在今年的3月中旬，OpenAi在GPT-4的发布会上表示，在未来GPT-4的应用层中将加入“图片识别理解能力”，旨在让GPT-4更好地认知现实事物，同时结合LLMs的优势理解产出相关文字内容，这一功能看上去非常酷，但OpenAi迟迟没有让这一功能上线公测，就在大家都怀疑是Open
AI领域战火再次升级。这次是人工智能另一重要分支，计算机视觉领域迎来关键转折——4月5日周三，Meta正式推出模型SAM（Segment Anything Model），称这一模型可用于识别图像和视频中的物体，甚至是从未被训练学习过的物品。
Meta上周发布了全新的人工智能模型SAM。新模型的出现，令图像识别门槛大幅降低。人工智能科学家甚至将Meta的这项研究称作计算机视觉领域的“GPT-3时刻”。计算机视觉技术有了重大突破，哪些行业将会受益？A股市场上又有哪些公司具备技术优势？
赶在 Google I/O 大会之前，5 月 14 日凌晨，OpenAI 发布了一个新模型——GPT-4o。事实上，在不到 30 分钟的发布会中，最为人津津乐道的不是 GPT-4o 这个模型自身，而是在 GPT-4o 的支撑下，ChatGPT 的交互体验。
据澎湃新闻报道，当地时间5月13日，OpenAI推出新旗舰模型GPT-4o，可以实时对音频、视觉和文本进行推理。据介绍，新版模型能够带着情感与用户对话，还能假装兴奋、友好，甚至讽刺，其响应时间最短也来到了232毫秒，这与人类在对话中的响应时间相似。
1GPT-4o啥意思？时间5月14日凌晨，OpenAI举办线上“春季更新”活动，发布新旗舰生成式AI模型GPT-4o。GPT-4o中的“o”代表Omni，在英语中“Omni”常被用作词根，用来表示“全部”或“所有”的概念，也可以被理解为“全能”。
还记得今年 3 月 OpenAI 在发布 GPT-4 时提到的多模态功能吗?此前微软曾透露 Bing Chat 使用的正是 GPT-4 模型，并在上个月的大更新日志中有提到会为 Bing 加入多模态支持，综合来看，Bing Chat 很可能正在逐步开发向用户开放识图功能测试。
美国《纽约时报》9月4日文章，原题：当机器人夺人之爱时，会发生什么？ 纵观历史，鲜少有技术能够为数百万计的民众提供公共对话的空间。报纸、电报和电台等现代信息技术问世后，技术领域的任何重大变革都可能导致政治动荡。互联网和社交媒体发展初期，技术所有者承诺将传递真理，但如今却适得其反。
