# この放送は、企業との会話を通じて次のキャリアが見つかる、転職版マッチングアプリGreenの提供でお届けしています 大量のワークインテック。この放送は、企業との会話を通じて次のキャリアが見つかる 転職版マッチングアプリGreenの提供でお届けしています。 # GPT4o(オムニ)は「目」を手に入れ感情すらも理解する どうも、大竜です。 皆さん、今日もテックニーやってますか? この放送は、ビスリーチやメルカリ、スマニューといった ユニコーン企業を渡り歩くプロダクトマネージャーが 転職や働き方のコツ、時代の変化についてお話をする番組です。 さて、今日はね、これ5月14日に撮ってるんですが、 オープンAIの新製品発表会みたいのがあったんですよ。 ちょうどそのGoogleのカンファレンスの前に ぶつけてきた格好なのかな。 これがね、なかなか世間をざわつかせるものになっておりましたよ。 動画はね、貼っておくんで見てみていただけると、 英語だったとしても凄さは伝わってくるものになってるんですけど、 まず、新しいモデルはGPT-4Oといって、オムニのことらしいですね、Oは。 オムニっていうのは、オムニチャンネルとか、オムニバースとかっていう風に、 オムニって付くと、なんか全てのとか、 あるいは物を含んだっていう意味になるらしいんですけど、 今回のGPT-4Oはですね、マルチモーダル機能が標準装備されたということで、 これめっちゃ分かりやすく言うと、 チャットGPTが自分で目を持ったってことですね。 これまでは文字で語りかけて、文字で返してくるっていうだけで、 アプリでは今度それが音声になって会話できるようになった。 ただ、スピーチとテキストとスピーチみたいな感じで、 それってコミュニケーションの出口こそ音だけど、 間はテキストで繋いでるんで、 派生系みたいな感じだったんですけど、 今回は目を持ったと。 つまり、画像を読み込ませることができるんですね。 そうすると、「これって何?」とかって聞くと、 かなりの精度で答えてくるし、 写真の中に写っている画像とかも、 まあね、的確に答えてくるんですよ。 僕、最近、ヨナヨナエールっていうクラフトビールが好きで、 ふるさと納税で買ったんですけど、 その箱を見せたら、すごい的確に答えてくれたんで、 ちょっとね、びっくりしちゃいましたね。 これはね、どうやら段ボールに写っている文字を ちゃんと読み取ってるみたいで、 350ml缶が24本入っているみたいなことも ちゃんとわかってるし、 製造がヤッホーブルーイングっていうことも 読み取ってました。 これはね、レシートとか見せても、 まあいい感じに抜き取ってくれて、 ほぼ間違えないんですよね。 なので、画像内の文字をOCR的に抜き取るっていうのが 非常に優れた機能になっていて、 まさに本当にGPTが目を持ったと言っても 過言ではないかなと思いますね。 しかもね、めちゃくちゃ速くなってるんですよ。 なんかね、3倍か4倍ぐらい速くなってるんじゃないかな と思うぐらい体感値は。 ここまで速いと、本当にごく自然な会話を 人としているような感じでやりとりできるんですよね。 これに合わせて、まだ出てないんですけど、 Mac向けのデスクトップアプリも出すみたいですね。 そうすると、本当にMacで会議とかしている その音声を文字起こしして、 サマライズして、要約を残しておくみたいなことも、 このGPT for OMNIモデルがやってくれるなって考えると 結構ワクワクするんですよね。 しかも、これから順次リリースしていくみたいなんですけど、 ちょっとわけわかんないなと思ったのが、 これね、無料ユーザーに提供するらしいんですよね。 もともとGPT forって 課金してないと使えないモデルだったはずなんですけど、 それよりもさらに、それを土台にして進化した 超高速、高性能モデルが、 なんと課金、無課金関係なく提供されるっていうね。 え、じゃあなんかもう課金するのやめようかなって 一瞬思ったんですけど、 ちょっとまだわかんないですけど、 おそらく有料課金ユーザーには さらなるベネフィットが提供されるんでしょうね。 1日あたりの利用回数の制限が、 上限がもっと引き上がるとかね。 カスタマイズの幅が広がるとか、 あとは商用利用も可能になるとか。 いろいろちょっと楽しみなんですけど、 ちなみに動画ではですね、 ChatGPTに話しかけながら、 あとはモデルが話している間でも途中でカットインして、 そうじゃなくてみたいな感じでインタラフトしながら、 もっと感情的に、 もっとMost Impressiveみたいな感じで、 最大限の感情表現で話をしてくれとか、 歌ってくれみたいな会話のイントネーションについての 指示っていうのもちゃんと聞けるようになっていて、 感情っていうものをちゃんと 理解している感じなんですよね。 ここまでくるとね、本当にあらゆるサービスの カスタマーサポートとか、 ユーザーと直接やり取りをするような インターフェースのバックエンドは、 オープンAIのAPIを介して、 システムがAIに接続をして、 GPT-4のオムニモデルがやり取りを 型変わりするという形にすれば、 あらかた解決しちゃうというか、 実現しちゃうんじゃないかなって思ってですね、 今日はなんか久しぶりにオープンAI関連で びっくりしましたというね、そんなお話でした。 今日も聞いていただきありがとうございました。 ではまた。