OpenAI’ın GPT-4o modeli yapay zekânın potansiyelini sergiliyor

13 Mayıs 2024 Pazartesi günü OpenAI, yeni amiral gemisi modeli GPT-4o'yu duyurdu; buradaki 'o', 'omni' anlamına geliyor. GPT-4o, gerçek zamanlı metin, ses ve görüntü etkileşimleri için geliştirilmiş, daha hızlı işlem, çok dilli destek ve gelişmiş güvenlik sunan ileri düzey bir çok modlu yapay zekâ modelidir.

Yeni üretken yapay zekâ yetenekleri sunuyor. ChatGPT'nin sohbet becerilerini temel alan GPT-4o'nun özellikleri, insanların yapay zekâyı algılama biçiminde önemli bir ilerlemeye işaret ediyor. Artık GPT-4o ile gerçek bir insanmış gibi konuşabiliyoruz. GPT-4o'nun neler yapabildiğine göz atalım!

GPT-4o'yu tanıyalım#

OpenAI'ın ilkbahar güncellemesinde GPT-4o'nun GPT-4 kadar akıllı olduğu, ancak verileri daha hızlı işleyebildiği ve metin, görüntü ve ses konusunda daha yetenekli olduğu açıklandı. Modelleri daha akıllı hâle getirmeye odaklanan önceki sürümlerin aksine bu sürüm, yapay zekâyı geniş kitlelerin daha kolay kullanabilmesi ihtiyacı göz önünde bulundurularak hazırlandı.

Şekil 1. OpenAI'nin bahar güncellemesi

Geçen yılın sonlarında yayımlanan ChatGPT'nin ses modu, sesli girdileri yazıya dökmek, yazılı yanıtları anlamak ve oluşturmak, ardından kullanıcının yanıtı duyabilmesi için metni konuşmaya dönüştürmek üzere üç farklı modelin birlikte çalışmasını gerektiriyordu. Bu modda gecikme sorunları yaşanıyor ve deneyim pek doğal hissettirmiyordu. GPT-4o, metni, görüntüyü ve sesi tek seferde yerel olarak işleyerek kullanıcıya doğal bir sohbete katıldığı izlenimini verebiliyor.

Ayrıca, ses modundan farklı olarak artık GPT-4o konuşurken sözünü kesebilirsin; GPT-4o da tıpkı bir insan gibi tepki verir. Durup seni dinler, ardından söylediklerine göre gerçek zamanlı yanıt verir. Sesiyle duygularını ifade edebilir ve senin tonunu da anlayabilir.

GPT-4o'nun heyecan verici özellikleri#

GPT-4o'nun model değerlendirme sonuçları ne kadar gelişmiş olduğunu gösteriyor. En ilgi çekici sonuçlardan biri, GPT-4o'nun özellikle daha az yaygın dillerde Whisper-v3'e kıyasla tüm dillerde konuşma tanımayı önemli ölçüde iyileştirmesi oldu.

Ses ASR (Otomatik Konuşma Tanıma) performansı, bir modelin konuşma dilini ne kadar doğru biçimde metne dönüştürdüğünü ölçer. GPT-4o'nun performansı, yanlış yazıya aktarılan sözcüklerin yüzdesini gösteren Sözcük Hata Oranı (WER) ile izlenir (düşük WER, daha iyi kalite demektir). Aşağıdaki grafik, GPT-4o'nun farklı bölgelerde daha düşük WER değerlerine sahip olduğunu göstererek kaynakları kısıtlı dillerde konuşma tanımayı iyileştirmedeki başarısını ortaya koyuyor.

Şekil 2. GPT-4o birçok dilde üstün konuşma tanıma performansı sunuyor.

GPT-4o'nun bazı diğer benzersiz özelliklerine göz atalım:

• Daha hızlı - GPT-4 Turbo'dan iki kat hızlıdır. Sesli girdilere, insan konuşmasındaki yanıt sürelerine benzer şekilde yalnızca 232 milisaniyede yanıt verebilir.
• Uygun maliyetli - GPT-4o'nun API sürümü, GPT-4 Turbo'dan %50 daha ucuzdur.
• Bellek - GPT-4o, farklı konuşmalar boyunca farkındalığını koruyabilir. Farklı sohbetlerde neler konuştuğunu hatırlayabilir.
• Çok dilli - GPT-4o, 50 farklı dilde hız ve kaliteyi artıracak şekilde eğitilmiştir.

GPT-4o'nun yapabileceklerine örnekler#

Artık telefonunda GPT-4o'yu açıp kameranı çalıştırabilir ve bir arkadaşına sorar gibi yüz ifadena bakarak ruh hâlini tahmin etmesini isteyebilirsin. GPT-4o seni kamera aracılığıyla görebilir ve yanıt verebilir.

Şekil 3. GPT-4o'nun video aracılığıyla bir kişinin ruh hâlini anlaması.

Yazdıklarını video aracılığıyla GPT-4o'ya göstererek matematik problemlerini çözmene yardımcı olmasını bile sağlayabilirsin. Alternatif olarak ekranını paylaşabilir ve aşağıda gösterildiği gibi geometri dersinde bir üçgenin farklı bölümlerini işaretlemeni isteyen Khan Academy'de yararlı bir özel öğretmene dönüşmesini sağlayabilirsin.

Şekil 4. GPT-4o, Khan Academy'de özel öğretmenlik yapıyor.

Geliştiriciler, çocuklara matematikte yardımcı olmanın yanı sıra kodlarında hata ayıklamak için GPT-4o ile sohbet edebilir. Bu, ChatGPT'nin masaüstü uygulaması olarak sunulması sayesinde mümkün. Masaüstü GPT-4o sesli uygulamasıyla konuşurken Ctrl+C tuşlarını kullanarak kodunu vurgulayıp kopyalarsan kodunu okuyabilir. İstersen farklı diller konuşan geliştiriciler arasındaki konuşmaları çevirmek için de kullanabilirsin.

Olası kullanım alanları oldukça geniş. OpenAI'ın en ilgi çekici demolarından birinde, GPT-4o'nun kendisinin farklı örnekleriyle konuşup birlikte şarkı söylemesini göstermek için iki telefon kullanıldı.

Şekil 5. Yapay zekânın yapay zekâyla konuşup şarkı söylemesi.

GPT-4o uygulamaları#

Bir demoda gösterildiği gibi GPT-4o, görme engelli kişiler için dünyayı daha erişilebilir hâle getirebilir. Bu kişilerin çevreleriyle etkileşim kurmasına ve daha güvenli, bağımsız biçimde hareket etmesine yardımcı olabilir. Örneğin kullanıcılar videoyu açıp GPT-4o'ya sokak manzarasını gösterebilir. GPT-4o daha sonra engelleri tanımlamak, sokak tabelalarını okumak veya belirli bir konuma yönlendirmek gibi çevreye ilişkin gerçek zamanlı açıklamalar sunabilir. Yaklaşan bir taksiyi haber vererek taksi çağırmalarına bile yardımcı olabilir.

Şekil 6. GPT-4o, yaklaşan bir taksiyi haber veriyor.

GPT-4o farklı sektörlerde de kullanılabilir. Perakendede gerçek zamanlı destek sunarak, soruları yanıtlayarak ve müşterilerin hem çevrimiçi ortamda hem de mağazada ürün bulmasına yardımcı olarak müşteri hizmetlerini iyileştirebilir. Diyelim ki bir ürün rafına bakıyorsun ve aradığın ürünü seçemiyorsun; GPT-4o onu bulmana yardımcı olabilir.

Sağlık hizmetlerinde GPT-4o, hasta verilerini analiz ederek, belirtilere göre olası rahatsızlıkları önererek ve tedavi seçenekleri hakkında yol göstererek teşhise yardımcı olabilir. Ayrıca hasta kayıtlarını özetleyerek, tıp literatürüne hızlı erişim sağlayarak ve hatta farklı diller konuşan hastalarla iletişim kurmak için gerçek zamanlı çeviri sunarak sağlık profesyonellerini destekleyebilir. Bunlar yalnızca birkaç örnek. GPT-4o'nun uygulamaları, kişiye ve bağlama duyarlı yardım sunup bilgi ve iletişim engellerini ortadan kaldırarak günlük yaşamı kolaylaştırıyor.

GPT-4o ve model güvenliği#

Yüz milyonlarca insanın yaşamını etkileyen önceki GPT sürümleri gibi GPT-4o da dünya genelinde gerçek zamanlı ses ve videoyla etkileşim kuracak; bu da güvenliği söz konusu uygulamaların kritik bir unsuru hâline getiriyor. OpenAI, olası riskleri azaltmaya odaklanarak GPT-4o'yu geliştirmek için büyük özen gösterdi.

OpenAI, güvenlik ve güvenilirliği sağlamak için sıkı güvenlik önlemleri uyguladı. Bu önlemler arasında eğitim verilerini filtrelemek, eğitim sonrasında model davranışını iyileştirmek ve ses çıktılarının yönetimi için yeni güvenlik sistemleri eklemek bulunuyor. Ayrıca GPT-4o; sosyal psikoloji, önyargı ve adalet ile yanlış bilgilendirme gibi alanlarda 70'ten fazla dış uzman tarafından kapsamlı biçimde test edildi. Dış testler, yeni özelliklerin yol açtığı veya artırdığı risklerin belirlenip ele alınmasını sağlıyor.

OpenAI, yüksek güvenlik standartlarını korumak için GPT-4o'nun özelliklerini önümüzdeki birkaç hafta boyunca kademeli olarak kullanıma sunuyor. Aşamalı kullanıma sunma süreci OpenAI'nin performansı izlemesine, sorunları gidermesine ve kullanıcı geri bildirimlerini toplamasına olanak tanıyor. Dikkatli bir yaklaşım, GPT-4o'nun en yüksek güvenlik ve etik kullanım standartlarını korurken gelişmiş yetenekler sunmasını sağlıyor.

GPT-4o'yu kendin dene#

GPT-4o ücretsiz olarak kullanılabilir. Yukarıda bahsedilen gerçek zamanlı sohbet yeteneklerini denemek için ChatGPT uygulamasını doğrudan telefonuna Google Play Store'dan veya Apple App Store'dan indirebilirsin.

Giriş yaptıktan sonra ekranın sağ üst köşesindeki üç noktaya dokunarak görüntülenen listeden GPT-4o'yu seçebilirsin. GPT-4o'nun etkin olduğu bir sohbete geçtikten sonra ekranın sol alt köşesindeki artı işaretine dokunursan birden fazla girdi seçeneği görürsün. Ekranın sağ alt köşesinde bir kulaklık simgesi bulunur. Kulaklık simgesini seçtiğinde GPT-4o'yu eller serbest biçimde kullanmak isteyip istemediğin sorulur. Onay verdikten sonra aşağıda gösterildiği gibi GPT-4o'yu deneyebilirsin.

Şekil 7. GPT-4o'yu ChatGPT mobil uygulamasında deneme.

GPT-4o'nun gelişmiş yeteneklerini kendi projelerine entegre etmek istersen geliştiriciler için bir API olarak kullanılabilir. Bu API, GPT-4o'nun güçlü konuşma tanıma, çok dilli destek ve gerçek zamanlı sohbet yeteneklerini uygulamalarına entegre etmene olanak tanır. API'yi kullanarak kullanıcı deneyimlerini iyileştirebilir, daha akıllı uygulamalar geliştirebilir ve en yeni yapay zekâ teknolojisini farklı sektörlere taşıyabilirsin.

GPT-4o: Henüz tam anlamıyla insan değil#

GPT-4o önceki yapay zekâ modellerinden çok daha gelişmiş olsa da kendi sınırlamalarının bulunduğunu unutmamak önemlidir. OpenAI, konuşma sırasında bazen İngilizceden Fransızcaya geçerek rastgele dil değiştirebildiğini belirtti. GPT-4o'nun diller arasında hatalı çeviri yaptığı da görüldü. Daha fazla kişi modeli denedikçe GPT-4o'nun hangi alanlarda başarılı olduğunu ve nerelerde daha fazla geliştirilmesi gerektiğini anlayacağız. Nesne algılama gibi görüntü görevlerinde GPT-6.1 Sol ve GPT-6 Astra gibi daha yeni OpenAI modelleri, VLM Lider Tablosu'nda diğer görsel-dil modelleriyle karşılaştırılıyor.

Özetle#

OpenAI'ın GPT-4o'su, gelişmiş metin, görüntü ve ses işleme yetenekleriyle yapay zekâ için yeni kapılar açıyor ve doğal, insana benzer etkileşimler sunuyor. Hız, maliyet verimliliği ve çok dilli destek açısından öne çıkıyor. GPT-4o; eğitim, erişilebilirlik ve gerçek zamanlı destek için çok yönlü bir araç. Kullanıcılar GPT-4o'nun yeteneklerini keşfettikçe geri bildirimleri, modelin gelişimini yönlendirecek. GPT-4o, yapay zekânın günlük yaşamımızın bir parçası hâline geldiğini gösteriyor.

Yapay zekâyı daha yakından keşfetmek için GitHub depomuza göz at ve topluluğumuza katıl. Yapay zekânın üretim ve tarım gibi sektörleri nasıl dönüştürdüğünü görmek için çözüm sayfalarımızı ziyaret et.