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

這一次，它將成為開發(fā)者手中的利器。

離發(fā)布僅僅四個(gè)多月，在ChatGPT展現(xiàn)了驚人的實(shí)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(gè)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(shí)世界場(chǎng)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(shí)力——總結(jié)文章、寫代碼、報(bào)稅、寫詩(shī)……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(gè)人比另外一個(gè)人更厲害？考試。

那怎么證明一個(gè)AI模型比另外一個(gè)更厲害？同樣是考試。

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

根據(jù)他們的測(cè)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(guò)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(jī)都能達(dá)到領(lǐng)先的排名……

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

“我們的 GPT-4 訓(xùn)練運(yùn)行（至少對(duì)我們而言！）前所未有地穩(wěn)定，成為第一個(gè)我們能夠提前準(zhǔn)確預(yù)測(cè)其訓(xùn)練性能的大型模型?！?/p>

此外，GPT-4還有了一個(gè)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(gè)示例中，GPT-4準(zhǔn)確地回答了幾個(gè)網(wǎng)絡(luò)meme為什么搞笑的問(wèn)題（雖然解釋得并不好笑）。

圖源：《紐約時(shí)報(bào)》

在《紐約時(shí)報(bào)》提供的案例中，同樣可以看出GPT-4可以同時(shí)解析文本和圖像，這也使它能夠解釋更復(fù)雜的信息。不過(guò)，目前圖像輸入的權(quán)限尚未公開，所以目前還沒(méi)看到更多例子來(lái)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(méi)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(duì)方會(huì)使用GPT-4來(lái)構(gòu)建服務(wù)。

此外，GPT-4已經(jīng)開始具備一點(diǎn)點(diǎn)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)。

圖源：《紐約時(shí)報(bào)》

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(shí)，差異就會(huì)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(shuō)，北卡羅來(lái)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(guò)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(gè)外行人無(wú)法識(shí)別的醫(yī)學(xué)術(shù)語(yǔ)。

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

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

許多現(xiàn)有的機(jī)器學(xué)習(xí)基準(zhǔn)測(cè)試都是用英語(yǔ)編寫的。為了初步了解GPT-4在其他語(yǔ)言上的能力，OpenAI使用 Azure Translate，將一套涵蓋57個(gè)主題的1.4萬(wàn)多項(xiàng)選擇題的MMLU基準(zhǔn)，翻譯成了多種語(yǔ)言，然后進(jìn)行測(cè)試。

在測(cè)試的26種語(yǔ)言中，有24種語(yǔ)言，GPT-4優(yōu)于 GPT-3.5和其他大語(yǔ)言模型的英語(yǔ)語(yǔ)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(shuō)，在這個(gè)測(cè)試中，GPT-4對(duì)于中文的語(yǔ)言理解，已經(jīng)優(yōu)于此前ChatGPT對(duì)于英文的理解。

Live Demo：報(bào)稅、寫詩(shī)、寫代碼，無(wú)所不能

如果說(shuō)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(shí)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(lái)實(shí)時(shí)演示Live Demo中，展示了GPT-4的真正實(shí)力——總結(jié)文章、寫代碼、報(bào)稅、寫詩(shī)……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(duì)話框，可以輸入具體的對(duì)話形態(tài)來(lái)對(duì)具體的內(nèi)容進(jìn)行調(diào)整、追問(wèn)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(lái)解決不同的問(wèn)題。

ChatGPT模式下，GPT-4可以處理超過(guò)2.5萬(wàn)字的文本，可以輕松地總結(jié)一篇超長(zhǎng)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(diǎn)。

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

或者要它把這些內(nèi)容要點(diǎn)寫成一首詩(shī)。

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

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

對(duì)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(gè)小時(shí)也沒(méi)有搞懂，然而GPT-4卻可以很快給出答案。

或許這段不到一個(gè)小時(shí)的演示，才真正道出了GPT-4的強(qiáng)大之處——它不再僅僅是普通用戶的“聊天機(jī)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(jiàn)的領(lǐng)域，成為強(qiáng)大工具的開發(fā)基石。

從這一點(diǎn)來(lái)說(shuō)，它比ChatGPT帶來(lái)的影響，將更加廣泛。

滿嘴跑火車：還在跑，但是好一點(diǎn)

不得不提的是，盡管功能強(qiáng)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(huì)大膽自信地編造事實(shí)，并且會(huì)出現(xiàn)推理錯(cuò)誤。OpenAI強(qiáng)調(diào)，仍然推薦在使用它的時(shí)候要附加諸如人工審查、或者附加上下文，甚至在高風(fēng)險(xiǎn)情境中，要避免使用它。

在GPT-4公告中，OpenAI強(qiáng)調(diào)該系統(tǒng)已經(jīng)接受了六個(gè)月的安全培訓(xùn)，在內(nèi)部對(duì)抗性真實(shí)性評(píng)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(qǐng)求的可能性降低了 82%，產(chǎn)生真實(shí)事實(shí)的可能性提高了 40%，優(yōu)于 GPT-3.5?！?/p>

這也意味著， GPT-4 相對(duì)于以前的模型來(lái)說(shuō)，還是顯著地減少了一本正經(jīng)胡說(shuō)八道的頻率，而且用戶千方百計(jì)提示它以讓它說(shuō)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(huì)出錯(cuò)或輸出有害內(nèi)容。例如，微軟透露其Bing聊天機(jī)器人其實(shí)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(jī)器人提供危險(xiǎn)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(duì)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(huì)偏見(jiàn)、幻覺(jué)和對(duì)抗性提示。”O(jiān)penAI表示。

應(yīng)用：面向開發(fā)者，越來(lái)越貴

當(dāng)然，除了表現(xiàn)方面，還有一個(gè)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(yùn)行起來(lái)也更加昂貴。OpenAI 只表示它使用了微軟Azure來(lái)訓(xùn)練模型，但沒(méi)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(lái)越高。與ChatGPT不同的是，這個(gè)新模型目前還不能免費(fèi)公開測(cè)試，雖然它鼓勵(lì)開發(fā)者申請(qǐng)?jiān)囉?，但是將需要上等待名單?/p>

新模型將提供給ChatGPT的付費(fèi)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(fèi)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(fèi)用戶，但是實(shí)在是想嘗嘗鮮，微軟的Bing會(huì)是最好的選擇——Bing的AI聊天機(jī)器人，過(guò)去六周以來(lái)，已經(jīng)開始使用GPT-4了。

你感覺(jué)到了嗎？