2012 жылдан бері Be My Eyes зағип немесе көруі нашар 250 миллионнан астам адам қауымдастығына арналған технология жасап келеді. Даниялық стартап зағип немесе көруі нашар адамдарды өнімді анықтау не әуежайда жол табу сияқты күнделікті өмірдегі жүздеген міндет бойынша көмектесетін еріктілермен байланыстырады.
GPT‑4‑тің жаңа визуалды енгізу мүмкіндігімен (зерттеу preview-нде) Be My Eyes адам еріктімен бірдей деңгейде контекст пен түсінік бере алатын, GPT‑4 қуаттандыратын Virtual Volunteer™ қызметін Be My Eyes қолданбасының ішінде дамыта бастады.
«Қол жеткізген қысқа уақыт ішінде біз осы саладағы кез келген кескіннен мәтінге нысан тану құралымен салыстырғанда теңдессіз өнімділікті көрдік», — дейді Be My Eyes компаниясының CEO-сы Майкл Бакли. «Жаһандық қолжетімділікке әсері орасан зор. Алыс емес болашақта зағип және көруі нашар қауымдастық бұл құралдарды тек түрлі визуалды түсіндіру қажеттері үшін ғана емес, өмірде әлдеқайда тәуелсіз болу үшін де қолданады.»
Біреу жіберген, мысалы, тоңазытқышының ішін көрсететін суретті алсақ, GPT‑4 технологиясы ондағыны танып, атын атап қана қоймай, сол ингредиенттерден не жасауға болатынын да болжайды және талдайды. Содан кейін одан жақсы рецепт сұрай аласыз. Қолдану жағдайлары дерлік шексіз.
«Бұл ойынды өзгертеді», — дейді Бакли. «Түптеп келгенде, пайдаланушы не қаласа не қажет етсе, көбірек қолдануға болатын, пайдалы әрі көмектесетін ақпарат алу үшін құралға қайта көмексөз бере алады, әрі мұны дерлік бірден жасайды.»
Ақпан айының басында компания GPT негізіндегі ассистентті қызметкерлердің шағын тобымен бета-сынақтан өткізе бастады; нәтижелердің соншалық оң болғаны сонша, бұл мүмкіндік бірнеше апта ішінде пайдаланушылар қолына тиеді.
«Қауымдастығымыз үшін мұнда таңғаларлық зор әлеует бар», — дейді Бакли. «Біздің бета-тестерлеріміз, соның ішінде Люси Эдвардс та, мұның не істейтінін қазірдің өзінде ұнатып отыр.»
Be My Eyes компаниясының CTO-сы Йеспер Хвирринг Хенриксеннің түсіндіруінше, GPT‑4 пен басқа тілдік және машинамен оқыту модельдерінің айырмасы — әңгіме жүргізе алу қабілетінде де, технология ұсынатын аналитикалық қуаттың жоғары деңгейінде де. «Негізгі кескінді тану қолданбалары тек алдыңызда не тұрғанын айтады», — дейді ол. «Олар кеспеде дұрыс ингредиенттер бар-жоғын немесе жердегі зат жай ғана доп емес, сүріну қаупі екенін түсіну үшін талқылау жүргізе алмайды және мұны жеткізе де алмайды.»
«GPT-4 пен басқа тілдік және машинамен оқыту модельдерінің айырмасы — әңгіме жүргізе алу қабілетінде де, технология ұсынатын аналитикалық қуаттың жоғары деңгейінде де.»
Компанияда қазірдің өзінде бір пайдаланушы теміржол жүйесінде жол таба алған жағдай бар — бұл, бәлкім, көзі көретіндер үшін де мүмкін емес міндет — ол тек картадан өз орны туралы мәлімет алып қана қоймай, барғысы келген жерге қалай қауіпсіз жету керегі жөнінде нүкте-нүктесімен нұсқаулар да алған.
Дегенмен күрделі физикалық әлемде жүру — оқиғаның тек жартысы ғана. Көзі көрмейтін адам үшін экрандағыны түсіну одан екі есе ауыр болуы мүмкін. Көптеген заманауи операциялық жүйеге ендірілген экран оқуыштары веб-бет не жұмыс үстелі қолданбасының бөліктерін жол-жолымен, бөлім-бөлімімен оқып, әр сөзді дауыстап айтады. Ал вебтегі коммуникацияның өзегі саналатын кескіндер одан да қиын болуы мүмкін.
Алайда, Хенриксеннің айтуынша, енді олар GPT‑4‑ке веб-бетті көрсете алады, сонда жүйе — терең оқыту алгоритмдері веб-беттің «маңызды» бөлігін түсіну үшін байланыстар құратын сансыз сағаттық жаттығудан кейін — қай бөлікті оқу не түйіндеу керегін біледі. Бұл тек жаңалықтарды онлайн оқу сияқты тапсырмаларды жеңілдетіп қана қоймай, визуалды көмекке мұқтаж адамдарға вебтегі ең ретсіз беттердің кейбіріне: сауда және e-commerce сайттарына қол жеткізуге мүмкіндік береді. GPT‑4 іздеу нәтижелерін көзі көретін адам оларды табиғи түрде шолатындай етіп түйіндей алады — әрбір ұсақ-түйек детальді оқымай, маңызды дерек нүктелерінің арасында ауысып — және көру қолдауына мұқтаж жандарға нақты уақытта дұрыс сатып алуға көмектеседі.
«Бұл — адамзат үшін керемет даму», — дейді Бакли, «бірақ сонымен бірге бұл орасан зор коммерциялық мүмкіндік те.»
