OpenAI發布GPT-4:ChatGPT擺脫Chat,再次進化
Vicky Xiao / 何渝婷編譯
2023-03-15 11:35

(取自OpenAI臉書粉專)

離發布僅僅四個多月,在ChatGPT展現了驚人的實力之後,OpenAI又扔下了一顆核彈:GPT-4發布了。

在今天的部落格中,OpenAI寫到:「我們創建了GPT-4,這是 OpenAI 努力擴展深度學習的最新里程碑,GPT-4 是一個大型多模態模型(接受圖像和文本輸入,提供文本輸出),雖然在許多現實世界場景中的能力不如人類,但在各種專業和學術基準上表現出人類水準。」

好像和上一代還是差不多?放心,這是OpenAI謙虛了。

在隨後YouTube上進行的Live Demo中,OpenAI的總裁和聯合創始人Greg Brockman展示了GPT-4的真正實力,總結文章、寫程式碼、報稅、寫詩......GPT-3.5做不到的, GPT-4輕鬆拿下。

但這僅僅是表面,GPT再一次進化,雖然可能不是你想的那樣。

新的模型:迭代優化

怎麼樣證明一個人比另外一個人更厲害?考試。

那怎麼證明一個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,結果證明,它在許多測試和基準測試中的表現比前一代確實大大提高。

根據他們的測試結果,GPT-4的SAT分數增加了150分,現在能拿到1600分中的1410分;它能通過模擬律師考試,分數在應試者的前10%左右,相比之下,GPT-3.5的得分在倒數10%左右;在SAT閱讀考試中和SAT數學考試中,GPT-4的成績都能達到領先的排名。

「我們花了6個月的時間使用我們的對抗性測試程式,以及在ChatGPT身上累積的經驗教訓來迭代調整GPT-4,從而在真實性、可操縱性和拒絕超出設定範圍方面取得了有史以來最好的結果。」OpenAI稱。

「我們的GPT-4訓練運行(至少對我們而言!)前所未有地穩定,成為第一個我們能夠提前準確預測其訓練性能的大型模型。」

此外,GPT-4還有了一個品質的飛躍,就是可以開始處理圖像。

經常使用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。

在OpenAI提供的一個示例中,GPT-4準確地回答了幾個網路迷因為什麼搞笑的問題(雖然解釋得並不好笑)。

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複雜的資訊。

不過,目前圖像輸入的權限尚未公開,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。

在隨後舉行的Live Demo中,OpenAI也表示,還沒有公開提供這部分技術,但已經在和一家名為Be My Eyes的公司進行合作,對方會使用GPT-4來建構服務。

此外,GPT-4已經開始具備一點點的幽默感,它可以講出一些模式化的、品質不怎麼樣的冷笑話,但是,至少它已經開始理解「幽默」這一人類特質。

當然,更多的方面,GPT-4的改進是迭代性的。

在隨意的談話中,GPT-3.5和GPT-4之間的區別可能很微妙,但是當任務的複雜性達到足夠的閾值時,差異就會出現。

GPT-4比GPT-3.5更可靠、更有創意,並且能夠處理更細微的指令,可以更準確地解決難題。

比如說,北卡羅萊納大學教堂山分校的醫學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,包括患者術後出現的併發症被送往醫院,描述中包含幾個外行人無法辨識的醫學術語。

當Gehi醫生問GPT-4應該如何治療病人時,GPT-4給了他完美的答案。

「這正是我們對待病人的方式。」Gehi醫生說,當他嘗試其他場景時,GPT-4給出了同樣令人印象深刻的答案。

當然另外一個好消息是,GPT-4對於英語以外的語種支援也得到了大大的優化。

許多現有的機器學習基準測試都是用英語編寫的,為了初步瞭解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,翻譯成了多種語言,然後進行測試。

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

其中中文達到了80.1%的準確性,而GPT-3.5的英文的準確性為70.1%,也就是說,在這個測試中,GPT-4對於中文的語言理解,已經優於此前ChatGPT對於英文的理解。

Live Demo:報稅、寫詩、寫程式碼,無所不能

如果說著這些數據、案例,似乎還難以讓人直觀感受到GPT-4的真正實力,那麼OpenAI的總裁和聯合創辦人Greg Brockman,就親自在YouTube上進行了一把直播,來即時演示Live Demo中,展示了GPT-4的真正實力,總結文章、寫程式碼、報稅、寫詩......GPT-3.5做不到的, GPT-4輕鬆拿下。

Greg Brockman展示了GPT-4的新的使用介面,左側是系統框,可以規定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來對具體的內容進行調整、追問或者給出回饋,最右側是一些參數設置。

在演示中,Brockman就使用使用左側的「系統」框,讓GPT-4相繼成為「ChatGPT」、「AI編程助理」、「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,可以輕鬆地總結一篇超長文章的核心內容,比如把OpenAI今天發表的這篇講述GPT-4的雄文總結要點。

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,或者要它把這些內容要點寫成一首詩。

在「AI編程助理」模式下,還可以讓它輕鬆寫程式碼,生成一個網站,或者寫一個基於Discord的機器人,如果出現錯誤,比如要調用比較新的API而出錯,甚至也不需要向它解釋,而是把錯誤程式碼複製進去,它就會自動糾錯,生成新的程式碼。

或者要它變身成TaxGPT,要它基於稅務法則,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。

對於GPT-4展示出的專業能力,Greg Brockman大為讚賞,他表示那段稅務文件,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」,而將成為開發者手中的利器,在文本、編程、稅務以及更多可以想見的領域,成為強大工具的開發基石。

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,儘管功能強大,但GPT-4與早期的GPT模型具有相似的侷限性。

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,並且會出現推理錯誤。

OpenAI強調,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,甚至在高風險情境中,要避免使用它。

在GPT-4公告中,OpenAI強調該系統已經接受了六個月的安全培訓,在內部對抗性真實性評估中,GPT-4的得分比最新的GPT-3.5高:「響應不允許內容的請求的可能性降低了82%,產生真實事實的可能性提高了40%,優於GPT-3.5。」

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

但是,這並不意味著系統不會出錯或輸出有害內容。

例如,微軟透露其Bing聊天機器人其實一直由GPT-4提供支援,但許多用戶還是能夠以各種創造性的方式打破Bing的護欄,讓機器人提供危險的建議、威脅用戶和編造資訊。

此外,GPT-4仍然是基於2021年9月之前的數據訓練的,這也意味著它和前一代一樣,仍然缺乏對於2021年9月之後的數據的有效理解。

「GPT-4仍有許多已知的侷限性,我們正在努力解決,例如社會偏見、幻覺和對抗性提示。」OpenAI表示。

應用程式:面向開發者,越來越貴

當然,除了表現方面,還有一個明顯的不同是,ChatGPT-4比以前的版本「更大」,這意味著它已經接受了更多數據的訓練,因此運行起來也更加昂貴。

OpenAI只表示它使用了微軟Azure來訓練模型,但沒有公布有關具體模型大小或用於訓練它的硬體詳細資訊。

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,允許開發者付費將AI集成到他們的應用程式中。

OpenAI表示,多家公司已經將GPT-4集成到他們的產品中,包Duolingo、Stripe和Khan Academy等。

當然,如果你不是開發者或者付費用戶,但是實在是想嚐鮮,微軟的Bing會是最好的選擇,Bing的AI聊天機器人,過去六週以來,已經開始使用GPT-4了。

你感覺到了嗎?

本文為品玩授權刊登,原文標題為「OpenAI發佈GPT-4:能識圖能算稅,ChatGPT擺脫Chat,再次進化