文章来源:AI鲸选社
原文链接:https://mp.weixin.qq.com/s/UH4jeCMXIUWyh1klXW-i4g
OpenAI揭开草莓模型神秘面纱,能不能算GPT-5,坊间争议声音很大。
这就是今日凌晨一点,OpenAI发布的两个模型:o1 mini,o1 preview。
据官方消息,与GPT-4一样,OpenAI o1也以AI对话和API接口的形式呈现;而与GPT-4系列不同的是,o1可以解决比GPT时期的科学、编码和数学模型更难的问题。具体来看,之前的GPT模型旨在模仿其训练数据中的模式,而o1的训练旨在让其独立解决问题。
意味着o1模型可以像人一样,需要花更多的时间去思考问题,尝试不同的策略,甚至能意识到自己的错误。
听着很厉害对不对?但实际4O、O1等大模型“寄生”的AI对话类产品,他们的用户数并不高。
而据QuestionMobile,AIGC APP在工作日期间的活跃度高于双休日,推测现阶段AI与用户办公场景的适配性更强,AI主要围绕工作场景,为用户生成文本、图片等内容信息。
o1模型虽在物理、化学、生物、编程等领域表现得像博士生一样好,但对与编程能力来说,755万程序员占国内人口不足1%,可用武之地并不多,对C端大多数用户来说带来的效益并不高。
尤其近日,AI对话类App的用户留存问题被推至风口浪尖,更衍生出了“大模型六小虎泡沫即将破灭”的说法,AI对话的处境岌岌可危。尽管阿里原技术副总裁贾扬清已经提出质疑,下图30日国产5大AI对话类产品留存率接近0,这一数据应该不准确,但AI对话现在确实有一点“盛名之下,其实难副”
图源:贾扬清朋友圈
根据QuestMobile 权威数据显示,头部AIGC APP运营数据活跃率低,均在20%以下;忠诚度方面,3日留存均在50%以下;流失风险高,部分APP的卸载率在50%以上。
坐拥数亿注册用户但日活很低的AI对话类产品,新的草莓大模型能否拯救呢?
9.11还是9.9大?AI界的亘古难题
曾经AI对话因回答错“9.11还是9.9大”被热议,现在国内各家都迭代了多代大模型,文心、豆包、Kimi等都能答对这道简单的数字题。但是OpenAI新更新的o1模型却还是沉迷自己不知名的逻辑怪圈里,找不到正确答案。
但国内大模型也并没有领先多少,但当我们问对话大模型一些客观的问题,如“草莓的单词里有几个r”、“打了警犬算袭警吗”等问题时,就会发现,这个刚刚还无所不能的AI助手突然变得手舞足蹈、不知所云了起来。
目前来说,对话大模型在简单的场景仍易漏洞百出,网友戏言:就这?取代我们人类?
诚然,大模型幻觉率高的问题,始终制约着AI对话在C端的渗透。专注于用户体验的研究机构Nielsen Norman Group在23年9月发布的一篇研究文章中提到,在曾经使用过AI工具的人中,大多数(78%)将 AI 工具用于工作和个人目的;8%的人仅将 AI 用于个人用途。
而在精益求精的工作用途中,大模型幻觉显得更加致命。不仅如此,工作场景中精确的指令反而更易让大模型“发懵”,AI对话的表现也并不出色。
在十字路口与脱口秀演员毛东的播客中,毛东提到,在用AI对话启发脱口秀文本创作的过程中,需要提前对对话模型进行5分钟左右的预训练,而预训练后对话AI生成的稿件也并不能直接起作用。输入一些稍复杂的指令,如要求大模型同时将“模仿路易·C.K.脱口秀风格”、“加入结婚话题的段子”、“带一些北京方言”融入文本创作,大模型就会分不清重点,生成的脱口秀文本索然无味。
同样的,Nielsen Norman Group的用户研究也指出,在使用对话AI时用户几乎总是进行多步迭代,因为人工智能无法准确提供用户想要的东西——它只能猜测意图。假如问对话AI“从上海出差到北京,近十五天有什么天气变化?有哪些穿衣建议”,则需要先对AI下达查询近15日天气的指令,然后引导其回答上海与北京的温度差异,以及针对北京温度进行穿衣建议。
然而,对于同一问题,似乎国内AI对话还有部分进步空间,Claude、ChatGPT的回答更精准一些。
对话AI的记忆也限制了其用户体验。通常在与AI进行超过7-10轮对话后,AI的回答开始变得混乱或不连贯。这就像你在跟一个注意力持续时间只有5分钟的人聊天,每过一会儿就得重新介绍一遍背景,导致AI对话用户体验感平庸。
正如我们所见,无论是线性的还是非线性的回答,人们在滚动对话记录,寻找合适的回答时都容易迷失方向。这个过程中,对话大模型理解和表达能力有限,整体用户体验平庸,大多数用户们也经历了从新鲜感到失望,AI对话也难以高效留存住用户。
多模态交互技术不够成熟,距离“Her”实现尚远?
电影《Her》中的人工智能不是一个简单的对话式AI,她不仅能通过声音表现出极为复杂的情感,比如幽默、温柔、关怀甚至是嫉妒,还具有高度的情感智能和自主学习能力,能够理解人们的情感需求,并根据互动不断优化自己的言行。
仿真的语音对话交互、流畅的多模态体验,使故事的男主人很快忘记了面前的“女声”只是一团冰冷的算法,深陷爱河。
而5月,OpenAI的ChatGPT-4o发布会结束后,Sam Altman在Twitter上发了一个简短的词:“her”,暗示着OpenAI已接近于完成科幻电影《Her》中,那位女性语音智能机器人的能力。
GPT-4o支持文本、音频和图像的任意组合的输入和输出。Mark Chen演示GPT-4o的多模态成果时,他告知ChatGPT自己正在做演示,询问GPT自己非常紧张应该怎么办。ChatGPT提示他:“深呼吸一下吧,记住你是个专家!”随后,Mark Chen用非常急促的几声喘息回应,ChatGPT则用吃惊语气下的“慢点呼吸,你可不是个吸尘器!”来回答他,幽默的回答令人忍俊不禁。
GPT高效的生成速度,带来流畅的多模态交互体验,虽然暂时还不能如《Her》中一样流畅地进行视频对话,但演示案例中的语音对话已非常接近。
现实是,4o语音能力还没发布,o1还不具备浏览网页或处理文件分析功能。尽管它具备图像分析功能,但该功能暂时关闭,等待进一步测试。
但国内月活第一的豆包APP的互动能力却稍显逊色。豆包虽然能识别语音,并进行对话,但其生成速度却不及GPT,百度的文心生成速度则更慢。不仅如此,豆包也无法识别对话过程中的语气。AI鲸选社在与豆包交流时,用很沮丧的语气说“今天天气可真好啊”,可豆包却判断出对话者的情绪是不错的。
图注:与豆包语音交互过程的文字记录
百度的文小言语音对话,虽有AI虚拟角色丰富用户的视觉体验,但其生成内容实在是慢,用户在交互过程中盯着虚拟角色迟迟不“说话”,很容易“跳戏”。
图注:文小言语音交互界面截图
智谱清言于9月5日上线了“视频通话”功能,向着Her的目标又迈进了一步。然而,智谱的视觉能力不太完善,把图中的紫色看成粉色,绿色误认为灰色,堪称一位“色弱”的AI助手。不过,它的视频对话机器人非常活跃,善于引发话题,它会夸赞你的窗帘很有设计感,还会自己找话题,问你有没有什么拿手的菜。值得一提的是,智谱的生成速度比文心和豆包都稍快一些,交互体验还不错。
图注:智谱清言视频聊天截图
虽然现阶段语音、图像识别等技术正在快速发展,但真正流畅、自然的多模态AI对话体验仍然任重道远,目前来说,国内AI对话的多模态交互还不够成熟。
但无论是“her”还是GPT-4o,可见的是,具备多模态交互的AI对话产品,是AI对话发挥能力的关键。
AI对话对“Her”的向往,也是能留住用户的关键。这种最接近人类的聊天方式,才是打破只有专业人士用Prompt,才能和AI对话产品交互的桎梏。
AI对话还在寻找自己的killer feature
现在的AI对话应用确实有不少花哨的功能。它可以回答我们日常所问,它可以帮我们写情书,甚至还能和它玩角色扮演......
但据《2024年中国移动互联网半年报告》,国内AIGC用户不稳定,AIGC行业人均使用时长同比下滑了23.5%。AI对话类APP功能虽多,却都是一些“花拳绣腿”,获客成果并不理想。
周鸿祎曾指出,通用大模型留存率低的原因主要在于承诺什么都能做的同时,却什么都做不精。也正是因为功能过多过于繁杂,AI对话类APP还没有找到那个让用户欲罢不能的killer feature。
互联网时代,使支付宝、微信、抖音、美团真正杀出重围的,是它们都找到了自己的“杀手锏”。购物支付会想到支付宝,社交聊天会想到微信,闲暇时间会想要看看抖音,“饭来张口”会想到美团外卖......反观AI对话呢?它好像什么都能做,又好像什么都做不好。
目前,国内AI对话产品中,Kimi是较早找到应用场景的。知识高效获取一直都是职场、学生和科研人士的痛点问题,用户们拿到的资料往往都是大段资料,知识获取速度较慢。
Kimi抓住用户这一痛点,主打长文本和文档处理两个功能,能帮用户快速抓取文档重点,取得了还不错的用户体验。据AI数智源发表的8月国内AI榜单来看,Kimi仍以22.85M的数据领先其他家。但是实际上Kimi预训练较弱,模型本身能力并不强。但正是抓住了有效场景,Kimi的数据稳居国内大模型前列。
数据来源:Similarweb
目前其他家大模型,包括豆包、文心等,也都跟进了长文本处理和文档解读功能,能够满足用户日常工作所需。不仅如此,百度专门推出“橙篇”对标Kimi(橙篇提供专业的知识检索和问答、超长图文理解和生成、深度编辑和跨模态自由创作等功能)。这么看来,Kimi曾经的专长也并不显优势了。
而在龙头OpenAI内斗的这些日子里,Anthropic暗暗发力。据 Datos对ChatGPT调用场景的调查数据,编程问题占据了 29%,在所有使用场景中排名第一。Claude 3.5 Sonnet更新的“工坊模式”,强化编码能力,使生成代码速度更快,效率超过之前的GPT-4。编程作为最高频、刚需的AI应用场景之一,给市场带来了机会与收入。
OpenAI不放手编程场景。这次更新的o1模型主打强推理、强编码能力,有网友体验称其代码正确率确实有提升,“以前很少能一次run成功的”。o1还未正式开放,其效果究竟如何还待检验。
Claude 3.5的文本生成能力也在新Prompt“汉语新解”中得到了诠释。Claude于6月24日发布3.5模型,六月底,Claude流量激增135%。
图源:数字生命卡兹克
找到杀手级场景的AI对话产品风光创收,不禁让其他家焦虑了起来,各大AI公司都在绞尽脑汁找办法。
近日的外滩交流会上,阿里发布了“支小宝”全家桶,布局AI生活管家。百度也暗中转变战略,升级文心一言,并更名为“文小言”,定位“新搜索”智能助手。值得一提的是,百度改名的“文小言”,颇有“转战搜索”的意味。9月11日,字节也被爆出布局AI硬件的消息,开发与豆包大模型和豆包APP联动的智能耳机、智能眼镜,探索大模型与硬件结合的赛道。大家都在努力找杀手级场景,形成自己的特色能力。
AI对话现在像是一个天赋异禀但还在青春期的少年,有着无限的潜力,却还不知道如何施展自己的才华,正四处尝试。
但是,似乎行业的共识也正如周鸿祎所表达的,AI对话的未来不在于创造一个通用的超级助手,而在于为每个特定的人类需求打造契合的AI解决方案。也许这才是AI对话类产品,自己被用户新鲜感过后月抛,这一难题的的核心解决办法。
本文链接:https://www.aixinzhijie.com/article/6846716
转载请注明文章出处