ChatGPT artık görebiliyor, duyabiliyor ve konuşabiliyor: İşte devrimsel yenilikler

OpenAI tarafından şimdiye kadar ChatGPT üzerinde yapılan şeylerin birçok yapay zekanın yapabilecekleriyle ilgiliydi. Daha gelişmiş model, daha inançlı ve sezgisel akış vb. şeyler firma tarafından ChatGPT eklendi ve eklenmeye devam ediyor. Lakin bu defa, OpenAI, yalnızca ChatGPT’ye yeni özellikler eklemiyor, kullanım halini de değiştiriyor.

OpenAI, yapay zeka botunu sadece bir metin kutusuna cümleler yazarak değil, yüksek sesle konuşarak yahut sırf bir fotoğraf yükleyerek yönlendirmenize imkan tanıyan yeni sürümünü kullanıma sunuyor. OpenAI’ye nazaran yeni özellikler önümüzdeki iki hafta içinde ChatGPT Plus abonelerine sunulacak. Ücretsiz sürüm ve öteki herkes “kısa bir müddet sonra” bu özelliğe sahip olacak.

Sesli sohbet

Öte yandan sesli sohbet kısmı epeyce tanıdık diyebiliriz. Tıpkı Alexa, Cortana, Google Asistan veya Siri’de olduğu gibi ChatGPT ile sohbet edilebilecek. Yalnızca bir düğmeye dokunarak istediğiniz şeyi yapay zekaya söylüyorsunuz. ChatGPT bunu metne dönüştürüyor ve büyük lisan modeline aktarıyor, bir cevap alıyor, bunu tekrar konuşmaya dönüştürerek karşılığı yüksek sesle size aktarıyor.

Bu aslında kısa müddet içinde sıklıkla duyacağımız bir şey olacak. OpenAI yalnızca bir öncü oluyor diyebiliriz. Çünkü görünüşe nazaran çoğu sanal asistan, büyük lisan modellerine dayanacak şekilde tekrardan inşa ediliyor. Kısa bir mühlet içinde telefonlarımızda sahiden ChatGPT gibi sanal asistan yapay zekaları taşımaya başlayacağız.

OpenAI’ın fevkalâde Whisper modeli konuşmadan metne işinin birçoklarını yapıyor ve şirket “sadece metin ve birkaç saniyelik örnek konuşmadan insan gibisi ses” üretebildiğini söylediği yeni bir metinden konuşmaya modelini kullanıma sunuyor. ChatGPT’nin sesini beş seçenek ortasından seçebileceksiniz, fakat OpenAI modelin bundan çok daha fazla potansiyele sahip olduğunu düşünüyor. OpenAI, örneğin podcast‘leri öteki lisanlara çevirmek için Spotify ile birlikte çalışıyor ve bu sırada yepyeni ses ise motamot korunuyor. Sentetik sesler için pek çok değişik kullanım alanı var ve OpenAI bu kesimin büyük bir modülü olabilir.

Ses sentezi risklerle geliyor

Sadece birkaç saniyelik sesle yetenekli bir sentetik ses oluşturabilmeniz, her türlü endişe yaratabilecek durumlara da kapı açıyor. Şirket yeni özellikleri duyurduğu bir blog yazısında “Bu yetenekler, makus niyetli aktörlerin kamuya mal olmuş bireyleri taklit etme ya da dolandırıcılık yapma potansiyeli üzere yeni riskleri de beraberinde getiriyor” diyor. OpenAI, modelin tam da bu nedenle geniş kullanım için uygun olmadığını söylüyor: Çok daha kontrollü olacak ve makul kullanım durumları ve iştiraklerle sonlandırılacak.

Görsel desteği

Bu ortada yeni görsel arama ise aslında biraz Google Lens’e benziyor. İlgilendiğiniz şeyin fotoğrafını çekiyorsunuz ve ChatGPT ne hakkında soru sorduğunuzu anlamaya çalışıyor ve buna nazaran cevap veriyor. Ayrıyeten sorgunuzu netleştirmek için uygulamanın çizim aracını kullanabilir yahut imgeyle sorular yazabilirsiniz.

Açıkçası, görsel aramanın da potansiyel sıkıntıları var. Bunlardan biri, bir sohbet botuna bir kişi hakkında soru sorduğunuzda neler olabileceğiyle ilgili: OpenAI, ChatGPT’nin “insanlar hakkında tahlil yapma ve direkt sözlerde bulunma yeteneğini” hem doğruluk hem de saklılık nedenleriyle kasıtlı olarak sınırladığını söylüyor.

OpenAI, bu yeni sürümle birlikte yeni modellerinin yapabileceklerini kasıtlı olarak sonlandırarak daha inançlı bir yapay zeka oluşturmaya çalışıyor. Lakin bu yaklaşım sonsuza kadar işe yaramayacak. Daha fazla insan sesli denetim ve görsel aramayı kullandıkça ve ChatGPT hakikaten çok modlu, kullanışlı bir sanal asistan olmaya yaklaştıkça, inşa edilen korkulukları orada tutmak gitgide zorlaşacak.