ChatGPT-4o'nun aşağıdaki duyurusu, yapay zeka meraklıları arasında büyük bir heyecan yarattı. Bir sohbet botuna mesaj yazmak ve uzun metin cevapları almak yerine, ChatGPT-4o şimdi kullanıcıların sohbet botuyla gerçek zamanlı sesli ve video konuşmalarına katılmasına olanak tanıyor. Bu ilerleme, mevcut etkileşim modelinin sadece bir ilerleme gibi görünebilir, ancak OpenAI tarafından sağlanan video demolarını inceledikten sonra, büyük dil modellerine yönelik algımızın ve kullanımımızın önemli bir değişim sınırında olduğu açıktır. ChatGPT-4o'nun sesli-görsel özelliklerine kişisel erişimimiz olmasa da, sohbet botunun ve kullanıcıların önemli sözlü olmayan ipuçlarının dahil edilmesi konuşmayı çok daha insana benzetiyor. Bu etki, bir babanın beklenti içindeki bir baba espri hakkında ChatGPT-4o'dan görüş sormasıyla daha da belirgindir. Önceki versiyonu, ChatGPT4, "Ailenizin yaklaşan yeni üyesi için tebrikler!" ve "Bu çok komik bir baba espri" gibi metin mesajlarıyla kolayca yanıt verebilirdi, ancak GPT-4o'nun aynı yanıtları videoya dahil etmesiyle birlikte gerçekçi kahkaha ve nüanslı ses tonlarıyla sunması, tamamen yeni bir otantiklik seviyesi getiriyor. Diğer ikna edici bir gösterim, GPT-4o'nun sevimli bir beyaz köpek resimlerine nasıl tepki verdiği ve tiz bir bebek konuşması gibi bir ses tınısı benimsediği halleridir. Bu davranış, ilk defa sevimli bir evcil hayvanla karşılaşmış olan herkes için hemen anlaşılabilen bir durumu sergileyerek Randall Munroe'nun xkcd'den bahsettiği "Sen bir kediciksin!" etkisini gösteriyor.

Bu anlar ve GPT-4o'nun "Doğum günün kutlu olsun" şarkısını dramatik duraklamalar ve değiştirilmiş sözlerle söylediği video gibi, GPT-4o'yu bir insan gibi algılamak zor hale getiriyor. OpenAI'nin GPT-4o demolarını izlerken, sergilenen şaşırtıcı ses yeteneklerine tekrar tekrar gülümsediğimi fark ettim. Bir spor spikeri sesi veya bir sarkastik Aubrey Plaza taklidi olsun, özellikle dil modelleriyle metin tabanlı etkileşimi alışkın olanlar için son derece şaşırtıcı ve etkileyici. Eğer bu demolar, ChatGPT-4o'nun sesli yeteneklerini temsil ediyorsa, kullanıcılar ve bu yapay zeka asistanı arasında yeni bir seviyede parasosyal ilişkinin gelişimini bekleyebiliriz. Yıllardır, metin tabanlı sohbet botları, zekice gözüken bir varlık illüzyonu yaratmak için bilişsel önyargıları kullanıyorlardı. Şimdi ise GPT-4o'nun doğru ses tonu değişimleri ve duygusal yönleriyle, birçok kullanıcının gerçekten "makinedeki hayalet" olduğuna kendini ikna etmesi muhtemel hale geliyor. Duygusal özelliklerin yanı sıra, GPT-4o'nun daha hızlı yanıt süreleri sohbet botlarıyla etkileşimleri devrimlendirmeye yönelik. ChatGPT4'ün iki ila üç saniye aralığını GPT-4o'nun iddia edilen 320 milisaniyesine indirme, başlangıçta önemli görünmeyebilir, ancak zamanla birikir. Gerçek zamanlı çeviri örneği, tamamlanma ve çeviri başlatma arasındaki sıkışık bekleme anları olmadan çok daha doğal bir konuşma sürdürebilmeyi gösteriyor.