OpenAI發(fā)布GPT-4，做題能力更強，還接受圖片輸入，看懂梗圖無障礙！

大數據文摘出品

GPT-4終于發(fā)布了！

(資料圖片)

資本市場狂歡之后，GPT-4在萬眾矚目下誕生，OpenAI在其官網以《GPT-4是 OpenAI 最先進的系統(tǒng)，能夠產生更安全、更有用的響應》為題發(fā)布了這一最新模型。

這一迭代速度不可謂不快，僅僅四個月前，ChatGPT 剛剛推出，并成為歷史上增長最快的消費者應用程序。

總的來說，GPT-4提高了 ChatGPT 的核心技術，使得它相比此前的版本，具有更廣泛的一般知識和解決問題的能力，使得聊天軟件能夠以更高的準確度解決更難的問題。

另外，它還增加了一些新功能，比如接受圖像作為輸入，生成標題、分類和分析。

GPT-4還能夠處理超過25000字的文本，允許用例如長形式的內容創(chuàng)建、擴展會話、文檔搜索和分析等。

新能力：看懂梗圖無障礙

GPT-4 模型中最大的更新之一是它引入了圖像作為輸入，并對其生成標題、分類和分析，而GPT-3.5 只能接受文本。

比如下面這個例子：

問題：這幅圖有什么好笑的? 一點一點描述它。 GPT-4 回答：該圖像顯示了一個包含三個圖片的“Lightning Cable”適配器。 圖1: 一個智能手機與 VGA 連接器(一個大型，藍色，15針連接器通常用于計算機顯示器)插入其充電端口。 圖2: “Lightning Cable”適配器的封裝，上面有一個 VGA 連接器的圖片。 圖3: VGA 連接器的特寫鏡頭，最后是一個小型Lightning連接器(用于為 iPhone 和其他蘋果設備充電)。 這張圖片中的幽默來自于將一個過時的大型 VGA 連接器插入一個小型的現(xiàn)代智能手機充電端口的荒謬。

目前，雖然 GPT-4 的能力不足以實現(xiàn)文本到視頻的生成和其他動態(tài)生成內容，但它確實提供了一個多元素聊天在未來將會是什么樣子的一瞥，很容易想象，在未來，視頻、音頻、圖像和所有其他形式的內容將如何集成到聊天中。

舊能力：當任務足夠復雜，GPT-4 就會比 GPT-3.5 高出一截

GPT-4 作為 OpenAI 在擴展深度學習方面的最新里程碑，本質上是一個大型的多模態(tài)模型(接受圖像和文本輸入，發(fā)出文本輸出) ，雖然在許多現(xiàn)實世界的場景中不如人類，但在各種專業(yè)和學術基準上，其能力已經接近甚至超過人類水平的表現(xiàn)。

例如，它通過了模擬律師資格考試，成績在前10% 左右; 相比之下，GPT-3.5的成績在后10% 左右。

如果只是隨意的交談，GPT-3.5和 GPT-4 之間的區(qū)別可能是微妙的，但是當任務的復雜性達到一個足夠的閾值時，差異就會顯現(xiàn)出來ーー與 GPT-3.5相比，GPT-4更可靠、更有創(chuàng)造性，并且能夠處理更多細微差別的指令。

為了理解這兩個模型之間的區(qū)別，OpenA測試了各種基準，包括模擬最初為人類設計的考試，可以看出，在更高級的測試中，GPT-4 表現(xiàn)比 GPT-3.5 好很多。

再比如下面這個例子，可以看出，GPT-4確實理解能力更勝一籌。

OMT：引入更多人工反饋

為了增加模型的復雜性，GPT-4還加入了更多的人工反饋，包括 ChatGPT 用戶提交的反饋，以改進 GPT-4的行為。OpenAI 表示，該公司“與50多位專家合作，在包括人工智能安全和安保在內的領域提供早期反饋?！?/p>

作為聲明的一部分，OpenAI 分享了幾個已經測試過 GPT-4的公司的用例，包括 Duolingo，Stripe，Morgan Stanley 和冰島政府。該公司還分享了一個 GPT-4 的研究博客，并強調“ GPT-4仍然有許多已知的限制，我們正在努力解決，如社會偏見，幻覺和對抗性提示。”

計算機科學家、布朗大學(Brown University)教授蘇雷什?文卡塔蘇布拉曼尼亞(Suresh Venkatasubramanian)對這一消息仍持謹慎樂觀態(tài)度。在VentureBeat的一次采訪中，他說: “我很想看看 ChatGPT 在公眾注視下進行的壓力測試中，它是如何表現(xiàn)的，我特別感興趣的是，它是否以及如何產生欺騙性的真實內容，以及有什么保護措施可以防止這種情況發(fā)生?！?/p>

https://venturebeat.com/ai/openai-releases-highly-anticipated-gpt-4-model-in-surprise-announcement/

https://openai.com/product/gpt-4

https://openai.com/research/gpt-4

關鍵詞：