行业前沿｜GPT-4横空出世！多模态超出预期，掀起更大产业变革

“OpenAI的最新语言模型GPT-4已经正式宣布，但它能做什么是它的前辈不能做到的呢？

作者：James Vincent |

Mitchell Clark |

Benj Edwards |

编译：唐诗 |

平地一声雷，GPT-4 重磅来袭。

一开始据说是本周四发布，结果周三凌晨就发布了，果真，OpenAI向来喜欢提前给人们制造惊喜！

3 月 14 日，OpenAI 正式上线新一代人工智能大模型 GPT-4，它是一个大型多模态模型，可以接受图像和文本输入，同时返回文本输出。

与此同时，微软宣布 Bing Chat 一直在 GPT-4 上运行。

当前，OpenAI 计划通过 ChatGPT 及其商业 API 发布 GPT-4 的文本功能，但是想要直接用上，还需要先加入一波等待名单耐心等候。不过，ChatGPT Plus 用户倒是可以直接上手 GPT-4 的体验。

01

GPT-4 惊喜上线

虽然此前 OpenAI 首席技术官 Mira Murati 不断给大家打预防针，希望外界能够对下一代 GPT（即 GPT-4）的技术水平更加冷静务实一些，少一些炒作会更好些，但是当 GPT-4 真正到来时，大家还是坐不住了。

“我们花了 6 个月的时间，利用对抗性测试项目以及 ChatGPT 的经验，反复调整 GPT-4，结果在真实性、可操作性以及拒绝超出道德等边界方面取得了有史以来最好的结果（尽管远非完美）”，OpenAI 分享道。

一般来说，人工智能模型非常复杂，像 GPT-4 这样的系统是庞大和多功能的，具有隐藏的和未知的功能。事实核查也是一个挑战。例如，当 GPT-4 自信地告诉你它创造了一种新的化合物时，直到你问几个真正的化学家，你才会知道它是否属实。（尽管这从未阻止某些夸张的说法在Twitter上传播开来。正如OpenAI在其技术报告中明确指出的那样，GPT-4的最大限制是它“幻觉”信息（编造信息），并且经常“在预测中自信地错误”。

撇开这些警告不谈，GPT-4 在技术上绝对令人兴奋，并且已经被集成到大型主流产品中。

02

GPT-4能做什么它的前辈做不到的事？

为让众人更加清楚地了解 GPT-4，OpenAI 官方不仅上线了介绍性的网页，还发布了一篇技术论文，详细分享了 GPT-4 强大的功能，以及其存在的局限性。

从技术维度上来看，GPT-4 是一个基于 Transformer 的模型，经过预训练，可以预测文档中的下一个 token。这个项目的一个核心部分是开发了基础设施和优化方法。这使 OpenAI 能够根据不超过 GPT-4 的 1/1000 的计算量训练的模型，准确地预测 GPT-4 的某些方面的性能。

更长的上下文，上限为 2.5 万个字

人工智能语言模型一直受到它们在短期记忆中可以保留的文本量（即：用户问题和系统答案中包含的文本）的限制。但是OpenAI已经为GPT-4极大地扩展了这些功能。该系统现在可以一次性处理整篇科学论文和中篇小说，使其能够回答更复杂的问题，并在任何给定的查询中连接更多详细信息。

在性能上，GPT-4 超越了过往的模型，它可以遵循自然语言的复杂指令、生成技术或创意作品，支持生成和处理多达 32,768 个 token（约 25,000 字的文本），这使得 GPT-4 能有更长的上下文，允许长篇内容创建、扩展对话以及文档搜索和分析等用例。

GPT-4 可以通过考试测试

在分析 GPT-4 的能力时，OpenAI 还让该模型参加了统一律师考试、法学院入学考试（LSAT）、研究生入学考试（GRE）的定量、口头推理、分析写作考试以及和各种 AP 科目考试等测试。

考试问题包括选择题和自由解答题，OpenAI 为每种形式设计了单独的提示，并在需要输入的问题中加入了图片。总分是通过结合选择题和自由回答题的分数来确定的，使用的是每个考试的公开方法。

最终结果如下：

GPT-4 在大多数这些专业和学术考试中表现与人类水平相当。这意味着，如果 GPT-4 是一个仅凭应试能力来判断的人，它可以进入法学院，而且很可能也能进入许多大学。

这是一个令人印象深刻的展示，特别是与过去的人工智能系统所取得的成就相比，但理解这一成就也需要一些背景。我认为工程师兼作家约书亚·利维（Joshua Levy）在Twitter上说得最好，他描述了许多人在看到这些结果时屈服于的逻辑谬误：“软件可以通过为人类设计的测试并不意味着它具有与通过相同测试的人类相同的能力。”

计算机科学家Melanie Mitchell在一篇讨论ChatGPT在各种考试中的表现的博客文章中详细讨论了这个问题。正如米切尔指出的那样，人工智能系统通过这些测试的能力取决于它们保留和复制特定类型结构化知识的能力。这并不一定意味着这些系统可以从这个基线进行概括。换句话说：人工智能可能是应试教学的终极例子。

多模态能力，通过视觉输入看世界

GPT-4 可以接受图像作为输入并生成标题、分类和分析。就像这样：

用户：这幅画有什么好笑的地方？逐一描述它的板块。

GPT-4：图片显示的是一个 "Lightning Cable "适配器的包装，有三个板块：

板块1：一部智能手机，VGA 连接器（通常用于电脑显示器的大型蓝色 15 针连接器）插在其充电端口。

板块2："Lightning Cable "适配器的包装上有一张 VGA 接口的图片。

板块3：VGA 连接器的特写，末端是一个小的 Lightning 连接器（用于为 iPhone 和其他苹果设备充电）。

这张图片的幽默感来自于将一个大的、过时的 VGA 连接器插入一个小的、现代的智能手机充电端口的荒谬性。

不得不说，一个示例足以证明了 GPT-4 与过往大模型的不同之处。

这意味着 GPT-4 实际上将看到现实世界，为此，OpenAI 也宣布正在和它的合作伙伴 Be My Eyes 一起测试 GPT-4 的图像输入能力，这是一款即将推出的智能手机应用程序，可以直观地解释手机相机所看到的内容。

不过，该功能目前仍限于研究预览，没有公开提供。

超越传统的大模型

在一套传统的 NLP 基准测试中，GPT-4 超过了以前的大型语言模型和大多数最先进的系统（这些系统通常有特定的基准训练或手工工程）。

在 MMLU（多任务语言理解）基准测试中，GPT-4 不仅在英语中以相当大的优势胜过现有的模型，而且在其他语言中也表现出强大的性能。在 MMLU 的翻译变体上，GPT-4 的性能优于 GPT-3.5 和其他 LLM（Chinchilla，PaLM）的英语性能，包括低资源语言，如拉脱维亚语、威尔士语和斯瓦希里语。

生成代码、改 Bug 的最佳小能手

除此之外，OpenAI 通过开源评估框架，用于自动评估 AI 模型性能的框架，允许任何人报告模型中的缺点，以帮助指导进一步改进。

与此同时，GPT-4 对代码有超强的理解能力，可以帮助程序员生成代码，遇上 Bug 时，甚至只要你把错误信息或者代码异常的截图发给 GPT-4，它就能帮你给出相应的提示。

只需几秒，一张手画草图，GPT-4 直接帮你生成网页

更让人惊奇的是，在官方演示的视频中，手绘一张网站草图：

把它拍照发给 GPT-4，GPT-4 甚至可以自动生成网站的原型图。它从图片中提取文字信息并输出到 HTML，一个网站就有了，整个过程只有几秒钟的时间：

另外，GPT-4 也能处理复杂的税务问题。

一系列操作下来，惊呆众人。在上手体验之后，不少网友现身说法：

我不在乎它不是 AGI，GPT-4 是一项令人难以置信的变革性技术。我在 60 秒内重新创建了 Pong 游戏。这是我的第一次尝试。

据悉，所有的代码都是 HTML 实现的。

甚至有人看到了 GPT-4 的强大，开始暗戳戳地暗示起 GPT-5 的模样：

03

不足之处

OpenAI 表示，他们的目标是开发能够在任何智力任务方面取代人类的 AGI，尽管 GPT-4 还没有达到这个目标。

尽管有这样的能力，GPT-4 与早期的 GPT 模型有类似的局限性：它不是完全可靠的，比如，它也会对事实产生“幻觉”，推理出错误的结果。

对此，OpenAI 首席执行官 Sam Altman 在推特上说："它（GPT-4）仍然有缺陷，仍然有局限性，但它在首次使用时仍然能给你留下深刻印象。"

在使用 GPT-4 的输出时，应该小心谨慎，特别是在专业性要求非常高的重要场景中。

04

微软：新 Bing 早用上了 GPT-4

这也是事实，GPT-4 远非完美。不过根据 OpenAI 的说法，研究人员纳入了更多的人类反馈，包括 ChatGPT 用户提交的反馈，用来改善 GPT-4 的行为。此外，OpenAI 公司还聘请了 50 名人类专家，在人工智能安全方面提供反馈。

如今微软同时宣布自家产品早已第一时间用上了 GPT-4。"我们很高兴地确认，新的 Bing 正在 GPT-4 上运行，为搜索而定制，"微软在一篇博客文章中写道。"如果你在过去六周的任何时候使用过预览版的新 Bing，你已经提前看到了 OpenAI 的最新模型的力量。随着 OpenAI 对 GPT-4 及以后的更新，Bing 从这些改进中受益，以确保我们的用户拥有最全面的副驾驶功能。"

参考链接：

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

https://www.theverge.com/2023/3/14/23638033/openai-gpt-4-chatgpt-multimodal-deep-learning

https://www.theverge.com/2023/3/15/23640047/openai-gpt-4-differences-capabilties-functions

https://arstechnica.com/information-technology/2023/03/openai-announces-gpt-4-its-next-generation-ai-language-model/

https://blogs.bing.com/search/march_2023/Confirmed-the-new-Bing-runs-on-OpenAI%E2%80%99s-GPT-4

https://www.youtube.com/watch?v=outcGtbnMuQ

本文提供的信息仅用于一般指导和信息目的，本文的内容在任何情况下均不应被视为投资、业务、法律或税务建议。