3月15日，人工智能公司OpenAI正式发布了多模态模型GPT-4。相比之前的产品，官方称，GPT-4实现了以下几个方面的飞跃式提升:强大的识图能力;文字输入限制提升至2.5万字;回答准确性显著提高;能够生成歌词、创意文本，实现风格变化。
总体来说，GPT-4在文本和图像方面的“多模态”训练将使它能够摆脱聊天框，更充分地模拟一个拥有色彩和图像的世界，在其“高级推理能力”方面超过ChatGPT。一个人可以上传一张图片，而GPT-4可以为其添加标题，描述物体和场景。
识别图像 做到看图说话
OpenAI的总裁和联合创始人Greg Brockman，就亲自在YouTube上进行了一把直播，来实时演示Live Demo中，展示了GPT-4的真正实力，GPT-3.5做不到的， GPT-4轻松拿下。
GPT-4的识图能力也很强，当看到一张悬挂在木制跷跷板上的拳击手套的照片时，一个人可以问如果手套掉下来会发生什么，GPT-4会回答说它会撞击跷跷板并导致球飞起来。
当给出一张冰箱里放满蔬菜的图片后，在下面提问，用上面的蔬菜能制作什么晚餐的时候，GPT-4会回答说，可以制作沙拉等。随后还详细列出来制作的步骤。
在提供的案例中，同样可以看出GPT-4可以同时解析文本和图像，这也使它能够解释更复杂的信息。不过，目前图像输入的权限尚未公开，所以目前还没看到更多例子来证明GPT-4在图像方面的处理能力。
随后举行的Live Demo中，OpenAI也表示，还没有公开提供这部分技术，但已经在和一家名为Be My Eyes的公司进行合作，对方会使用GPT-4来构建服务。
拆分变身 做到无所不能
Greg Brockman在视频中展示了GPT-4的新的使用界面，左侧是系统框，可以规定AI的角色，以及整体的回答原则，中间则是对话框，可以输入具体的对话形态来对具体的内容进行调整、追问或者给出反馈。最右侧是一些参数设置。
在演示中，Brockman就使用使用左侧的“系统”框，让GPT-4相继成为“ChatGPT”、“AI编程助手”、“TaxGPT”，来解决不同的问题。ChatGPT模式下，GPT-4可以处理超过2.5万字的文本，可以轻松地总结一篇超长文章的核心内容，比如把OpenAI今天发布的这篇讲述GPT-4的雄文总结要点。
在演示中，在“AI编程助手”模式下，还可以让它轻松写代码，生成一个网站，或者更复杂的，写一个基于Discord的机器人，如果出现错误，比如要调用比较新的API而出错，甚至也不需要向它解释，而是把错误代码复制进去，它就会自动纠错，生成新的代码。
除此之外，GPT-4还能做到总结文章、写代码、报税、写诗……可以说是无所不能。
能力变强 学习能力再精进
虽然GPT-4对于许多现实场景的处理比人类差，但它在各种体现专业和学术能力的 benchmark 上，已表现出和人类相当的水平。
GPT-4在其他语言上的能力，OpenAI使用 Azure Translate，将一套涵盖57个主题的1.4万多项选择题的MMLU基准，翻译成了多种语言，然后进行测试。
在测试的26种语言中，有24种语言，GPT-4优于 GPT-3.5和其他大语言模型的英语语言性能。其中中文达到了80.1%的准确性，而GPT-3.5的英文的准确性为70.1%，也就是说，在这个测试中，GPT-4对于中文的语言理解，已经优于此前ChatGPT对于英文的理解。
官方公布的数据显示，GPT-4通过了模拟律师考试，其分数在应试者的前 10% 左右；相比之下，GPT-3.5的得分却在倒数 10% 左右。OpenAI表示，他们花了6个月的时间来使用对抗性测试程序，以及通过 ChatGPT 的经验教训迭代调整GPT-4，从而在真实性和可控性等方面取得了有史以来最好的结果。
写在最后：
随着ChatGPT已经发展到基本上“适用于所有语言”，该技术和应用已经挑战产业对于AI的认知，但行业的迅速发展，正如预测的那样，这些人工智能语言模型的广泛可用性带来了问题和挑战。
在宣布GPT-4时，OpenAI强调该系统已经过六个月的安全培训，在内部测试中，“响应不允许内容请求的可能性降低了82%，产生事实响应的可能性比GPT-40.3高出5%。但是，这并不意味着系统不会犯错误或输出有害内容。GPT-4也仍然缺乏对2021年9月“绝大部分数据切断后发生的事件”的了解。
原创文章，作者：苹果派，如若转载，请注明出处：https://www.kejixun.com/article/570137.html
