OpenAI發(fā)布GPT-4：能識圖能算稅，ChatGPT擺脫Chat，再次進(jìn)化

激石Pepperstone(http://wargoo.com/)報道：

離發(fā)布僅僅四個多月，在ChatGPT展現(xiàn)了驚人的實力之后，OpenAI又扔下了一顆核彈：

GPT-4發(fā)布了。

在今天的博文中，OpenAI寫到：

我們創(chuàng)建了GPT-4，這是 OpenAI 努力擴(kuò)展深度學(xué)習(xí)的最新里程碑。GPT-4 是一個大型多模態(tài)模型（接受圖像和文本輸入，提供文本輸出），雖然在許多現(xiàn)實世界場景中的能力不如人類，但在各種專業(yè)和學(xué)術(shù)基準(zhǔn)上表現(xiàn)出人類水平。

好像和上一代還是差不多？放心，這是OpenAI謙虛了。

在隨后YouTube上進(jìn)行的Live Demo中，OpenAI的總裁和聯(lián)合創(chuàng)始人Greg Brockman展示了GPT-4的真正實力——總結(jié)文章、寫代碼、報稅、寫詩……GPT-3.5做不到的，?GPT-4輕松拿下。

但這僅僅是表面，GPT再一次進(jìn)化，雖然可能不是你想的那樣。

新的模型：迭代優(yōu)化

怎么樣證明一個人比另外一個人更厲害？考試。

那怎么證明一個AI模型比另外一個更厲害？同樣是考試。

OpenAI讓GPT-4在參加了許多項人類的通用考試，結(jié)果證明，它在許多測試和基準(zhǔn)測試中的表現(xiàn)比前一代確實大大提高：

根據(jù)他們的測試結(jié)果，GPT-4的SAT分?jǐn)?shù)增加了150分，現(xiàn)在能拿到1600分中的1410分；?

它能通過模擬律師考試，分?jǐn)?shù)在應(yīng)試者的前10% 左右，相比之下，GPT-3.5的得分在倒數(shù) 10% 左右；

在SAT閱讀考試中和SAT數(shù)學(xué)考試中，GPT-4的成績都能達(dá)到領(lǐng)先的排名……?

“我們花了6個月的時間使用我們的對抗性測試程序，以及在ChatGPT身上累積的經(jīng)驗教訓(xùn)來迭代調(diào)整GPT-4，從而在真實性、可操縱性和拒絕超出設(shè)定范圍方面取得了有史以來最好的結(jié)果?！監(jiān)penAI稱。

?“我們的 GPT-4 訓(xùn)練運行（至少對我們而言?。┣八从械胤€(wěn)定，成為第一個我們能夠提前準(zhǔn)確預(yù)測其訓(xùn)練性能的大型模型。”

此外，GPT-4還有了一個質(zhì)的飛躍——可以開始處理圖像。?

經(jīng)常使用ChatGPT的人肯定知道，它只能處理文本，但GPT-4開始接受圖像作為輸入介質(zhì)。

在OpenAI提供的一個示例中，GPT-4準(zhǔn)確地回答了幾個網(wǎng)絡(luò)meme為什么搞笑的問題（雖然解釋得并不好笑）。

在《紐約時報》提供的案例中，同樣可以看出GPT-4可以同時解析文本和圖像，這也使它能夠解釋更復(fù)雜的信息。不過，目前圖像輸入的權(quán)限尚未公開，所以目前還沒看到更多例子來證明GPT-4在圖像方面的處理能力。

在隨后舉行的Live Demo中，OpenAI也表示，還沒有公開提供這部分技術(shù)，但已經(jīng)在和一家名為Be My Eyes的公司進(jìn)行合作，對方會使用GPT-4來構(gòu)建服務(wù)。

此外，GPT-4已經(jīng)開始具備一點點的幽默感。它已經(jīng)可以講出一些模式化的、質(zhì)量不咋樣的冷笑話——但是，至少它已經(jīng)開始理解“幽默”這一人類特質(zhì)。?

當(dāng)然，更多的方面，GPT-4的改進(jìn)是迭代性的。在隨意的談話中，GPT-3.5和GPT-4之間的區(qū)別可能很微妙。但是，當(dāng)任務(wù)的復(fù)雜性達(dá)到足夠的閾值時，差異就會出現(xiàn)——GPT-4比GPT-3.5更可靠、更有創(chuàng)意，并且能夠處理更細(xì)微的指令，可以更準(zhǔn)確地解決難題。

比如說，北卡羅來納大學(xué)教堂山分校的醫(yī)學(xué)副教授兼心臟病專家Anil Gehi就向GPT-4描述了他一天前看過的一位患者的病史，包括患者術(shù)后出現(xiàn)的并發(fā)癥被送往醫(yī)院，描述中包含幾個外行人無法識別的醫(yī)學(xué)術(shù)語。

當(dāng)Gehi醫(yī)生問GPT-4應(yīng)該如何治療病人時，GPT-4給了他完美的答案?！斑@正是我們對待病人的方式，”Gehi醫(yī)生說。當(dāng)他嘗試其他場景時，GPT-4給出了同樣令人印象深刻的答案。

當(dāng)然另外一個好消息是，GPT-4對于英語以外的語種支持也得到了大大的優(yōu)化。

許多現(xiàn)有的機器學(xué)習(xí)基準(zhǔn)測試都是用英語編寫的。為了初步了解GPT-4在其他語言上的能力，OpenAI使用 Azure Translate，將一套涵蓋57個主題的1.4萬多項選擇題的MMLU基準(zhǔn)，翻譯成了多種語言，然后進(jìn)行測試。?

在測試的26種語言中，有24種語言，GPT-4優(yōu)于 GPT-3.5和其他大語言模型的英語語言性能。

其中中文達(dá)到了80.1%的準(zhǔn)確性，而GPT-3.5的英文的準(zhǔn)確性為70.1%，也就是說，在這個測試中，GPT-4對于中文的語言理解，已經(jīng)優(yōu)于此前ChatGPT對于英文的理解。

Live Demo：報稅、寫詩、寫代碼，無所不能

如果說著這些數(shù)據(jù)、案例，似乎還難以讓人直觀感受到GPT-4的真正實力，那么OpenAI的總裁和聯(lián)合創(chuàng)始人Greg Brockman，就親自在YouTube上進(jìn)行了一把直播，來實時演示Live Demo中，展示了GPT-4的真正實力——總結(jié)文章、寫代碼、報稅、寫詩……GPT-3.5做不到的， GPT-4輕松拿下。

Greg Brockman展示了GPT-4的新的使用界面，左側(cè)是系統(tǒng)框，可以規(guī)定AI的角色，以及整體的回答原則，中間則是對話框，可以輸入具體的對話形態(tài)來對具體的內(nèi)容進(jìn)行調(diào)整、追問或者給出反饋。最右側(cè)是一些參數(shù)設(shè)置。

在演示中，Brockman就使用使用左側(cè)的“系統(tǒng)”框，讓GPT-4相繼成為“ChatGPT”、“AI編程助手”、“TaxGPT”，來解決不同的問題。

ChatGPT模式下，GPT-4可以處理超過2.5萬字的文本，可以輕松地總結(jié)一篇超長文章的核心內(nèi)容，比如把OpenAI今天發(fā)布的這篇講述GPT-4的雄文總結(jié)要點。

甚至還可以像在演示中的那樣，以各種奇怪的形式來提煉它——比如，以全是“G字母開頭”的單詞來總結(jié)。

或者要它把這些內(nèi)容要點寫成一首詩。

在“AI編程助手”模式下，還可以讓它輕松寫代碼，生成一個網(wǎng)站，或者更復(fù)雜的，寫一個基于Discord的機器人，如果出現(xiàn)錯誤，比如要調(diào)用比較新的API而出錯，甚至也不需要向它解釋，而是把錯誤代碼復(fù)制進(jìn)去，它就會自動糾錯，生成新的代碼。

或者要它變身成TaxGPT，要它基于稅務(wù)法則，來計算出一對夫妻要繳納多少稅，而且還要把計算理由一步步寫出來，讓人們可以檢閱。

對于GPT-4展示出的專業(yè)能力，Greg?Brockman大為贊賞，他表示那段稅務(wù)文件，他自己讀了半個小時也沒有搞懂，然而GPT-4卻可以很快給出答案。

或許這段不到一個小時的演示，才真正道出了GPT-4的強大之處——它不再僅僅是普通用戶的“聊天機器人”，而將成為開發(fā)者手中的利器，在文本、編程、稅務(wù)以及更多可以想見的領(lǐng)域，成為強大工具的開發(fā)基石。

從這一點來說，它比ChatGPT帶來的影響，將更加廣泛。

滿嘴跑火車：還在跑，但是好一點

不得不提的是，盡管功能強大，但 GPT-4 與早期的 GPT 模型具有相似的局限性。最重要的是，它仍然不完全可靠——它仍然會大膽自信地編造事實，并且會出現(xiàn)推理錯誤。OpenAI強調(diào)，仍然推薦在使用它的時候要附加諸如人工審查、或者附加上下文，甚至在高風(fēng)險情境中，要避免使用它。

在GPT-4公告中，OpenAI強調(diào)該系統(tǒng)已經(jīng)接受了六個月的安全培訓(xùn)，在內(nèi)部對抗性真實性評估中，GPT-4的得分比最新的GPT-3.5高：“響應(yīng)不允許內(nèi)容的請求的可能性降低了 82%，產(chǎn)生真實事實的可能性提高了 40%，優(yōu)于 GPT-3.5?！?/p>

這也意味著， GPT-4 相對于以前的模型來說，還是顯著地減少了一本正經(jīng)胡說八道的頻率，而且用戶千方百計提示它以讓它說出被禁內(nèi)容的成功率，也小了很多。

但是，這并不意味著系統(tǒng)不會出錯或輸出有害內(nèi)容。例如，微軟透露其Bing聊天機器人其實一直由GPT-4提供支持，但許多用戶還是能夠以各種創(chuàng)造性的方式打破 Bing的護(hù)欄，讓機器人提供危險的建議、威脅用戶和編造信息。

此外，GPT-4仍然是基于2021年9月之前的數(shù)據(jù)訓(xùn)練的，這也意味著它和前一代一樣，仍然缺乏對于2021年9月之后的數(shù)據(jù)的有效理解。

“GPT-4 仍有許多已知的局限性，我們正在努力解決，例如社會偏見、幻覺和對抗性提示?！監(jiān)penAI表示。

應(yīng)用：面向開發(fā)者，越來越貴

當(dāng)然，除了表現(xiàn)方面，還有一個明顯的不同是，ChatGPT-4比以前的版本“更大”，這意味著它已經(jīng)接受了更多數(shù)據(jù)的訓(xùn)練，因此運行起來也更加昂貴。OpenAI 只表示它使用了微軟Azure來訓(xùn)練模型，但沒有公布有關(guān)具體模型大小或用于訓(xùn)練它的硬件的詳細(xì)信息。

這也意味使用它的成本越來越高。與ChatGPT不同的是，這個新模型目前還不能免費公開測試，雖然它鼓勵開發(fā)者申請試用，但是將需要上等待名單。

新模型將提供給ChatGPT的付費用戶ChatGPT Plus（每月20美元），也將作為API的一部分提供，允許開發(fā)者付費將AI集成到他們的應(yīng)用程序中。OpenAI表示，多家公司已經(jīng)將GPT-4集成到他們的產(chǎn)品中，包?Duolingo、Stripe和Khan Academy等。

當(dāng)然，如果你不是開發(fā)者或者付費用戶，但是實在是想嘗嘗鮮，微軟的Bing會是最好的選擇——Bing的AI聊天機器人，過去六周以來，已經(jīng)開始使用GPT-4了。

你感覺到了嗎？