本文正在参加 人工智能创作者扶持计划

大家好，我是小寒。

原文链接

今天凌晨，OpenAI 发布了多模态预训练大模型 GPT-4。

GPT-4 是一个大型多模态模型（接受图像和文本输入，发出文本输出）。

虽然在许多现实世界场景中的能力不如人类，但在各种专业和学术基准上表现出人类水平。

例如，它通过模拟律师考试，分数在应试者的前 10% 左右；相比之下，GPT-3.5 的得分在倒数 10% 左右。

GPT-3.5 和 GPT-4 之间的区别可能很微妙。当任务的复杂性达到足够的阈值时，差异就会出现，GPT-4 比 GPT-3.5 更可靠、更有创意，并且能够处理更细微的指令。为了了解这两种模型之间的区别，OpenAI 在各种基准测试中进行了测试，包括最初为人类设计的模拟考试。

OpenAi 还在为机器学习模型设计的传统基准上评估了 GPT-4。

GPT-4 大大优于现有的大型语言模型，以及大多数最先进的 (SOTA) 模型。

GPT-4 可以接受文本和图像 prompt。

具体来说，它在给定由文本和图像组成的输入的情况下生成文本输出。

比如问：这张照片有什么不寻常之处？

GPT4 的回答是：这张照片的不同寻常之处在于，一名男子正在移动的出租车车顶上的熨衣板上熨烫衣服。

可以看到，GPT4 回到的还真的是不错。

不过 OpenAI 在这里说了，图像输入是研究预览，仍不公开，这里只能遗憾的期待一波了。。。

与具有固定冗长、语气和风格的经典 ChatGPT 个性不同，开发人员（以及 ChatGPT 用户）现在可以通过在 “system” 消息中描述这些方向来规定他们的 AI 的风格和任务。

系统消息 允许 API 用户在一定范围内显着定制他们的用户体验。

尽管功能强大，但 GPT-4 与早期的 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 “幻觉” 事实并出现推理错误）。

在使用语言模型输出时应格外小心，特别是在高风险上下文中。

但 GPT-4 相对于以前的模型显着减少了幻觉。在 OpenAI 内部对抗性真实性评估中，GPT-4 的得分比最新的 GPT-3.5 高 40%。

ChatGPT Plus 订阅者将在 【【网址】】 上获得具有使用上限的 GPT-4 访问权限。

OpenAI 根据实践中的需求和系统性能调整确切的使用上限，但预计会受到严重的容量限制（尽管 OpenAi 将在未来几个月内扩大规模和优化）。

要通过 **API 访问 GPT-4 **，可以通过 【【网址】】/waitlist/gp… 进行注册，等待 OpenAI 的审核通过。OpenAi 将开始邀请一些开发人员，并逐步扩大规模以平衡容量与需求。

获得访问权限后，你可以向 gpt-4 模型发出纯文本请求（图像输入仍处于有限的 alpha 阶段）。

最后，明天就是百度 文心一言 的发布时刻，然我们一起来期待一下吧。

随后，我会带大家一起测试一下 GPT-4，如果有想一起加入的，可以联系我

本文正在参加 人工智能创作者扶持计划

多模态综合理论框架

GPT-4 模型是OpenAI开发的第四代大型语言模型（LLM），它将是一个多模态模型，会提供完全不同的可能性-例如文字转图像、音乐甚至视频。GPT 全称为 Generati【【微信】】rmer，是一种使用人工神经网络的深度学习技术，能够使机器像人一样聊天交流并进行创作。

GPT-4 建立在 GPT-3 之上，GPT-3 于 2020 年 5 月发布，并迅速成为使用最广泛的自然语言处理模型之一。 GPT-4 比 GPT-3 更大更强，能够更准确、更流畅地处理和生成文本。

在GPT-4之前是GPT-3.5，由该模型开发的聊天机器人 ChatGPT 一经面世，便引爆 AI 界的军备竞赛

　　微软 AI 技术专家 【【微信】】 和 Clemens Sieber 对多模态 AI 的相关功能进行了介绍。

　　根据 Kenn 的说法，多模态 AI 不仅可以将文本转化成相应的图像、音乐甚至是视频。在微软宣布前，机器学习专家 Emil Wallner 就在推特上预测，称 GPT-4 可能具备这种能力。

　　Sieber 则介绍了一些多模态 AI 产业化的潜在案例，例如多模态 AI 能够将电话呼叫的语音直接记录成文本。根据估算，该功能能为微软位于荷兰的一家大客户节省 500 个工作小时/天。

　　这项技术已经发展到基本上“适用于所有语言”，也就是说“可以用德语提问，然后用意大利语得到答案。”

　　近期接受媒体采访时，OpenAI 首席执行官 Sam Altman 直接否认了一些传言，比如 GPT-4 可能会使 AGI 有和人类一样的意识。

　　Altman 强调，GPT-4 是一次进化，而不是一项革命性的技术。ChatGPT 的下一个版本不会是 AGI ，也不会有 100 万亿个参数

　　OpenAI 的首席技术官 Mira Murati 认为少宣传是好事，但表示 GPT-4 可能会“为人们拓宽发展机会”。

GPT，即 Generati【【微信】】rmer，是由 OpenAI 提出的一系列非常强大的预训练语言模型。该系列模型基于互联网上的可用数据上进行训练，在 NLP（自然语言处理）方面表现卓越，可用于问答、文章生成、机器翻译、代码生成和对话 AI 等。

在 GPT 系列模型推出之前，传统的 NLP 模型都是针对特定任务（如分类、翻译等）进行训练的，并且往往使用监督学习，这就导致了两个问题：缺乏大量的标注数据，模型也无法概括和泛化任务。

以下是GPT的演变历史

OpenAI 在 2018 年推出了 GPT-1，模型参数数量为 1.17 亿，通过未标注的数据训练出一种生成式语言模型，再根据特定的下游任务进行微调，将无监督学习作为有监督模型的预训练目标。

时隔一年后，2019 年具有 15 亿参数的 GPT-2 出现。与 GPT-1 相比，GPT-2 在结构上并没有太多创新与设计，使用了更大的数据集和更多的模型参数进行训练，以此强化并提高模型性能。

从 GPT-1 的 1.17 亿到 GPT-2 的 15 亿，超 10 倍的参数差距带来了性能上的飞跃。这似乎意味着，随着容量和参数量的增多，模型性能还有更大的潜力

2020 年 GPT-3 的参数量翻了 100 倍：1750 亿，其预训练数据量也高达 45TB（GPT-2 是 40GB，GPT-1 约 5 GB）。

事实证明，海量参数确实让 GPT-3 具备了更强大的性能，它在下游任务表现的非常好。即便是复杂的 NLP 任务，GPT-3 也表现惊艳：可以模仿人类写作，编写 SQL 查询语句、React 或 Ja【【微信】】 代码等。

2022 年初推出全新的 InstructGPT 模型，只要 13 亿参数，效果就比 GPT-3 更好。InstructGPT能根据用户的反馈数据进行训练。

ChatGPT，由 GPT-3.5 系列中的模型微调而成。自从去年 11 月发布以来，ChatGPT 迅速火爆全球。根据 Similarweb 的测算，其访问量已经从 1 月的 6.16 亿达到目前的超过 10 亿。

3月1日，OpenAI 放出了ChatGPT API（GPT-3.5-turbo 模型），1000个tokens为$0.002美元，等于每输出 100 万个单词，价格才 2.7 美金（约 18 元人民币），比已有的 GPT-3.5 模型便宜 10 倍。

GPT-4 模型是第四代大型语言模型（LLM），它将是一个多模态模型，会提供完全不同的可能性-例如文字转图像、音乐甚至视频。