GPT-4o liest deine Emotionen – das kann die KI wirklich

OpenAI hat die neue künstliche Intelligenz (KI) GPT-4o vorgestellt. Die Redaktion listet die wichtigsten Funktionen der neuen KI auf und lässt sie von zwei Profis einschätzen: Karin Frick, die sich am Gottlieb Duttweiler Institute mit Zukunftsthemen befasst, und Mark Cieliebak vom "Centre for Artificial Intelligence" der Zürcher Hochschule für Angewandte Wissenschaften (ZHAW), nehmen auf Anfrage Stellung.

GPT-4o kann deine Emotionen erkennen, etwa anhand deiner Stimme, der Kamera oder der Art und Weise, wie du atmest. Die KI simuliert selbst auch menschliche Emotionen und kann ihren Tonfall spontan ändern.

"Die KI profitiert davon, dass Menschen einfach lesbar sind", sagt Karin Frick, Principal Researcher am Gottlieb Duttweiler Institute. Um Emotionen zu erkennen, könne man Datenpunkte wie die Mimik, Stimme, den Rhythmus, das Sprachtempo und die Wörter auswerten, die Menschen nutzen. GPT-4o bringe dieses Wissen, das in der Forschung schon lange vorhanden sei, nun in die breite Masse. Firmen setzen dieses Wissen bereits heute ein, um etwa automatisch Bewerbungsvideos zu analysieren.

Mit GPT-4o kannst du ein Gespräch führen. Die KI antwortet in Echtzeit auf Fragen und reagiert dabei auf das, was dein Handy mit der Kamera filmt.

"Davon spricht man schon lange, jetzt wird es auch für Menschen, die nicht in der Forschung tätig sind, sehr konkret", sagt Frick. Dass man mit einer KI auf natürliche Art und Weise interagieren könne, sei die Grundvoraussetzung für gute Chatbots. Die große Frage sei, ob Menschen sich überhaupt mit einer KI unterhalten wollen. "Man lernt schnell damit umzugehen, dann verfliegt die Lust auf das Neue", so Frick.

GPT-4o hat eine kreative Ader: Die KI kann nicht nur Unterhaltungen führen und Scherze machen, sondern kreiert auch Musik und singt.

"Das ist der nächste logische Schritt und vergleichbar mit KIs, die neue Bilder erzeugen können", sagt Frick. GPT-4o sei nicht die einzige KI, die singe – sie mache die Funktion aber nun für die breite Masse sichtbar.

Viele KIs können nur mit einem Medium umgehen. Bei GPT-4o ist das anders: Die KI kombiniert Sprache, Video, Bilder und Text in einem Modell.

"Das ist sicher ein großer Schritt vorwärts und war in der gezeigten Demo sehr beeindruckend", kommentiert Mark Cieliebak vom Centre for Artificial Intelligence an der Zürcher Hochschule für Angewandte Wissenschaften. "Besonders die Kommunikation via Sprache hat mich beeindruckt – es wirkte wie ein natürliches Gespräch", sagte Cieliebak.

GPT-4o hat laut Hersteller eine durchschnittliche Reaktionszeit auf Spracheingaben von 320 Millisekunden. Die KI reagiere damit ähnlich schnell auf Sprache wie Menschen, die miteinander ein Gespräch führen.

"Die Geschwindigkeit war in der gezeigten Demo überraschend hoch und kam schon nahe an Echtzeit-Antworten heran", sagt Cieliebak. Es bleibe aber abzuwarten, wie sich GPT-4o in der Praxis schlage.