OpenAI正在测试GPT-4的多模态版本，支持图像识别，并计划进行广泛发布。然而，据《纽约时报》报道，由于担心其可能识别特定个人，公众访问正在受到限制。
当OpenAI今年早些时候宣布GPT-4时，该公司强调了该AI模型的多模态能力。这意味着该模型不仅可以处理和生成文本，还可以分析和解释图像，为与AI模型的交互打开了新的维度。
在宣布后，OpenAI与初创企业Be My Eyes合作，进一步发展了其图像处理能力。Be My Eyes正在开发一款应用，可以向盲人用户描述图像，帮助他们更独立地解读周围环境并与世界互动。
《纽约时报》的报道强调了新西兰盲人用户Jonathan Mosen在使用Be My Eyes时的体验。Mosen喜欢使用该应用在酒店房间中识别物品，比如洗发水压泵，并准确解释社交媒体上的图像。然而，最近该应用停止提供面部信息后，Mosen表示失望，并显示出面部因隐私原因而被遮挡。
OpenAI的政策研究员Sandhini Agarwal向《纽约时报》确认，隐私问题是导致该组织限制GPT-4面部识别能力的原因。目前，OpenAI的系统可以识别公众人物，例如在维基百科上有页面的人物，但OpenAI担心这一功能可能会侵犯像伊利诺伊州和欧洲等地区的隐私法律，这些地区使用生物识别信息需要公民明确同意。
此外，OpenAI还担心Be My Eyes可能会误解或错误地描述个体的面部特征，如性别或情绪状态，从而导致不恰当或有害的结果。在GPT-4的图像分析能力广泛可用之前，OpenAI致力于解决这些和其他安全问题。Agarwal告诉《纽约时报》：“我们非常希望这是与公众的双向对话。如果我们听到的是‘实际上我们不需要任何相关功能’，我们完全支持这一点。”
尽管有这些预防措施，GPT-4也曾出现过混淆或错误识别的情况，凸显了如何制作一个既有用又不会给盲人用户提供不准确信息的工具的挑战。
与此同时，微软作为OpenAI的主要投资者，正在对其基于GPT-4技术的AI助手Bing Chat进行有限测试，其中包含图像分析工具。最近，在Twitter上出现了Bing Chat成功解决CAPTCHA测试的情况，而这种测试旨在阻止机器人，这可能会延迟Bing图像处理功能的广泛发布。
谷歌也最近在其Bard聊天机器人中引入了图像分析功能，允许用户上传图片进行识别或处理。在我们的测试中，Bard可以解决基于文字的CAPTCHA，尽管并非每次都完美解决。已经有一些服务（例如Roblox）采用了非常复杂的CAPTCHA，很可能是为了在计算机视觉方面保持领先。
这种由AI驱动的计算机视觉技术迟早会进入每个人的设备，但显然，公司在进行广泛发布之前需要解决相关问题，以降低道德影响。