ChatGPT hadirkan fitur percakapan suara dan input gambar

 (openai.com)
1 poin oleh GN⁺ 2023-09-26 | 1 komentar | Bagikan ke WhatsApp
  • OpenAI menghadirkan percakapan suara dan input gambar ke ChatGPT secara bertahap, sehingga pengguna bisa melampaui input teks dengan berbicara dan menunjukkan foto saat mengajukan pertanyaan
  • Fitur suara dapat digunakan setelah opt-in di aplikasi mobile, dengan pilihan 5 suara, dan Whisper mengubah ucapan pengguna menjadi teks
  • Fitur gambar menangani foto, tangkapan layar, serta dokumen yang menggabungkan teks dan gambar, dan di aplikasi mobile pengguna dapat menandai area tertentu dengan alat gambar
  • Fitur ini lebih dulu dirilis untuk pengguna Plus dan Enterprise selama 2 minggu, dengan suara tersedia di iOS dan Android, serta gambar tersedia di semua platform
  • Karena ada risiko seperti sintesis suara yang realistis, interpretasi gambar manusia, dan ketergantungan di bidang berisiko tinggi, OpenAI menerapkan peluncuran terbatas beserta pengaman

Cara input baru di ChatGPT: bicara, tunjukkan, lalu bertanya

  • ChatGPT memperkenalkan kemampuan agar pengguna bisa berbicara dengan suara atau menunjukkan gambar saat bertanya
  • Fitur baru ini berfokus pada penggunaan ChatGPT yang lebih intuitif, tidak hanya bergantung pada input keyboard
  • Contoh penggunaan meliputi
    • Memotret landmark saat bepergian lalu menanyakan hal menarik tentangnya lewat percakapan real-time
    • Menunjukkan foto kulkas dan pantry lalu menanyakan menu makan malam serta resep langkah demi langkah
    • Memotret soal matematika anak, melingkari set soal tertentu, lalu meminta petunjuk

Pengguna dan platform yang mendapat akses lebih dulu

  • Pengguna Plus dan Enterprise akan bisa memakai fitur suara dan gambar dalam 2 minggu ke depan
  • Fitur suara tersedia di iOS dan Android, dan harus diaktifkan lewat opt-in di pengaturan
  • Fitur gambar tersedia di semua platform
  • Setelah itu, cakupan akses direncanakan akan diperluas ke kelompok pengguna lain, termasuk developer

Cara kerja fitur suara

  • Pengguna dapat melakukan percakapan suara bolak-balik dengan ChatGPT
    • Mengobrol saat sedang bepergian
    • Meminta dongeng sebelum tidur untuk keluarga
    • Menyelesaikan perdebatan di meja makan termasuk di antaranya
  • Untuk memulai suara di aplikasi mobile, pengguna harus mengaktifkan percakapan suara di Settings → New Features
  • Tekan tombol headphone di kanan atas layar utama, lalu pilih suara yang disukai dari 5 suara yang tersedia
  • Fitur suara baru ini menggunakan model text-to-speech yang dapat menghasilkan audio mirip manusia hanya dari teks dan beberapa detik contoh suara
  • Setiap suara dibuat OpenAI lewat kerja sama dengan pengisi suara profesional
  • Ucapan pengguna diubah menjadi teks oleh Whisper, sistem pengenalan suara open-source dari OpenAI

Cara kerja fitur gambar

  • Pengguna dapat menunjukkan satu atau beberapa gambar ke ChatGPT lalu melanjutkan percakapan
  • Input gambar dapat dipakai untuk tugas seperti
    • Memeriksa alasan grill tidak menyala
    • Merencanakan makanan dengan melihat isi kulkas
    • Menganalisis grafik kompleks yang berisi data kerja
  • Untuk mengarahkan fokus ke area tertentu, pengguna dapat memakai alat gambar di aplikasi mobile
  • Untuk menambahkan gambar, tekan tombol foto untuk mengambil atau memilih gambar
    • Di iOS dan Android, pengguna harus lebih dulu menekan tombol plus
    • Beberapa gambar bisa dibahas bersama, atau alat gambar bisa dipakai untuk menunjukkan bagian yang perlu dilihat assistant
  • Pemahaman gambar ditangani oleh multimodal GPT‑3.5 dan GPT‑4
  • Model-model ini menerapkan kemampuan penalaran bahasa ke berbagai jenis gambar, termasuk foto, tangkapan layar, dan dokumen yang menggabungkan teks serta gambar

Peluncuran bertahap dan pengaman

  • OpenAI memilih pendekatan peluncuran bertahap agar peningkatan dan mitigasi risiko bisa berjalan bersama
  • Pada model canggih yang mencakup suara dan visi, potensi penyalahgunaan nyata lebih besar sehingga strategi ini menjadi makin penting

  • Risiko dan batasan terkait suara

    • Teknologi suara baru ini dapat membuat suara sintetis yang realistis hanya dari beberapa detik suara asli
    • Teknologi ini memungkinkan penggunaan kreatif dan aplikasi yang berfokus pada aksesibilitas, tetapi juga membawa risiko seperti penyamaran tokoh publik atau penipuan
    • OpenAI menggunakan teknologi ini untuk kasus penggunaan spesifik, yaitu voice chat
    • Voice chat dibuat menggunakan suara para pengisi suara yang bekerja langsung dengan OpenAI
    • Spotify menggunakan teknologi ini dalam pilot Voice Translation
    • Fitur ini menerjemahkan podcast ke bahasa tambahan dengan suara podcaster aslinya, sehingga memperluas jangkauan storytelling
    • Tautan terkait: Voice Translation

  • Risiko dan batasan terkait input gambar

    • Model berbasis visi menghadirkan tantangan baru seperti halusinasi tentang manusia dan masalah ketergantungan pada interpretasi gambar di bidang berisiko tinggi
    • OpenAI menguji model ini dengan red team dan berbagai alpha tester sebelum peluncuran yang lebih luas
    • Area pengujian mencakup bidang berisiko seperti ekstremisme dan kecakapan ilmiah
    • Kerja sama dengan Be My Eyes digunakan untuk memahami cara penggunaan gambar dan batasannya
    • Be My Eyes adalah aplikasi mobile gratis untuk penyandang tunanetra dan low vision
    • Pengguna menganggap berguna kemampuan untuk melakukan percakapan umum tentang gambar yang berisi manusia, misalnya ketika seseorang muncul di latar belakang TV
    • Karena ChatGPT tidak selalu akurat dan privasi individu juga harus dihormati, OpenAI menerapkan langkah teknis yang sangat membatasi kemampuan ChatGPT untuk menganalisis manusia dan membuat pernyataan langsung tentang mereka
    • Penggunaan nyata dan umpan balik dipakai untuk menyempurnakan pengaman sambil mempertahankan kegunaan alat ini

Keterbatasan model dan kehati-hatian penggunaan

  • Pengguna bisa jadi mengandalkan ChatGPT untuk topik profesional seperti riset, sehingga penting memahami keterbatasan model dan menghindari penggunaan berisiko tinggi tanpa verifikasi
  • Model ini mahir dalam transkripsi teks bahasa Inggris, tetapi performanya lebih rendah pada beberapa bahasa lain, terutama sistem tulisan non-Latin
  • OpenAI tidak menyarankan pengguna non-Inggris memakai ChatGPT untuk tujuan ini
  • Pendekatan keamanan untuk input gambar dan pekerjaan terkait Be My Eyes dapat dibaca lebih lanjut di system card for image input

Bacaan terkait

1 komentar

 
GN⁺ 2023-09-26
Opini Hacker News

  • Antarmuka suara punya potensi luar biasa, tetapi demo ini cukup mengecewakan karena, seperti asisten suara lain yang kurang bagus, ada jeda beberapa detik antara pertanyaan dan jawaban
    Sebenarnya tidak harus seperti ini. Demo lokal yang dibuat dengan Llama 2 merespons dalam sekitar 0,5 detik, sehingga rasanya lebih seperti berbicara dengan orang sungguhan daripada seperti Siri
    Memang perlu dikemas agar bisa dicoba orang, tetapi ada masalah bahwa menilai apakah pengguna sudah selesai berbicara itu sulit. Sistem pengenalan suara siap pakai tidak memiliki dataset dan model turn-taking percakapan, dan perusahaan seperti OpenAI sepertinya bisa membuatnya dengan mudah

    • Sepenuhnya setuju. Untuk membuka pengalaman suara yang hebat, latensi adalah kuncinya. Demo singkat yang sedang saya kerjakan untuk pemesanan lewat suara ada di https://youtu.be/WfvLIEHwiyo
      Latensi pulang-pergi penuh—dari speech-to-text, LLM, POS untuk validasi SKU, hingga menghasilkan suara kembali—berada di kisaran ratusan milidetik. Karena ada validasi SKU, halusinasi juga tidak mungkin terjadi, dan pada tingkat ini rasanya cukup alami. Jika latensi serendah ini bisa dijadikan sistem umum, tampaknya akan membuka banyak sekali aplikasi
    • Benar. Begitu saya selesai berbicara, ia harus sudah siap, dan saya harus bisa menyela di tengah
      Jika itu memungkinkan, saat saya berhenti sejenak ia bisa mulai berbicara dengan hati-hati, lalu segera berhenti jika saya lanjut berbicara
      Saya tidak ingin harus memikirkan cara menyusun interaksi seperti rantai panggil/jawab yang eksplisit, dan saya juga tidak suka harus berhati-hati agar terus berbicara sampai pikiran saya selesai karena khawatir sistem bertindak pada waktu yang salah
    • Menilai apakah pengguna sudah selesai berbicara kadang sulit bukan hanya bagi pihak yang mendengarkan, tetapi juga bagi orang yang berbicara
      Interupsi yang sopan, atau ketiadaannya, bisa menjadi penanda apakah kita sedang berbicara dengan AI
    • Penasaran apakah bisa membagikan tautan GitHub. Di mana latensinya dikurangi? Apakah audio mentah diproses sebagai teks?
      Dari pengalaman saya, kecuali memakai model kecil seperti 7B, waktu generasi ChatGPT jauh lebih cepat daripada Llama lokal
    • Saya penasaran kapan komputer mulai mempertimbangkan intonasi juga. Itu akan sangat membantu memahami akhir sebuah frasa
      Ada sangat banyak informasi dalam intonasi yang tidak ada pada teks murni. AI yang tidak memahami bagian bahasa itu, sepintar apa pun, akan tetap terasa agak bodoh

  • Contoh sepeda itu lucu dan mengesankan, tetapi interaksi dengan manusia tampaknya mengaburkan kemungkinan yang lebih besar
    Dengan sedikit penyesuaian, ini menjadi pemecah masalah serbaguna untuk perencanaan robot. Masih ada beberapa masalah sulit sebelum sampai pada solusi yang benar-benar berfungsi, tetapi salah satunya sudah terpecahkan
    Apakah dalam 5 tahun ke depan kita akan melihat robot serbaguna yang digerakkan ChatGPT melakukan pekerjaan kasar sederhana?

    • Contoh sepeda itu lemah untuk ukuran video demo, bahkan agak membingungkan
      1. Pada gambar pertama, ia tidak cukup pintar untuk mengenali bahwa itu adalah pengunci sadel dengan baut. Manusia bisa mengenalinya
      2. Manualnya tidak terlihat oleh penonton, jadi kita tidak tahu bagaimana model mengetahui bahwa itu baut 4mm, atau apakah ia hanya menebak karena paling masuk akal
      3. Saya juga tidak paham bagaimana ia tahu bahwa kotak perkakas itu memakai kunci L metrik
        Selain itu, saya juga penasaran apakah ini model visi yang sama yang sudah ada di Bing Chat
    • Google sudah mendemokannya beberapa bulan lalu
      https://www.deepmind.com/blog/rt-2-new-model-translates-visi...
    • Sejujurnya, sepertinya mereka bisa memakai contoh yang lebih meyakinkan. Kemampuannya mengenali banyak hal memang keren, tetapi saya tidak tahu seberapa berguna demo itu sebenarnya
      Seseorang yang memiliki kotak perkakas dan manual mengajukan pertanyaan yang sangat mendasar tentang cara menurunkan sadel sepeda. Siapa juga yang punya manual sepeda, dan anak saya yang berusia 5 tahun pun bisa melakukannya
      Pasti ada cara yang lebih baik untuk menunjukkan dampak terobosan AI bagi umat manusia. Bahkan cara mengikat tali sepatu pun mungkin lebih baik
    • Benar, tetapi jejak ekologisnya sangat besar
      Ini juga tidak cocok untuk robot kecil dan ringan seperti drone
    • Bagian ini yang paling saya nantikan. Baru-baru ini ada terobosan kecil: https://pressroom.toyota.com/toyota-research-institute-unvei...

  • Dengan pengumuman ini, sepertinya cukup banyak startup yang mencoba membuat multimodal di atas ChatGPT jadi mati langkah
    Melihat kecepatannya menangani use case gambar dan suara, tidak lama lagi ini bisa menjadi satu aplikasi yang menguasai segalanya
    Sudah terlihat pengganti Alexa/Siri/Google Home, pengganti Google Image Search, dan runtuhnya startup edutech yang memotret soal lalu menyelesaikannya dengan AI; tampaknya akan berlanjut

    • Kalau dipikir lagi, startup seperti itu seharusnya lebih berhati-hati. Mereka seharusnya tahu OpenAI punya Whisper, dan GPT-4 dirancang dengan mempertimbangkan format gambar juga
      Tidak bisa dibilang OpenAI terang-terangan membocorkan niatnya, tetapi pertanyaan strategis pertama seharusnya adalah “Mengapa OpenAI belum melakukan ini, dan jika mereka memutuskan melakukannya, apa yang akan kita lakukan?”
    • Tahun ini berbicara dengan Google dan Siri benar-benar membuat frustrasi. Saat menyetir sendirian dalam waktu lama, saya hanya ingin mengobrol untuk mempelajari topik acak
      Sepanjang musim panas, saya ingin lebih banyak belajar bahasa Prancis, teori musik, sejarah, matematika, dan semacamnya sambil “berbicara” dengan ChatGPT. Fitur ini sepertinya pas sekali
    • Membuat alat atau aplikasi AI serbaguna terasa makin seperti pilihan yang buruk. Model bisnis AI yang bisa dijalankan tampaknya ada dua
      1. AI khusus domain: melatih model AI pada topik yang sangat teknis dan spesifik, yang tidak dikuasai model AI serbaguna
      2. Integrasi: jika membangun di atas model AI yang sudah ada, jangan fokus menambah fitur; fokuslah pada integrasi ke alur kerja perusahaan dan pengguna yang sudah ada. Mengotomatiskan proses internal dan menghubungkan sistem dengan cara yang sebelumnya tidak mungkin bisa menciptakan nilai besar, dan juga sulit dilakukan langsung oleh perusahaan model AI
        Keduanya akan sering berjalan bersama
    • Siapa pun yang mengikuti peluncuran fitur OpenAI mungkin tidak akan terkejut melihat ChatGPT menjadi multimodal
      Aplikasinya sudah punya input suara. Untuk saat ini suara masih diubah menjadi teks sebelum dikirim, tetapi hasilnya begitu bagus sampai hampir tidak perlu diperiksa atau dikoreksi. Malah saya sampai bertanya-tanya mengapa ia belum menjawab dengan suara
      Fitur input gambar adalah bagian inti dan sorotan pengumuman GPT-4 pada Maret: https://openai.com/research/gpt-4
    • Daripada mati, bukankah mereka bisa pivot ke multimodal di atas Llama 2 atau model open source lain? Itu tidak akan menjadi perubahan yang luar biasa besar
      Banyak perusahaan, pemerintah, dan lainnya tidak bisa memakai OpenAI, yang mengirim data ke layanan pihak ketiga, karena kebijakan internal mereka. Mereka akan bersedia membayar untuk sesuatu yang bisa dijalankan on-premises atau di private cloud mereka sendiri

  • Ini akan menjadi belati yang membuat pendidikan online mustahil
    Dengan ChatGPT saja, jika menyalin-tempel soal teks profesional, kita sudah bisa mendapat jawaban dengan akurasi 90%. Satu-satunya kelemahannya adalah soal yang berisi diagram atau gambar
    Jika dukungan gambar hadir, siswa tinggal mengunggah screenshot atau hasil scan dokumen dan meminta jawaban yang valid dari ChatGPT. Menurut saya, banyak siswa akan dengan senang hati menyalahgunakan fitur ini. Untuk menghadapinya, kita harus membuang sistem penilaian, atau memaksa pendidikan tatap muka di mana tugas hanya dikerjakan di sekolah di bawah pengawasan, tanpa PR

    • Ada pilihan lain. Ini bisa menggantikan pekerjaan guru, bukan pekerjaan siswa
      Kegunaan terbesar ChatGPT bagi saya adalah belajar sendiri berbagai topik. Kita bisa menggunakannya seperti seminar Sokratik, dengan mengajukan pertanyaan kepada ChatGPT untuk mempelajari X
      Tentu ini akan mengubah drastis kemampuan siswa membuat PR, tetapi sejak awal ini juga bisa mengubah drastis cara siswa belajar. Dengan tutoring berbantuan AI, sekolah online bisa menjadi jauh lebih banyak daripada sekarang
      Ke depan, tampaknya mungkin ada masa depan ketika pendidikan jauh lebih terdesentralisasi, siswa memilih sendiri kurikulum dan metodenya, serta memiliki rasa kepemilikan dan kendali atas pekerjaannya sehingga tidak melihatnya sekadar sebagai “pekerjaan sibuk”
    • Benar
      Jika talenta terbaik di zaman kita telah memutuskan bahwa demi kemajuan spesies, yang terbaik adalah manusia digantikan mesin, saya jadi bertanya-tanya apa gunanya mengerjakan tugas sekolah
      Jika sekarang saya berusia 16 tahun, mengetahui rencana ChatGPT dan OpenAI, mendengar nasihat untuk belajar keras agar mendapat pekerjaan bagus, sekaligus membaca masa depan yang dilihat para teknokrat, itu pasti cukup membingungkan
      Tampaknya sangat sulit untuk tetap ingin belajar sekarang sambil tidak berbuat curang
    • Anda melewatkan bahwa tak lama lagi guru akan menjadi LLM dengan kamera yang menghadap ke siswa
      Dalam kelas online, apa perlunya melihat video manusia? Apa perlunya meminta siswa menghasilkan sesuatu di ruangan gelap?
      Penilaian siswa akan didasarkan bukan pada PR, melainkan pada percakapan antara siswa dan asisten AI. Mengajar bisa diotomatisasi, tetapi belajar tidak bisa diotomatisasi
      Saat ini hanya ada jeda waktu karena pendidikan belum mengejar, dan karena pendidikan mahal, ini akan cepat terselesaikan. Orang tua harus benar-benar mendorong anak-anak berlatih belajar seperti dulu, dan ChatGPT sebaiknya digunakan seperti Wikipedia. Dalam proses transisi, satu generasi akan menderita
    • Saat membicarakan penyalahgunaan ChatGPT dalam konteks sekolah, biasanya yang dimaksud adalah siswa SMA ke atas atau mahasiswa. Mereka tahu benar dan salah, serta punya kemampuan motorik dan akses untuk memakai alatnya
      Kebutuhan spesifik yang ingin mereka selesaikan adalah menyingkirkan PR atau esai agar bisa melakukan XYZ. Mungkin ChatGPT tidak akan digunakan untuk XYZ. Kalau begitu, jadikan itulah hal yang mereka habiskan waktunya
      Pada titik tertentu, mereka akan menelusuri mundur keterampilan yang dibutuhkan untuk mempelajarinya, dan membutuhkan bimbingan serta struktur pendidikan. Itu tidak mudah dan tidak akan terjadi tanpa waktu dan sumber daya, tetapi adaptasi akan berjalan seperti itu
    • Dalam salah satu ujian sertifikasi, pernah ada aplikasi yang berjalan di komputer saya untuk memastikan tidak ada hal lain yang terbuka, dan kamera harus menyala sepanjang ujian sehingga tubuh dan tangan saya terlihat
      Ada cara untuk membuat kecurangan menjadi cukup sulit sampai tidak sepadan. Namun teknologi ini akan sangat mengubah apa yang kita pelajari dan bagaimana kita mempelajarinya. Ini transformatif, dan kecepatannya tidak melambat

  • Saya tidak suka cara mereka menonaktifkan fitur chat penjelajahan web, yaitu Bing browsing, selama berbulan-bulan lalu diam-diam menghapusnya
    Akan lebih baik kalau ada pemberitahuan yang jelas bahwa fitur itu akan dihapus. Mungkin saya yang terlewat, tetapi kabar resmi terakhir adalah fitur itu dinonaktifkan sementara selagi mereka memperbaiki sesuatu. Begitu sadar, fitur itu sudah benar-benar hilang dari platform tanpa sepatah kata pun

    • Di akun saya, Browsing with Bing saat ini aktif sebagai plugin. Setelah menghilang beberapa bulan, fitur itu tiba-tiba kembali sekitar 1–2 minggu lalu
    • Memang mengecewakan, dan saya setuju bahwa kelihatannya mereka tidak akan mengaktifkannya lagi untuk sementara
      Namun Perplexity AI lebih baik daripada ChatGPT dalam memanfaatkan pencarian web, jadi karena alasan itu saya lebih sering memakainya daripada ChatGPT
    • Saya membuat akun hanya untuk mengatakan ini: saat ini saya punya fitur tersebut. Sepertinya fitur itu kembali sekitar minggu lalu setelah menghilang beberapa bulan
      Bukan sebagai plugin, melainkan sebagai “model” terpisah yang bisa dipilih
    • Setuju. Sekarang harus bergantung pada plugin pihak ketiga

  • Sejauh ini, pengalaman pengguna yang paling intuitif dan terasa seperti killer app tampaknya adalah chat teks
    Berinteraksi sambil menunjukkan gambar juga menarik karena terasa seperti mengobrol dengan teman tentang suatu topik, tetapi masih harus dilihat apakah rasanya seperti berbicara dengan orang yang sangat pintar seperti ChatGPT, atau seperti berbicara dengan orang yang sangat lamban yang hanya agak bisa mengenali objek
    Mengenali kunci inggris tidak semengesankan mengobrol dengan ChatGPT tentang sejarah atau memintanya menulis kode yang benar-benar berjalan
    OpenAI sudah melakukan hal yang baik. Orang-orang memikirkan berbagai use case menarik, tetapi cara utama kebanyakan orang berinteraksi dengan AI tampaknya masih ChatGPT
    Namun untuk generasi gambar, sepertinya mereka belum benar-benar menguasainya, dan hal-hal keren terus muncul dari MidJourney dan Stable Diffusion

    • OpenAI juga akan merilis DALL-E 3 pada “awal Oktober”, dan gambar-gambar yang mereka pilih untuk demo menunjukkan pemahaman prompt pada level yang belum pernah ada sebelumnya
      Bahkan tampaknya mampu memasukkan teks kalimat lengkap ke dalam gambar keluaran

  • Saya sedang membuat beberapa proyek hobi yang menggabungkan berbagai layanan AI untuk mengimplementasikan hal ini, jadi saya antusias kalau kompleksitas dan latensi dari bolak-balik berkali-kali bisa berkurang
    Jika API-nya keluar tepat waktu, yaitu sekitar Halloween, sisi software dari proyek multimodal kepala tengkorak yang bisa bicara dengan kamera ESP32 yang mengomentari kostum orang dengan sinis mungkin akan sedikit lebih mudah

    • Ironisnya, justru karena alasan seperti itu saya tidak mencoba melakukannya
    • Kalau jadi membuatnya, saya ingin Anda membagikan proses atau detailnya. Kelihatannya sangat keren dan saya juga ingin mencoba membuat sesuatu yang mirip
    • Saya benar-benar ingin melihat proyek jadinya. Email saya ada di profil

  • Dari sudut pandang orang yang mendalami otomatisasi pengujian software, yang saya tunggu adalah pengenalan gambar berbasis AI yang tangguh untuk antarmuka pengguna aplikasi
    Jika digabungkan dengan kemampuan AI menulis kode otomatisasi pengujian, saya berharap hanya dari satu screenshot atau urutan screenshot saja bisa dihasilkan kode pengujian Selenium atau Appium yang dapat dijalankan. Rasanya sudah hampir sampai

    • Saya merekomendasikan makalah Spotlight dari Google[1]. Dataset yang dibuat untuk tujuan ini sangat menarik
      Mereka mengatakan memiliki dataset layar-aksi-layar secara internal, tetapi sepertinya tidak akan dipublikasikan. Mungkin inilah keuntungan memiliki Android
      Ada juga makalah terbaru dari Hugging Face, IDEFICS[2]. Mereka mengklaim ini adalah implementasi open-source dari makalah lama tentang Flamingo, yaitu pemahaman tugas multimodal berbasis few-shot example. Sepertinya bidang ini akan segera memanas
      [1] https://research.google/pubs/pub52171/
      [2] https://huggingface.co/blog/idefics

  • Keluhan terbesar saya terhadap OpenAI/ChatGPT adalah marketing yang buruk
    Ketika mereka mengumumkan fitur atau plugin seperti ini, saya jadi berharap dan pergi mencobanya, tetapi ternyata belum digulirkan untuk saya. Sebagai pelanggan berbayar, itu membuat frustrasi, dan satu-satunya yang bisa saya lakukan hanyalah mengeceknya setiap hari
    Mereka juga tidak mengirim email seperti “plugin sudah tersedia” atau “chat suara sudah diaktifkan di akun Anda”, sehingga saya sering lupa pada fitur baru sampai kebetulan melihatnya lagi nanti
    Barusan saya membuka aplikasi dan masuk ke “New Features” di pengaturan, ternyata Bing Browsing dinonaktifkan. Saya bahkan tidak tahu fitur itu pernah berfungsi. Saya pikir mungkin aplikasinya perlu diperbarui, jadi saya ke App Store, tetapi ternyata sudah versi terbaru. Setelah saya menutup dan membuka ulang aplikasi, sekarang item “New Features” itu sendiri hilang
    Saya tidak akan rutin mengobrak-abrik pengaturan aplikasi untuk mengecek apakah ada fitur baru. Benar-benar sulit dipahami kenapa tidak ada pesan di dalam aplikasi, apalagi email atau push notification

    • Mereka berubah dari perusahaan riset niche menjadi mungkin startup dengan pertumbuhan tercepat dalam sejarah
      Saya tidak bilang mereka tidak peduli pada komunikasi dengan pelanggan, tetapi bagian dalamnya mungkin benar-benar kacau dan berantakan
    • Marketing-nya seperti startup tiga orang yang menemukan template SaaS starter, menyambungkan Stripe seadanya, lalu tidak pernah menengok lagi
      Untuk mulai memakai API, saya benar-benar harus membatalkan langganan lalu mendaftar lagi. Mungkin saya masih berada di revisi model penagihan lama
      Saya suka perusahaan yang sukses bukan karena marketing dan desain, melainkan terlepas dari itu semua. Artinya mereka punya sesuatu yang benar-benar istimewa
    • Kita sedang menuju singularitas dan Anda mengeluhkan marketing?
    • Kalau “satu-satunya yang bisa dilakukan hanyalah mengecek setiap hari”, berarti marketing-nya tampaknya berjalan baik
      Kalau Anda pergi begitu saja dan melupakannya, mereka perlu meningkatkan retensi, tetapi Anda tidak akan begitu, jadi mereka tidak perlu melakukannya
    • Kalau keluhan terbesar pengguna adalah frustrasi karena fitur yang belum bisa dipakai, berarti mereka benar-benar melakukan pekerjaan yang luar biasa

  • Saya tidak paham bagaimana semua ini bisa dipaketkan dengan harga 20 dolar per bulan. Apakah biaya komputasinya benar-benar semurah itu ketika skalanya membesar?
    Saya juga penasaran bagaimana Apple dan Google akan menyediakan ini secara gratis. Rasanya ingin menyelinap seperti lalat ke rapat itu. Mereka pasti akan banyak berdiskusi seperti dilema inovator, antara “harus dilakukan” dan “menggerus margin”
    Mungkin ini pemikiran yang agak jauh, tetapi Apple tampaknya mengambil pilihan yang tepat dengan membiarkan debu mereda dulu. Seperti Zuckerberg yang membakar 20 miliar dolar lalu Apple meluncurkan Vision Pro, saya melihat hal serupa bisa terjadi pada Llama. Hanya saja, saya kurang yakin karena software adalah medan utama Facebook, sedangkan hardware bukan

    • Biaya komputasi tidak murah. Seperti yang dikatakan Altman, sudah diketahui luas bahwa OpenAI saat ini sedang membakar banyak uang
      Namun jika mempertimbangkan investasi 10 miliar dolar dari Microsoft serta pendapatan langganan dan API, untuk saat ini masih baik-baik saja. Ini momen penting bagi perusahaan AI, dan OpenAI pada dasarnya sedang berusaha merebut pangsa pasar sebanyak mungkin dengan menawarkan nilai 10 kali lipat pada harga yang lebih rendah dibanding model komersial lain
    • Alasannya sama seperti Uber di New York yang dulu 20 dolar untuk rute yang sama, tetapi sekarang 80 dolar
      Modal ventura mensubsidi dominasi pasar
    • Ada juga kemungkinan cukup besar mereka mengenakan harga mendekati biaya produksi atau bahkan di bawahnya karena mereka menginginkan data pengguna
      Coba pikirkan berapa biaya yang harus dibayar untuk mempekerjakan tester berskala besar
    • Mungkin mereka ingin menghancurkan pasar lebih dulu dengan suntikan dana dari Microsoft, lalu menaikkan harga
    • Saya rasa jika banyak kueri diproses secara paralel, biayanya bisa jauh lebih murah daripada memprosesnya satu per satu