本記事では、OpenAIが開発した最新のLLM「GPT-4o」に関する発表を紹介します。

GPT-4oは、多様な入力形式を処理し、複数の形式で出力を生成できるモデルです。

今回OpenAIは、モデルの開発過程、性能評価、安全性への取り組み、社会的影響を報告しています。多言語対応能力の向上、医療分野での応用可能性、科学研究への貢献などが注目すべき点となっています。

また、厳密な安全性評価も説明されています。

背景

これまでLLMは主にテキストデータを扱うものでしたが、GPT-4oはそうではありません。テキストだけでなく、音声、画像、動画といった多様な形式の入力を受け付け、多様な形式での出力を生成する能力を持つように開発されました。

特に注目すべき点としては音声応答性能があります。GPT-4oは人間との会話において平均320ミリ秒という非常に短い時間で応答できるとのことです。平均320ミリ秒という速度は人間の反応時間に匹敵するもので、自然な会話を実現する性能を持っていることを意味します。また、英語以外の言語での性能が向上しているのも重要な点です。

一方で、このような高度な能力を持つモデルの開発には、安全性と社会的影響への配慮が不可欠です。そのため、OpenAIは米国ホワイトハウスとの取り決めに基づき、開発過程で様々な安全対策を講じました。そして、サイバーセキュリティやモデルの自律性といった重要な観点から、GPT-4oの潜在的リスクが評価されました。

さらに、外部の専門グループによるレッドチーミング（脆弱性のチェック）が実施され、予期せぬリスクの特定が試みられました。

以下では報告内容を見ていきます。