數碼新秩序

　　「企業提升系列」早前已介紹企業管理層最重視的其中4項技術，來到第5項，讓我們了解與AI（人工智能）有著密切關係的「進階」技術──機器學習（Machine Learning）！

Read More：【企業提升系列】想用AI分擔日常公務？中小企要留意3大重點！

　　機器學習（Machine Learning）是 一門數據科學，透過大量數據進行重覆的機器訓練，遞歸出一個誤差低、準確度高的模型，讓機器解決一些不能單靠規則理解，以至關乎知覺（Perception）的問題。簡單例子就如，我們要機器辨識出所有包含紅綠燈的圖片，但其中某些圖片的紅綠燈可能有樹葉遮擋了一角，要讓機器辨識出所有紅綠燈圖片，就要靠輸入大量相關數據，才可令機器更精準地識別有紅綠燈的圖片。這個訓練過程，就如教育新生嬰兒，要通過大量觀看、大量嘗試去認識周遭的事物。

Read More：【企業提升系列】善用MR技術（混合實境）提升服務，長遠投資，及早佔商機！

跟Google工程師學Machine Learning

　　正因Machine Learning需要大量數據、時間和技術進行開發和訓練，中小企甚少會選擇開發自己的機器；反而對於Google、Apple等跨國科技公司，機器學習成為重要的研發重點。

　　Google如此介紹Machine Learning的運作︰「機器學習的技術根基來自於演算法模型，這些模型經過訓練，可從收集到的資料中（例如記錄檔、語音、文字或圖片）辨識模式。由於大量的訓練資料和運算效能是成功的先決條件，雲端環境（具備充足的資料儲存空間和高效能運算且非常經濟實惠）是相當理想的機器學習平台。」

　　Google開發者技術推廣工程師Laurence Moroney，亦有在2019年一個Machine Learning講座上介紹何謂機器學習。他指出，傳統的程式設計是靠輸入Rules（規則）和Data（數據）而得出Answer（答案）；機器學習則靠輸入Answer（答案）和Data（數據）以獲取得Rules（規則）。

了解更多︰https://youtu.be/VwVg9jCtqaU

金融界利用Machine Learning防欺詐

　　在企業應用上，Machine Learning更可助金融界防止欺詐。以大城銀行旗下的Krungsri Consumer為例，他們就透過機器學習的進階分析，實時監控信用卡交易過程中的可疑行為，包括自動審查超過特定金額的高風險交易，如發現問題，更有機會拒絕相關交易，應用此程式後，該企業的欺詐檢測率提高達35％，誤報率更降低至18％。

Read More：【企業提升系列】區塊鏈助跨行業發展！哪三大產業未來將大舉應用區塊鏈？（入link:   ）

　　而對企業會計和審計人員而言，AI和機器學習亦可發揮整理和準備繁多的稅務申請文件，並進行數據整合和分析，包括找出有稅務違規風險的項目，以減省工序、提高放率。對於市場行銷人員而言，可透過將輸入資料，讓機器學習歸納出目標客群，推算消費者的喜好！

　　透過「企業提升系列」，相信大家對機器學習、物聯網（Internet of Things，IoT）、AI、區塊鏈和混合實境已有基本認識，大家又打算從何入手，為行業提升「科技強度」？

Read More：【企業提升系列】從「科技強度」入手迎接「工業4.0」，以物聯網開拓商機！

　　人類可否與電腦談心、甚至談戀愛呢？2013年上映的科幻電影《觸不到的她》（Her）正是講述男主角與AI語音助理的戀愛故事。隨著OpenAI最新AI模型「GPT-4o」的面世，上述電影情節或有機會在現實世界發生！此模型擁有強大的語音處理能力，可以用親切、富有感情的聲音交談，而且有著接近人類的對話回應時間，能夠提供更自然、更逼近真人的溝通體驗。AI技術發展至此，將對我們的世界帶來甚麼改變呢？

文字、聲音、視像全面推理能力

　　2024年5月13日， OpenAI技術長米拉·穆拉蒂（Mira Murati）率領ChatGPT開發團隊在YouTube進行直播，發表最新AI模型GPT-4o；當中的「o」意指「omni」，含有「全方位、全能」的意思，代表著新模型擁有文字、聲音、以及視像推理的全面能力，不但可以接受文本、語音、圖像及其組合的提示輸入，還可以輸出同樣媒介形式的回應。

　　儘管GPT-4已具備文字語音轉換、圖像辨識功能，惟這些功能卻要交由3個模型各自執行：第一個模型把語音轉錄成文字，跟著GPT-4針對文字提問生成文本回應，最後由第三個模型把文本轉換為聲音輸出。這樣不但令回應時間被拖長，平均需時約5.4秒，而且在轉換過程中會流失大量資訊，使GPT-4無法感測用戶聲調、背景聲音，更無法輸出笑聲或表達情感。

OpenAI技術長穆拉蒂表示，GPT-4o的速度比GPT-4 Turbo快上兩倍，但成本卻是後者的一半。（圖片來源：翻攝OpenAI官方YouTube影片）

GPT-4o對話反應時間接近人類

　　GPT-4o把這些功能匯集在單一模型「omnimodel」裡，讓語音延遲大幅縮短，可以在最快232毫秒（0.232秒）、平均320毫秒（0.32秒）的時間內回應語音提問，接近人類對話的反應時間。

　　再者，GPT-4o因只有單一模型，所有輸出、輸入均在同一神經網絡系統內完成處理，有效減少資訊流失，故此它能夠理解用戶的語氣，知道甚麼時候應做出甚麼回應，又可以在不同的語氣間快速切換，從一本正經的語調，變換為活潑佻皮的語氣。

　　OpenAI釋出多段短片展示GPT-4o逼近真人的溝通能力：GPT-4o可跟OpenAI開發人員流暢對談，說話語氣抑揚頓挫，又會在適當時候發出笑聲，甚至懂得開玩笑；當人類插嘴打斷其說話時，它會自動停下來，傾聽人類說甚麼，然後根據新提問作出回應。

兩個AI模型互相對話、交流資訊

　　更教人吃驚的是，兩個AI模型竟然可以互相對話和交流資訊。OpenAI開發人員在兩部手機開啟GPT-4o，要求啟動了鏡頭的AI，向沒有鏡頭的AI陳述所看到的事物，結果它清楚地說出眼前的開發人員身穿黑色皮褸和淺色上衣。後來，這兩個AI更互相聊起來，甚至一起唱歌。

　　論及實際應用，GPT-4o懂得50種不同語言，能夠變身為即時翻譯員。在示範影片中，GPT-4o能夠在意大利文與英文、西班牙文與英文之間快速切換語言，讓不同國籍人士進行跨語言溝通變得易如反掌，日後出國旅行或公幹就不用再擔心語言不通。

　　GPT-4o又可以化身為私人補習老師。在展示影片中，一名父親要求GPT-4o教導其兒子解答三角函數問題，但規定AI不可以先給答案，於是它藉由語音提示，一步步指導該名兒子自己算出答案，並稱讚他做得好，以示鼓勵。

GPT-4o透過iPad畫面與語音提示，教導孩子如何破解三角函數問題。（圖片來源：翻攝OpenAI官方YouTube影片）

GPT-4o可以充當視障人士眼睛

　　對視障人士而言，GPT-4o更可以充當他們的眼睛，幫助他們探索現實環境。在示範片中，GPT-4o可以告訴站在倫敦街頭的視障人士哪裡是白金漢宮，可以走到哪裡可以乘搭的士，甚至應該在甚麼時候舉手叫車。

GPT-4o透過手機實現語音提示，告訴視障者可以在甚麼位置、甚麼時候舉手叫車。（圖片來源：翻攝OpenAI官方YouTube影片）

　　直播結束後，OpenAI執行長山姆·奧特曼（Sam Altman）社交平台X上發布了一個英文單字：「Her」，既是向電影《觸不到的她》致敬，也暗示人類與AI談戀愛似乎不再是遙不可及之事。OpenAI現已開始把GPT-4o的文字與圖像輸入、以及文字輸出功能，逐步開放給所有ChatGPT服務，包括免費版本，惟付費版ChatGPT Plus的資訊輸入上限為免費版的5倍。

OpenAI現正逐步開放GPT-4o給ChatGPT用戶使用。如用戶進入ChatGPT後，看到「Introducing GPT-4o」信息，即代表獲授權使用新模型了。（圖片來源：翻攝OpenAI官網）

GPT-4o或會進駐於iPhone 16

　　不少網友認為，GPT-4o的表現完全碾壓iPhone語音助理Siri，對蘋果（Apple）構成極大威脅。蘋果當然心知自家AI技術遠遠落後於OpenAI，既然無法戰勝，不如拉攏對方成為盟友。Wedbush分析師丹尼爾·艾夫斯（Daniel Ives）指出，Apple將於2024年6月舉行的WWDC開發者大會上宣布，與OpenAI達成合作協議，將在下一代iPhone整合ChatGPT技術，並推出基於蘋果AI模型的聊天機械人。

　　事實上，OpenAI發表在電腦上運行的ChatGPT軟件，竟然是先推出MacOS版本，稍後才會有Windows版本登場，足證雙方現今關係非淺。因此，GPT-4o很有可能會現身於iPhone 16之上。艾夫斯認為，此舉將吸引AI開發者湧入Apple生態圈，為iPhone開闢新的增長途徑，甚至足以改寫AI市場的遊戲規則。人人手執iPhone跟AI談天說地的光景，可能不遠矣！

延伸閱讀：

一句話變60秒影片！OpenAI Sora生成電影級短片，將衝擊數碼娛樂產業，加劇深偽假片泛濫？

OpenAI自己造AI晶片！奧特曼擬集資7兆美元建數十座廠房！能撼動半導體產業版圖？

GPT Store複製App Store神話？OpenAI建構AI應用平台經濟，邁向AI霸權的關鍵一步！