经过几个月的测试，OpenAI在9月份为ChatGPT推出了“高级语音”模式。这个功能可以让你和ChatGPT进行实时对话：你可以打断机器人的“说话”，然后问另一个问题，它会理解你的语气，并以此来告知它的回答，以及它使用的语调变化。（它笑起来的时候很吓人。）
然而，自推出以来，高级语音模式一直缺少一个功能。今年5月，OpenAI首次宣布这项功能时，它展示了ChatGPT将如何访问你的摄像头，并“看到”你周围的世界。当你和机器人聊天时，你可以把相机对准某样东西，问一个问题，ChatGPT会尽其所能地回答。七个月后，这种能力就出现了，而且令人印象深刻。
为了使用它，你需要付费订阅chatgpt - Plus（每月20美元）或Pro（每月200美元）。ChatGPT Team订阅者也有资格。即使你支付了费用，这个功能也可能不会马上在你的终端上可用，因为OpenAI会随着时间的推移而推出它。
进入摄像头是非常简单的，一旦它推出到你的帐户。你像往常一样启动高级语音模式，使用聊天窗口右下角的波形图标。从这里，你会看到一个新的摄像头图标，当然，它会启动实时摄像头馈送。这不会中断聊天：您可以在与ChatGPT的对话中打开摄像头，然后继续聊天，只是现在将摄像头作为对话的一部分。
我第一次使用它的时候，我把相机对准附近的任天堂（Nintendo） Switch盒子，上面放着一根iPhone线和我的Magic Trackpad，然后问：“这是什么？”ChatGPT表示：“它看起来像一个任天堂Switch OLED盒子，上面有一些电缆和一台笔记本电脑。你打算安排吗？”三分之二是正确的，因为它把我的触控板错当成了笔记本电脑，不过，嘿，差不多了。接下来，我把它指着我的水瓶，让它认出我在强调什么：“那看起来像一个黑色的水烧瓶。这是保持饮料冷或热的好方法！你经常带着它吗？”
我接着问：“你知道这是什么型号的Hydro Flask吗？”ChatGPT：“我不能确定确切的型号，但看起来像他们的宽口瓶，大约32盎司。它的设计绝对是为了让你的饮料在几个小时内保持合适的温度。”那。基本上是对的。我对ChatGPT正确猜测大小也不是很满意。
我转向我的键盘，ChatGPT准确地说明了这是一个苹果魔法键盘。我问它能看到哪些键，然后说出了我在画框里的一些键，但不是全部。所以，我问它能看到多少个键，它说“大约30个”，其实有26个。所以，还是很接近。
它能够识别出我MacBook上的MagSafe接口，以及它右边的两个USB接口和耳机接口。它认出了我天花板上的通风口，以及我门前的靴子的特定型号。总而言之，除了触控板，它基本上能识别我测试过的所有东西。
但除了面目全非之外，我想最让我吃惊的是这些反应的速度。您要求ChatGPT识别某些内容，它确实可以做到，有时比您要求真人做的更快。有时，机器人会把一个词保留一会儿(例如：“我认为这是一个……”)，这可能是一个技巧，让ChatGPT处理它想说的其余内容。我还发现它的第一反应不太确定：我把它指向我的魔术鼠标（Magic Mouse），它的第一反应是猜什么是电脑鼠标。但当我问它是什么品牌时，它不仅没有指明是苹果，还说这是一款以“时尚设计”和“触敏表面”著称的苹果魔法鼠标。
然而，考虑到所有的因素，这些反应往往是近乎即时的，这说明了OpenAI的模型现在是多么强大。我在很大程度上仍然是一个人工智能怀疑论者，但这是一段时间以来第一个给我留下深刻印象的发展——我对自己的感受很纠结。
一方面，我可以看到这项技术被用于做好事。想象一下，对于盲人或视力受损的用户来说，这样的东西会有多大的帮助，尤其是在智能眼镜这样的方便设备上。人们可以问他们的人工智能助手他们面对的方向，阅读餐馆的菜单，或者过马路是否安全。像这样的技术可能会让搜索变得更好，并且通过将智能手机相机对准一个主题，让我们更容易了解世界上的新事物。
另一方面，我的想法变得消极，特别是因为人工智能仍然容易产生幻觉。随着越来越多的人使用这项技术，他们将不可避免地经历人工智能可能犯的错误，如果他们依靠机器人来帮助他们完成任务——尤其是涉及到他们安全的事情——幻觉可能是危险的。我没有遇到任何大的错误；只是触控板弄错了。Anderson Cooper发现机器人在一个几何问题上犯了一个错误（同样，不是一个大问题）。但这是一个很好的提醒，随着这项技术的迅速发展，其固有的缺陷增加了失败的风险。
也许这就是为什么每次现场拍摄都会警告你不要使用这个功能，因为它涉及到安全问题。
