live-1 mini سجلت 69.2%.

على المقاييس الصعبة، تتسع الفجوة أكثر.

• GPQA (فيزياء وكيمياء وأحياء على مستوى الخبراء): GPT-Live-1 على تفكير عالٍ حقق دقة 84.2%، مقابل 45.3% لوضع الصوت المتقدم.
• BrowseComp (مهام البحث المعقدة على الويب والوكيل): وضع الصوت المتقدم حقق 0.7%. وصل GPT-Live-1 إلى 75.2%.
• اختبار الاتصالات الداخلي (دعم العملاء متعدد الجولات): تفوق GPT-Live-1 في إنجاز المهام عبر جميع المجالات.

تخطط OpenAI لإصدار نسخة API قريبًا. يمكن للمطورين بالفعل التسجيل للوصول المبكر.

البطاقات المرئية وضمانات السلامة

يمكن أن يكون الصوت الخالص غير فعال. يعرض GPT-Live الآن بطاقات مرئية على الشاشة عندما تستفيد المحادثة من رسم بياني أو قائمة أو خريطة. أصبحت الواجهة الصوتية بوابة للبحث والذاكرة والتعرف على الصور ومعالجة الملفات.

كانت السلامة محورًا رئيسيًا. نظرًا لأن الصوت فوري، فإن الحجب اللاحق التقليدي بطيء جدًا. قدمت OpenAI تقييمًا صوتيًا أصليًا واختبارًا احمراريًا بالبيانات الاصطناعية. يمكن للنظام توجيه محادثة خطيرة نحو ردود آمنة في منتصف الطريق، أو في الحالات القصوى، قطع الصوت وتقديم خط ساخن للأزمات. the-quiet-finding-on-chain-of-thought-monitoring-that-should-worry-frontier-labs

تم تضمين أدوات الرقابة الأبوية للمستخدمين القصر. وتمنع OpenAI صراحة استنساخ الصوت. يستخدم GPT-Live فقط أصواته التسعة المحددة مسبقًا، وليس تقليدًا لأشخاص حقيقيين.

تم إنشاء آلية مراقبة طويلة المدى لدراسة الارتباط العاطفي. كما تلاحظ OpenAI، عندما يقول صوت الذكاء الاصطناعي "همم" بدفء يبدو حقيقيًا، فإن خطر تكوين المستخدمين لروابط عاطفية هو خطر حقيقي.

التوفر والقيود

يتم طرح GPT-Live الآن على iOS وAndroid والويب. يحصل مشتركو ChatGPT Plus وPro على النسخة الكاملة GPT-Live-1. يتلقى مستخدمو الطبقة المجانية النسخة المصغرة. مشاركة الشاشة ومكالمات الفيديو غير مدعومة عند الإطلاق. يحتاج المستخدمون الذين يحتاجون إلى هذه الميزات إلى العودة إلى الواجهة القديمة.

كما تحذر OpenAI من أن GPT-Live محسّن للغات الأكثر شيوعًا في ChatGPT. قد تحمل بعض اللغات "لهجة أجنبية" أو تخطئ الهدف أحيانًا. تقول الشركة إنها تعمل على توسيع التغطية.

بعد سنوات من الأمل في أن يفهمنا الذكاء الاصطناعي ببساطة، يقدم GPT-Live شيئًا مختلفًا: الشعور بأنه يستمع حقًا. the-98-crash-of-the-trump-memecoin-was-predictable-here-is-what-it-reveals-about-crypto-regulation