AI news

全网首个可交互诺贝尔文学奖书单来了,这是GPT-6最好玩的新功能

By APPSO1 viewsSource: APPSO
全网首个可交互诺贝尔文学奖书单来了,这是GPT-6最好玩的新功能

莫言在 2012 年获得诺贝尔文学奖时,我花了整整一个晚上,才把《丰乳肥臀》《蛙》和《红高粱》的阅读顺序理清楚。

The full text has not been translated yet. The Chinese original is shown below.

莫言在 2012 年获得诺贝尔文学奖时,我花了整整一个晚上,才把《丰乳肥臀》《蛙》和《红高粱》的阅读顺序理清楚。

今年,中国作家残雪和日本作家村上春树继续陪跑,加拿大诗人、作家安妮·卡森摘得 2026 年诺贝尔文学奖。

我本来已经准备好再花一个晚上查资料、排顺序、做书单,结果只给 ChatGPT 丢了一句话「请你帮我用卡片手账的方式整理安妮·卡森作品的阅读清单」不到三分钟我就得到了一个能够自动调整、选择的阅读卡片。

文章配图

你可以一张张翻,看每本书适不适合入门、应该排在第几本、读它之前需要知道什么。读完之后,点一下「完成阅读」,卡片就会被勾选,阅读进度也会跟着更新。

谁敢想,实现这些功能的,来自于 10 月 7 日,OpenAI 发布《GPT‑6 and Intelligent UI for everyone》,向全量 ChatGPT 用户推送的 GPT-6 与Intelligent UI。

所有的场景都能可视化

这并不是 Intelligent UI 唯一有意思的案例。

OpenAI 对 Intelligent UI 的定义是「智能界面」,即 ChatGPT 可以根据用户的提问,在回答的时候把文字、图片、按钮、表单、图表以及可以互动的工具进行动态组合。

也就是说以前的人工智能只能输出文字,而现在的 GPT-6 可以按照你提出的问题,在现场组装出包含排版、按钮、表单、图表以及各种交互控件的独立界面。

你所提出的问题仍然没有改变,但是得到的结果已经不是简单的答案了。

根据 OpenAI 官方的例子来看的话,这样的应用程序主要包含知识学习、娱乐以及日常生活等场景,比如说在制定一个周日烤肉的大纲的时候,菜谱、购物清单以及时间表都可以一起出现;而在规划自驾游路线时,沿途的休息站可以直接标在地图上,并且标出一些需要绕行的地方。

除了对这些场景的完整复刻,我们还延伸出了一些有趣的新玩法。

比如,我们对初中化学课本里很重要的一个知识点进行了试验,只需要下达口令,「请告诉我酒精灯怎么用」。

文章配图

模型会先查找资料,在等待了大约 52 秒之后就产生了交互式的方案。酒精灯的使用被拆成六个关键步骤,每一步都配有对应提示。用户可以按照顺序学习,也可以直接跳到自己不熟悉的部分:为什么不能用嘴吹灭,灯帽为什么要盖两次,酒精快用完了应该怎么办。

Intelligent UI 还可以用来做点个人小游戏。

比如说你想玩一款复古的小游戏,就可以直接对 GPT 说,「我喜欢玩贪吃蛇,给我做一个贪吃蛇的小游戏吧」。

得到的是可以直接用来玩游戏的画面,并非是游戏规则说明书。游戏有完整的规则、计分方法以及实时反馈。每吃掉一个能量块就加 10 分,分数随着贪吃蛇的动作而改变,屏幕也会随之更新。

谁看了不叫一声4399又回来了!

如果觉得普通的贪吃蛇很无趣的话就可以继续修改了,也可以定制化创建一些自己的规则,比如发出指令,「把贪吃蛇改成一只可爱的小熊,并且把得分规则改为每吃掉一个能量块就加 20 分」。

文章配图

模型不只是一段代码被替换掉那么简单,还需要对角色形象、游戏规则、计分方式以及界面展示等方面进行修改,在输入新的需求之后,游戏界面也会随之改变,但是时间要比第一次生成的时候要长一些。

在实际的生活场景里,Intelligent UI 的价值就体现得比较清楚了。

如果你养小动物,并且纠结如何打扮他们的时候,就可以把照片上传上去然后问,「哪一套更符合我宠物的特点?」

文章配图

GPT 会把这两件衣服并排放置,并且标注出它们的颜色、尺寸、材质以及适用场合等信息,用户可以根据不同的使用场景和偏好去选择。

文章配图

这并不是将图表、按钮以及文字堆积在一起,而是在于让答案具有了继续工作下去的能力。

触发答案的「黑盒」

第一次见到 OpenAI 演示麻将交互的时候,我们认为自己找到了未来的聊天界面的样子。棋盘上会出现按钮,牌面上可以进行操作,页面也会根据答案而改变。

模型不只输出文字,还会把可以玩的东西放到你的面前。

文章配图

但我们实际体验下来,发现使用过程中,UI界面出现得非常随机。

我们用同样的方法按照演示那样来模仿麻将桌难题,生成的结果没有麻将桌、没有按钮、也没有任何可以点击的地方,而是一段十分完整的、非常礼貌且普通的文本。

文章配图

OpenAI 产品经理 AarushSelvan 对于这种随机性的解释是,「我们有一支设计团队花费了很多时间来研究,在什么情况下加入图表和按钮是有用的,在什么情况下又会让人感觉很混乱」。

但在实际测试中,最真实的感受是,你不知道你的问题会被以什么样的方式回答,是一段文字,还是一个交互产品。

就像《阿甘正传》中的那句「Life was like a box of chocolates, you never know what you're gonna get」。

如果没有特别提示的话,ChatGPT 会按照任务来决定是否以互动的方式进行交流。比较类的问题可以采用并排的方式排列,复杂的概念可以用交互式的图表来表示,简单的题目优先选择文字回答。

文章配图

这是因为 Intelligent UI 不是模型临时「画了一张网页」,而是一套原生组件库加上配套的界面编译器。

模型能够调用文字、图表、按钮、表单以及交互区域等元素,并且编译器会一边接收输出结果,一边把这些结果逐步地展现出来。

但这也正是它与一段用户体验感良好的交互的差距,动态图表、交互组件更像是一个一次性体验。

它们缺少稳定可靠的代码沙盒、独立的资产入口,这使得 Intelligent UI 在轻量级的任务上表现得非常流畅,而对于需要高精准度和专业性场景面前显得有些小儿科。

Intelligent UI 目前还不支持 Pro effort,而 Pro effort 用的是 GPT-6 Astra,这意味着新式的交互界面和最强大的推理模式不能一起出现,

真正复杂的、要经过长时间思考的任务可能会回到传统的文字形式。

什么时候可以真正地把它们结合起来,依然是 OpenAI 需要解决的问题。

在对话窗口里「玩起来」

回忆一下,当我们第一次在大模型对话窗口交互的场景,那时候,一段能够理解连续上下文语义的回答就足够让我们兴奋。

而今天,Intelligent UI 开始让普通的问答结果走向了交付能点、能拖、能玩的小界面,让我们在对话窗口里「玩起来」。

它的底层逻辑在于多模态的融合改变了我们和大模型的交互方式。

自然语言适合表达复杂目标,但不一定适合完成精细操作。图形界面适合观察状态、比较选项和调整参数,两种交互方式互相补充。

这就好比 2007 年第一代 IPhone 用点按、滑动和双指缩放重新定义了手机操作,把手机从依赖物理按键的间接操作带向直接触碰屏幕的交互体验。

更简单、更高效、更直接。

Intelligent UI 把交互从只回答问题变成用户参与问题解决。答案不再是对话的终点,而成为一个可以被触摸、修改和继续使用的对象。

跳出对话场景,这种变化已经出现在手机智能体中。豆包手机助手技术预览版把对话连接到了系统操作层,荣耀在 MagicOS 9.0 发布材料中演示,用户说「帮我点一杯热拿铁」,YOYO 会调用常用外卖应用,找到常去的咖啡店,完成点单并在结算前向用户确认。

这种交互的价值在于用户从阅读答案的人变成参与任务的人。

OpenAI 的说法更加直接,「过去的几十年里,人们一直在学习怎样用为某个具体任务而设计好的固定的程序,未来软件要能够去适应人的各种各样的工作」。

文章配图

至于这种变化是否真的是未来软件形成的开端,安妮·卡森在《红的自传》中写道「How does distance look? …… It depends on light」,译为「距离看起来是什么样?它取决于光」。

现在,Intelligent UI 把这束光放进了对话框。

文章来自于"APPSO",作者 "APPSO"。

Related topics

After reading

Join the AINRK community

Read how to join the community and connect with people working in AI.

Community information (opens in a new tab)