OpenAI打算更广泛地推出名为GPT-Vision的功用

跟着今年秋天的临近，谷歌和OpenAI的多模态模型之战，也进入到白热化阶段。

就在上星期，谷歌已经对一些外部公司开放了多模态大模型Gemini的功用。

而OpenAI，当然不会坐以待毙。他们正在争分夺秒地把多模态功用整合进GPT-4里，争夺推出功用与Gemini相似的多模态大模型，一举击杀谷歌。

传说中的多模态功用，在今年3月OpenAI那场震动全世界的GPT-4发布会上，已经被展现过——

在纸上画个草图，拍个照发给GPT-4，说一声「给我按照这种布局做个网站」，它立马就写出了网页代码。

老板Greg Brockman亲自上线演示

不过随后，多模态似乎昙花一现，再也没人见过产品化的实体功用。

所以，谷歌和OpenAI的多模态大战，总算要来了吗？

一、对战谷歌，OpenAI抢发多模态大模型

面临传闻中谷歌要击杀自己的这款大杀器，OpenAI当然不会无动于衷。

据外媒The Information爆料，一款名为Gobi的全新多模态大模型，已经在紧锣密鼓地预备了。

OpenAI方案，在Gemini发布之前就推出多模态LLM，完全打败谷歌。

其实，在3月份推出GPT-4多模态功用的预览后，OpenAI已经向一家名为Be My Eyes的公司推出了这项功用，但并没有向其他公司供给。

从名字就可以看出来，这家公司在研发让盲人或视力欠安人群看得更清楚的技术。

最近，OpenAI打算更广泛地推出名为GPT-Vision的功用。

OpenAI为什么花了这么长期？

最主要的原因，是他们担心新的视觉功用会被不法分子利用，比方经过主动破解验证码来假充人类，或许经过面部识别来追踪人类。

不过，对于这些法律上的安全风险，OpenAI的工程师们似乎已经解决了。

同样，一位谷歌发言人也表示：谷歌已经采取了一些办法，防止Gemini被滥用。

在7月做出的许诺中，谷歌确保会在一切产品中开发负责任的人工智能。