生成AIパスポート 用語集大規模言語モデルとGPT
GPT-4oとはじーぴーてぃーふぉーおー
GPT-4oの意味
GPT-4oとは、2024年5月にOpenAIがリリースした大規模言語モデルです。名前の「o」は「omni（すべての）」を意味し、テキスト・画像・音声を組み合わせて統合的に処理できることから、マルチモーダルと区別して「オムニモーダルモデル」と呼ばれます。音声入力に最短232ミリ秒、平均320ミリ秒で応答でき、人間の会話に近い速さが注目されました。
生成AIパスポート試験の対策なら → 無料の合格アプリ
詳しい解説
それまでの音声対話では、音声を文字に起こし、文章で回答を作り、それを音声に変換するというように、複数の処理をつなぎ合わせる方式が一般的でした。そのため応答までに時間がかかり、会話のテンポが不自然になりがちでした。
GPT-4oはテキスト・画像・音声をまとめて扱えるため、話しかけるとすぐに返事が返ってくるような、より自然なやり取りが可能になりました。平均320ミリ秒という応答時間は、人間同士の会話における応答時間に近いとされています。生成AIが「文字で使う道具」から「話し相手」へと近づいたことを示すモデルといえます。
試験のポイント
- 2024年5月リリース。「o」＝omni（すべての）
- テキスト・画像・音声を統合的に処理する「オムニモーダルモデル」
- 音声入力への応答：最短232ミリ秒、平均320ミリ秒（人間の会話に近い）
- 「o」をoptimize（最適化）などと取り違えた選択肢に注意
GPT-4oの確認問題（○×）
GPT-4oの「o」は「omni（すべての）」を意味している。
答えと解説を見る
答え：○
テキスト・画像・音声を統合的に扱えることから、オムニモーダルモデルと呼ばれます。