资讯

在 OpenAI 最近的一场 20 多分钟的发布会中，GPT-4o 正式亮相。然而，这一新发布的模型并未获得所有专家的一致认可。尽管 GPT-4o 原生支持多模态，但一些业内大佬对其进步似乎并不买账。

GPT-4o：小升级还是重大突破？

在 OpenAI 联合创始人、现已离开的传奇大神 AK 看来，GPT-4o 仅仅是一个文本、音频和视觉组合的模型，可以在一个神经网络中处理所有三种模态，甚至可以在特殊情况下进行实时语音翻译。马老板也认为，这种对 GPT-4o 的描述更加准确，隐隐透露出一丝酸意。

然而，当 OpenAI CEO Sam Altman 转发了开发 GPT-4o 背后的团队故事后，外界才真正了解到，要实现原生多模态能力，需要一个怎样的神仙团队。

18 人内核团队：开创人机交互新历史

马斯克曾在采访中表示，OpenAI 推出 ChatGPT 的最大意义在于，创造了一个人机交互的界面，让普通人能用文本与 AI 交流。而 GPT-4o 则希望在人机交互的媒介上进一步拓展，除了文本，还包括音频和视觉等。

要实现这一目标，OpenAI 的 Omni Team 共由 18 人组成，其中 4 名华人，几乎都是 90 后。团队领导 Prafulla Dhariwal 本科学历的背景也显得尤为特别，他在本科毕业后直接加入 OpenAI，参与过强化学习、无监督学习以及 Scaling Law 等前沿研究，还参与了 DALL-E 2 、 GPT-3 、 DALL-E 3 等关键项目。

核心成员：多领域天才齐聚

1. James Betker：负责图像、音频、数据和后期训练等方面，被评价为任何任务都能搞定的多面手。曾在 Garmin 和谷歌工作过，适应能力和职业道德备受认可。
2. Rowan Zellers：视频方面的负责人，让模型能够像人类一样观看视频。他博士毕业后直接加入 OpenAI，参与了多个关键项目，包括 GPT-4 。
3. Alexis Conneau：音频方向的负责人，第一个提出将电影 《Her 》中 Samantha 角色复刻到现实中的人。他在谷歌和 Meta AI 工作过，参与过影响 10 亿用户的项目，论文曾获 EMNLP 最佳论文奖。

华人科学家的贡献

OpenAI 的重要项目中从不缺乏华人的身影，GPT-4o 的研发也不例外：

• Li Jing：北大物理系毕业，MIT 博士，曾参与 DALL-E 和 Sora 项目。
• Jiahui Yu：中科大本科，UIUC 博士，现为 OpenAI 感知团队的负责人，曾是谷歌 Gemini 多模态的负责人。
• Yu Zhang：上海交大本科，MIT 博士，曾在谷歌 DeepMind 工作。
• Huiwen Chang：清华大学本科，普林斯顿大学博士，加入 OpenAI 前在谷歌担任研究科学家。
• Qiming Yuan：清华大学本科，德州大学奥斯丁分校硕士，负责语言的预训练数据处理，曾在 Dropbox 和微软工作。

未来展望

GPT-4o 的推出，不仅展示了 OpenAI 团队的非凡实力，也揭示了未来人机交互的更多可能性。虽然目前的评价存在争议，但不可否认的是，GPT-4o 在多模态处理上的突破，将为人类与 AI 的交流带来更多新方式和新体验。

总的来说，这 18 人的神仙团队，正通过他们的聪明才智和不懈努力，开创人机交互的新历史，将 AI 的可能性推向新的高度。

GPT-4o 背后的神仙团队：项目负责人为本科学历，北大/清华/交大/中科大校友在列
https://dig.chouti.com/link/42443601