编辑：桃子 乔杨
【新智元导读】 ChatGPT横空出世以来，首次迎来界面史诗级升级！全新canvas界面，开启了人类与AI协作研究、编码的新时代，更代表着终极AGI人机交互形态。
时隔两年，ChatGPT终迎来界面全新升级！
这一次，OpenAI官宣推出canvas。它不再是简单的对话框，而是能与ChatGPT「并肩作战」的全新界面。
不论是写作，还是编码，都可以开启全新的合作方式。
canvas基于GPT-4o构建，目前仍在测试阶段，可在所有模型中手动选择。
而且所有Plus用户不用等待，直接可用。未来，OpenAI还计划向所有免费用户全面推出。
canvas不仅可以让你与ChatGPT一起做研究，还能写代码、邮件等等，最重要的是还能帮你一起脑洞。
有趣的是，canvas还可以添加emoji。奥特曼在线发起投票，看看有多少人喜欢这个功能。
另外，canvas面板中，还多了一个快捷菜单，让协作更加轻易便捷了。
审查代码、修改bug、添加评论、log等等，一键完成。
在Canvas界面助力下，GPT-4o编码性能飞跃18%！
这是要纷纷取代了GitHub Copilot、Cursor编码神器了。网友们惊叹道，OpenAI绝杀了Cursor。
还有人说，canvas的推出，是OpenAI对最大劲敌Anthorpic的Claude artifacts最大的回击。
在经历如此巨大人事变动同时，OpenAI近日多次发布更新，是向外界、投资者给出了我们依旧有实力的反馈。
话不多说，看看历经两年，ChatGPT究竟带了怎样划时代的巨变。
肝代码研究，原来这么轻松
canvas项目负责人Karina Nguyen表示，我对终极AGI界面的愿景，是一张空白的画布。
随着时间的推移，它会根据人类偏好，自我改进。
而且，它会创造与人类互动的新方式，重新定义人类与AI，以及整个互联网的联系。
canvas便是，这样一种终极AGI界面的完美「代言人」。
那么，它究竟如何帮人类研究、写代码、创作呢？
接下来，让我们一睹为快。
做研究
当你需要完成一项艺术史研究报告，在canvas便可以完成研究。
首先，将你的需求告诉ChatGPT，它便开始搜索一切所有相关的报道——Rembrandt的自画像技巧。
随之，canvas在屏幕右侧开启了全新界面，一篇研究报告，正在速成。
当你对其中生成的一句话，不太确定是否正确。只需要选中，然后即刻就能唤醒ChatGPT，随地取问。
又或者，当你想要更改文中的小标题，不如让ChatGPT给点建议。
最惊艳的是，右下角「铅笔」样子的图表，可以开启文献的阅读模式，可以一句一句地浏览。
最后，你可以让ChatGPT为你添加参考文献、书目引用。
写邮件
你还可以让ChatGPT搜索一家最好的餐厅，它会帮你汇总所有在SF城市米其林餐厅。
然后让它在为你写一封邮件，发给最好的朋友。
写代码
另外，你还可以在canvas界面中，完成代码的生成，还是可以编辑的那种。
以往ChatGPT只是给出结果，并不能一同编辑。
让ChatGPT用Rust写一API网络服务器，它便同以往一般，为你生成了代码。
然后，要求对其中一段代码，添加登录注册路由。
并且，你还可以自己改写其中的内容。
在界面右下角，还有一个工具栏，可以进行代码审查、转换语言、修改bug、添加log、还有添加评论功能。
比如，针对刚刚生成代码进行审查，以及修复bug，ChatGPT瞬间就完成了。
发明新食谱
更惊艳的是，在canvas模式下，还可以创造发明新的idea。
比如，你想做一个不一样的苹果派，可以让ChatGPT搜索总结出，最通用的苹果派的食谱。
假设你没有其中一种材料——Nutmeg（肉豆蔻），然后你们可以一同创作全新的做法。
与ChatGPT并肩作战
目前，ChatGPT已常被用于协助写作和编码方面的任务。
尽管聊天界面易于使用并且适用于许多任务，但对于需要编辑和修订的项目，仍然有些不便。
canvas的推出，正是要为这类工作提供新的界面，而且能让ChatGPT更好地理解用户提供的任务上下文。
当ChatGPT检测到可能有帮助的场景时，canvas会自动打开，也可以直接在提示词中包含「使用canvas」的字样来处理现有项目。
对于写作任务，快捷编辑栏中包含5种选项，从下至上依次为：
- 建议编辑：ChatGPT为指定内容提供内联建议和反馈
- 调整长度：将文字内容编辑得更短或更长
- 更改阅读级别：调整文字的阅读难度，从幼儿园到研究生院
- 最后润色：检查语法、清晰度和一致性
- 添加表情符号：为强调或有颜色标记的内容添加相关emoji符号
比如，可以高亮特定部分来引起ChatGPT的关注，并让模型在考虑整个项目的同时，提供内联反馈和建议。
奥特曼还发起了在线投票，「添加emoji是不是OpenAI有史以来发布的最好功能？」
对于编码任务，快捷键又和写作不同：
快捷键从下至上依次为：
- 检查代码：ChatGPT提供内联建议以改进代码
- 添加日志（logs）：插入print语句以帮助调试和理解代码
- 添加注释：为代码添加注释
- 修复bug：检测并重写有问题的代码以解决bug
- 移植到一种语言：将您的代码转换为JavaScript、TypeScript、Python、Java、C++或PHP
「点到哪里改哪里」，修改代码也将和修改文字一样直观简单。
为什么要更新用户界面？
OpenAI在博客中表示，如果要让人工智能变得更有用、更易用，就需要重新思考我们如何与它互动。而canvas，就是一种全新的方法，未来还将经历快速迭代。
终极AGI界面canvas，GPT-4o也被优化了
为了让模型更适应canvas模式，团队也对GPT-4o进行了必要的修法，添加了一些核心行为：
- 触发canvas的打开，进行书写和编码
- 生成多样化的内容类型
- 进行有针对性的编辑
- 重写文档
- 提供内联形式的修改意见
值得一提的是，对GPT-4o进行的这些训练采用了OpenAI的合成数据生成技术，包含了从o1模型中提取的输出。
此外，团队还使用了20多项自动内部评估来衡量进展情况。
首先，一个关键的挑战是定义何时触发canvas。模型既需要灵敏识别有检查、修改需求的任务，比如「写一篇关于咖啡豆历史的博客文章」，同时也要避免过度触发，比如「帮我做一份新的晚餐食谱」这种一般的任务就不太需要canvas。
与带有提示指令的基线模型相比，调整后的GPT-4o的触发决策正确率分别达到了83%和94%
第二个挑战涉及在canvas被触发后调整模型的编辑行为，特别是决定何时进行有针对性的编辑而不是重写整个内容。
这就要训练模型，在用户明确选择文本时，更倾向于执行有针对性的编辑而非重写。随着模型不断完善，这种行为的能力也在不断发展。
相比基线模型，带有canvas的GPT-4o在写作和编码任务上有18%的性能提升
最后，训练模型以生成高质量的代码注释同样需要细致的迭代过程。
这个评估任务与前两种情况不同。canvas是否触发以及是否进行了有针对性的编辑行为，很容易进行自动化评估，但以自动化方式衡量代码注释的质量，因此团队选择了人工评估。
相比基线模型，集成canvas后的GPT-4o在注释准确性方面有30%的提升，质量提高了16%。
这表明，与带有详细指令的零样本提示相比，合成数据的训练显著提高了模型的响应质量和行为。
网友玩疯了
canvas一经发布，已在全网掀起热议。
Every初创公司创始人表示，很明显，OpenAI不仅仅是在构建聊天机器人，他们还试图为AI时代构建一种全新的操作系。
一名开发者表示，canvas界面是游戏改变者。
他刚刚通过canvas和ThreeJS一起创建了一个tesseract/Hypercube可视化工具，并称自己喜欢统一的UX聊天、在线评论和观看GPT-4o在代码上发挥其魔力，所有这些都在一个地方完成完成，永不过时。
还有网友表示，canvas界面做的非常好，而且一切都是实时流畅的。
不过，它让我们意识到一个重要的问题，我们还不确定与AI协作写作的最佳方式是什么。
话虽如此，canvas让工作更加集成集成（cyborglike），而不是简单地轮流进行任务（centaurlike）。
还有人纷纷悼念Cursor。
核心贡献团队
canvas背后核心团队也随之全部公布。
研究主管是Karina Nguyen，还有3位核心研究人员Kai Chen, Michael Wu, Tarun Gogineni，12位核心工程/产品/设计师。
值得一提的是，提供支持技术领导人当中，还有离职的CTO Mira Murati。
Karina Nguyen
在加入OpenAI之前，Karina Nguyen曾在Anthropic任职，专注研究模型对齐能力和诚实研究，以减少LLM的幻觉。
值得一提的是，她曾领到了Claude Instant 1.2训练，在API中制作了该模型。
此前，作为一名设计工程师，Nguyen与Primer.ai、Dropbox、Square和【纽约时报】的团队在研发原型、新闻工具和产品功能方面进行了合作。
Kai Chen
Kai Chen在宾夕法尼亚大学获得了计算机科学本科学士学位。
她于2023年初加入OpenAI，此前Kai Chen还联合创办了两家公司，一个是AI助手领域的Dispatch、还有一家自动化劳动任务项目的Port Tecjnologies。
Michael Wu
Michael Wu目前是OpenAI的应用研究员。
此前，他曾以应用研究科学家身份，在Facebook工作了三年，任职期间训练了自然语言理解和深度学习模型。
此外，他还在Primer AI担任机器学习工程师、Dropbox担任软件工程师，在Naver Corp担任机器学习实习生，在苹果公司担任机器学习实习生。
2015年，Michael Wu在麻省理工学院获得了计算机科学和数学学士学位。
