GPT-4o: Rewolucja multimodalności na wyciągnięcie ręki

OpenAI zaprezentował nowy model GPT-4o ("o" od "omni"), który potrafi w czasie rzeczywistym przetwarzać i generować dowolną kombinację tekstu, dźwięku i obrazu. To nie jest kolejny krok ewolucyjny, a skok – interakcja głosowa z modelem jest teraz nieprawdopodobnie naturalna i pozbawiona opóźnień. Co to oznacza dla przyszłości interfejsów użytkownika i automatyzacji testów? Dlaczego to dobra wiadomość? Bezpośrednio dotyka kwestii UI/UX i testowania nowych form interakcji człowiek-komputer.