この記事はGPT4発表以前のものです。
近日中にGPT4が発表されるのではと囁かれており、テキスト、画像、さらにはビデオを生成できるマルチモーダルモデルになるだろうとの予測が出ています。
マルチモーダルAIとは？
マルチモーダルAIとは、複数の入力データや情報源を組み合わせて分析や意思決定を行う人工知能の分野です。
一般的な人工知能が主にテキストや音声などの単一の情報源に基づいて処理を行うのに対し、マルチモーダルAIは、テキスト、画像、音声、センサーデータなど、複数の情報源から得られるデータを組み合わせることで、より精度の高い分析や意思決定を実現することができます。
例えば、自然言語処理と画像認識を組み合わせたマルチモーダルAIを用いることで、画像とテキストから商品の説明文を生成することができます。
また、音声認識とセンサーデータを組み合わせたマルチモーダルAIを用いることで、音声コマンドに応じて家電製品の操作を行うことができます。
マルチモーダルAIは、自動運転車や音声アシスタントなどの多様な分野で活用されています。これらのアプリケーションでは、様々な情報源から得られるデータを組み合わせることで、より高度な機能を実現しています。
GPT4が2023年3月発表予定
マイクロソフトはGPT-4 3月13日の週に到着し、テキスト、画像、さらにはビデオを生成できるマルチモーダルモデルになる可能性があります。
注意しなければならないのはGPTとChatGPTは別物だということです。
ChatGPTはGPT3.xを使用してできているものです。
GPT4が発表されてもそれはエンジンが強力になるだけで、即座にChapGPTに反映されるものではありません。
おそれらくそれは違う形になって我々の前に登場するでしょう。
MicrosoftとOpenAIがGPT-4をどのように活用するかは不明です。
けれども、そう遠くない日までにそれらのサービスは我々の前に登場すると思われます。
おそらくWindows95のとき以上の衝撃があるのではないでしょうか。
ただし、OpenAIのCEOであるSam Altman氏はGPT4はAGI（汎用人工知能）ではなく進化系で、また、多くの噂は誇大広告でしかないと言っています。
以下参考資料
Sam Altman氏インタビュー(2023/1)
