文｜崔伟
清华大学博士
浙江大学金融学系校外导师
IEEE PES 中国区常务理事
GPT-4o将人机交互
提升到一个全新的水平
5月13日，OpenAI发布了新的全能模型GPT-4o，实现了跨模态的即时响应，在全球立即引起了广泛的关注和轰动。
在OpenAI的发布会上，GPT-4o在没有任何延迟感的语音对话中，表现出了和真人无异的节奏、语气和交互性，甚至还能隔空接住主持人Mira Murati（OpenAI的CTO）抛出的“梗”。
媒体一片惊叹：人们期待已久的“全能AI助手”，终于要成为现实了！
▲ GPT-4o发布会现场
GPT-4o 的“o”代表“omni”，意味着全能。此模型的多模态交互能力很强，可接受文本、音频和图像的“混合”输入，能快速响应并完成推理，生成文本、音频和图像的组合输出。
这种自然的交互体验，让人几乎难以察觉与机器的界限。
OpenAI首席执行官 Sam Altman 没有在这场发布会上亮相，发布会结束后也只在社交媒体上发布了一个词——她（Her）。电影《她》正讲述了一名男性作家和一名人工智能语音助手建立了恋爱关系，GPT-4o和电影中斯嘉丽·约翰逊配音的“她”非常相似。通过直播，OpenAI全方位展示了接入GPT-4o后，ChatGPT是如何识别用户语音甚至面部表情中的情绪。可读懂用户情绪的智能助理，似乎真的有望让科幻电影的桥段走入现实。
GPT-4o和国内主流大语言模型的
最大差别——交互性
众所周知，自从ChatGPT发布以后，国内也出现了“百模大战”，无论是科研机构还是企业界，都推出了各种不同类型的开源、闭源模型，其中不少声称已经达到甚至超过了GPT-4的水平。
这种比较的依据，主要源自以下几个常见的评判指标：
MMLU：通用知识和推理能力。
MATH：数学解题能力。
GSM8K：小学数学。
HumanEval：Python 编码任务。
GPQA：大学生物、物理和化学问答。
DROP：阅读理解和算术。
Big-Bench-Hard：综合评估。
ARC-Challenge：常识推理。
HellaSwag：常识推理。
AGIEval：大学入学考试和资格考试。
MT-Bench：多轮对话基准测试。
AlpacaEval 2.0：指令跟随能力。
目前最为常用的大语言模型（LLM）对比标准是Huggingface的“LMSYS Chatbot Arena Leaderboard”（https://huggingface.co/spaces/lmsys/chatbot-arena-leaderboard），笔者查看了当前（6月5日）的排行榜（部分）：
可以看到国内的通义千问（阿里出品）、GLM（智谱AI出品）等大模型在通用知识、问题解答、多轮对话方面，可以说不遑多让，已经进入国际第一阵营。
但是为什么，我们在使用国内的AI工具时，虽然在代码辅助、文件解读、知识搜索等方面已经具备了强大的功能，相对于GPT-4o在应答问题方面的轻松自如，总觉得缺了一点什么呢？
可以明显感觉到的是：国内的产品，在交互性，或者人性化方面，与GPT-4o略逊一筹，也就是说，GPT-4o显得更有“灵性”，具有更强的人性化能力，可以更好地理解用户的情感和意愿，从而实现更加智能的交互。
在5月13日的发布会中，GPT-4o甚至可以通过摄像头，读懂用户表情的含义，并给予适当的响应。
这种交互中的“情感”和“温度”，恰恰是我们所欠缺的。
从OpenAI的图书馆谈起
最近有媒体公开了OpenAI总部大楼的陈设。这栋小楼很不起眼，外面也没有大幅的标识，你根本想不到，里面正在开发人类最先进的人工智能模型。
▲ OpenAI位于旧金山市区的三层办公楼
更加令人意外的是，里面布置了一个两层楼的图书馆。
图书馆中的书籍来自员工的捐献和推荐。书架上琳琅满目的图书，涵盖了科技、人文、艺术等多个领域，反映出OpenAI团队的多元知识背景。
下方可以看到有《西方世界的艺术战争》《20世纪美国艺术史》《美国油画》这样的艺术类书籍：
还有大量关于心理学的书籍，以及不可或缺的《2001：太空漫游》：
以及一些科学家的传记，例如《奥本海默》：
这个图书馆已经成为了员工办公、阅读、休息的空间：
显然，我们无法通过这些书籍简单地判断出OpenAI员工的知识结构，但是可以从中一窥其团队的阅读视野和素养：艺术、历史、心理学，不一而足。
这些看似与人工智能毫不相关的人文知识，可能恰恰是让其产品具备了更强“人性”的关键。
您可能会觉得：这个结论下得有点太武断了吧？我们单位的读书室里面，可是也有各种方方面面的书籍，这也不意味着我们都爱读书，都具备人文素养啊。
我们不妨再来看看OpenAI一位重要成员的履历：今年年初在“文生视频”领域带来突破性变革的Sora项目负责人Tim Brooks。
Tim本科就读于卡内基梅隆大学，主修逻辑与计算，辅修计算机科学，其间在Facebook软件工程部门实习了四个月。去年一月，Tim顺利毕业并取得了博士学位，转而加入OpenAI，并相继参与了DALL-E 3和Sora的工作。
值得一提的是，Tim不仅在专业领域拥有高超的技术水平，还是个多才多艺的人。据Tim自己介绍，他还喜欢摄影和音乐，高中时他拍摄的照片获得过National Geographic颁发的奖项，本人到过百老汇演出，还获得过B-box国际奖项。
▲ Tim Brooks的摄影作品
正是Tim Brooks在艺术领域的造诣，让他能够在众多的计算机科学家、软件工程师的队伍中脱颖而出，打造出Sora这样兼具美感和智能的划时代产品。
相比之下，我们的人工智能团队，具备心理学、艺术、人文背景的知识储备和人员太少。这是我们总体的社会氛围决定的。
我们从小学习的都是：学好数理化，走遍天下都不怕。笔者作为一名科研工作者，也深刻地体会到：在解决工程问题层面，技术能力是足够的。但是一旦到了前沿的创新领域，哲学思维和人文素养，就显得越来越重要。比如，一个AI产品经理的能力模型，“常规能力要求、AI相关知识能力以及垂直行业认知等能力项“，决定了他将来工作产出和个人成就的下限，但“人文素养和哲学思维”，将会决定他将来工作产出和个人成就的上限。
如何看待
科技发展和人文素养之间的关系
回到最近发布的GPT-4o。人们惊叹于它在交互上的流畅度和人性化设计，这不仅是算力的胜利，更是团队广泛的人文素养和深厚的心理学素养的结晶。快速响应的技术特性背后是对人的深刻理解，让交互变得生动、自然。
因此，为AI带来个性化、人性化的互动能力，不仅需要技术的支撑，更需要团队成员具备深厚的人文素养和心理学素养。这正是目前国内AI团队所亟须补充的。
而目前国内，在就业导向的学习和教育环境下，人文学科和教育，正面临着前所未有的挑战。著名专栏作家法里德·扎卡里亚在著作《为人文教育辩护》中，并没有展开艰涩的学术探讨，而是由自己从印度到美国耶鲁读书的经历讲起，用对话式的口吻，平实幽默的语言，追溯人文教育的起源和演变，激辩人文教育的争议、困境和意义。
书中引用了生物学家爱德华·奥斯本·威尔森具有预见性的一句名言：
“我们为信息所窒息，而渴求智慧。今后的世界，将属于能总揽全局者，他们在恰当的时间，运用恰当的信息，以独立的思考来做出明智的选择。”
在我们今天这个信息、知识触手可及、浩如烟海的时代，如何打造出具备“智慧”的、人性化的人工智能产品，威尔森的预言可以作为时代的一个注脚。
结语
在人工智能的世界里，代码是构建的基石，但人文素养则是赋予产品“灵魂”的画师。在AI产品的研发过程中，我们需要融入更多的人文关怀，让技术产品不仅高效、智能，更具备“灵魂”。
这不仅是对技术的一次革新，更是对人类文明的一次致敬。
END
* 所刊专家文章并不代表本中心观点。
* 部分图片来源于网络，如有侵权，请联系我们删除。
【欢迎转载】
请注明“来源：数字社会发展与研究”。
数字社会发展研究中心
专注于数字技术发展及相应经济、社会、人文领域的新现象，新问题的公共性观察和研究。
