GPT-4震撼登场！图像处理新高度，人类水平对话，长篇论文不再是难题？超大模型的未来在这里！”

作者丨李梅 黄楠

编辑丨岑峰

今日，多模态大模型 GPT-4 震撼登场！

GPT-4 能够接受图像和文本输入，输出文本，在各项测试和基准上的表现已经与人类水平相当。

🎉🚀【OpenAI震撼发布】🔥——GPT-4力作，技术报告与system card重磅揭秘！💡ChatGPT Plus深度体验等你来，🔥API加入waitlist，一触即发！👀Demo视频全面展示黑科技魅力，带你领略AI无限可能。🛠️同时，为AI评估量身打造的OpenAI Eval框架，让模型效能评测更精准高效。🚀不止于此，更多惊喜等你挖掘！💡欲了解更多，敬请关注官方动态，一起探索未来科技之旅！🌐#OpenAI #GPT-4 #AI探索

Sam Altman 称，GPT-4 是“我们迄今为止最强大、对齐最好的模型”。

—— 1 ——

对 ChatGPT 的巨大超越

🌟【超前技术】揭秘：GPT-4革命性突破！🚀ChatGPT曾是AI语言生成领域的明星，而今的GPT-4正以压倒性的优势引领潮流。相较于前任，这款巨无霸模型的能效与智慧简直飞跃升级！🔍🔥亮点一：海量吞吐，学术殿堂轻松游荡GPT-4的输入容量堪称史上之最——32768个令牌，这相当于50页文档的容量，足以让学者们告别繁重的文献处理，一键解析长篇论文，学术探索再无阻碍！📚🔍亮点二：深度学习，内容生成更精准强大的自然语言处理能力，让GPT-4在信息理解和创作上更加精进。无论是学术研究还是创意写作，它都能提供更为专业且贴近需求的输出，内容质量直线上升！📝SEO提示：长篇讨论、学术研究、内容生成、深度学习、GPT-4优化别忘了，每一次技术的进步都是对未来的预告。拥抱GPT-4，迎接知识海洋的新篇章吧！🌊

图源知乎

🌟【GPT-4革命性升级】🔥相较于GPT-3.5，超凡的API与直观界面让GPT-4独领风骚！它在文本摘要与深度处理上的显著飞跃，让你的每一次提问都能得到更精准、连贯的回答。指令响应如丝般流畅，展现强大语义理解力。🌍SEO优化提示：关键词”GPT-4″, “API接口”, “文本总结”, “指令遵循能力”等，确保内容相关且吸引眼球。

原文改写如下: 📚🚀掌握未来写作潮流！使用AI助手轻松创作，从”Gather ideas”到”Glimpse perfection”。无需”Guru’s expertise”, GPT-4帮你实现高效”Grafication”.体验独一无二的”Gauging”效果，让每个字符都流露创新思维。欲了解更多”Graffiti of words”?探索GPT-4的无限可能！🌍✨

GPT-3.5

GPT-4

同时，GPT-4 对指令的理解能力更佳：

（图片来源：知乎网友：@连诗路）

🎉【革新未来】🔥GPT-4震撼升级，打破传统束缚！🔍图片也能“开口说话”！💡科技巨头的又一力作，GPT-4 的新突破让想象力飞速跃动！✨只需轻轻一点，上传一张食材满满的图片到这位神奇AI面前，它不仅能识别图像内容，还能深度解析，为你揭示隐藏的美食制作秘籍！🍳鸡蛋、面粉、牛奶？看它如何巧手搭配，解锁令人垂涎的烘焙佳肴！🔍不仅如此，GPT-4 图像分类与分析能力同样出色，无论是家庭日常还是专业领域，都能快速准确地帮你理清头绪。📚从农产品到艺术作品，一切图像信息无所遁形，让知识触手可及！🚀拥抱变革，体验未来科技带来的无限可能！👩‍💻立即行动，让GPT-4成为你的生活与工作中的得力助手吧！🌐#GPT-4 #图片识别 #科技创新

🎉🎨💻 构建未来网页新纪元！🌍🌐 使用最新🔥GPT-4技术，图片转文字不再是难题！它可以轻松提取图像中的隐形信息，转化为HTML格式，让你的想法瞬间跃动在数字世界中。💡 笑话网站设计？别怕，让AI帮你打造概念草图，程序员们或许需要重新定义他们的技能栈了！💻🎨 不再受限于手绘，GPT-4引领创新，为你的网页设计省时又高效！🌍✨ #GPT_4HTML #未来网页革命

手绘的笑话网站模型图

GPT-4 根据手绘生成的笑话网站

对比 ChatGPT，GPT-4 的推理能力也有所超越，下面的结果展示了同一个问题 ChatGPT 和 GPT-4给出的不同答案：

左边为 ChatGPT，右边是 GPT-4

不仅如此，GPT-4 还能基于税务法则，帮助一对夫妻精准地计算出2018年缴纳的税额，并给出详尽的算法步骤，以便阅读解释。

据了解，OpenAI 于去年 8 月就已经完成了 GPT-4 的训练，我们与 OpenAI 的差距似乎更大了。

—— 2 ——

与 ChatGPT 相同的技术路线

在技术层面，一句话概括，GPT-4 是一个 Transformer 模型，使用公开可用的数据（如互联网数据）和第三方提供商许可的数据进行预训练，预测文本中的下一个 token，然后使用 RLHF（来自人类反馈的强化学习）对模型进行微调。

在一份98页的技术报告中，OpenAI 报告了 GPT-4 的性能、局限性和安全特性，但并没有公开有关架构（包括模型参数量）、硬件、训练计算、数据集构建、训练方法等内容的更多细节。

OpenAI 声称是“鉴于竞争格局和 GPT-4 等大规模模型的安全性影响”。

关于GPT-4的参数量，此前OpenAI的CEO Sam Altman表示，GPT-4不会比GPT-3高出太多，但大家关于GPT-4拥有极大参数量的猜测仍有很多。

对此，UCL 计算机系教授、上海数字大脑研究院院长汪军认为，大力确实出奇迹，此前 ChatGPT 的语言能力很强，有一定的逻辑推理能力，但它并未真正理解数据里面的内容，它只是在原来的训练数据中、搭料能力很强，因此是具有一定局限性的，在训练里一定要加上它对整个世界的理解。举个简单的例子，以下棋为例，如果你给它所有人类的下棋数据能力，比如说2000分以下所有人的数据，如果模型只模仿人的话，那么它是模仿不出比这2000分更高的智能的。

报告地址：https://cdn.openai.com/papers/gpt-4.pdf

在这份技术报告中，OpenAI 依然传达了一些关键信息，比如 GPT-4 采用与 GPT-3.5/ChatGPT 完全相同的技术路线；有一系列的对齐方案来保证 GPT-4 输出的安全性；基于不超过 GPT-4 千分之一的计算量来准确预测 GPT-4 在一定计算规模下的性能，利用小模型的训练性能来预测大模型期望性能这一点，在 OpenAI 看来是一项核心能力，也是一个值得研究的方向。

—— 3 ——

GPT-4 背后的强大阵容

尽管在 GPT-4 的技术细节方面，OpenAI 仍不够 Open，但这次他们也做了一次大胆的公开—— GPT-4 贡献者名单。

这份名单的最大看头在于，从下面这些详细的组别分类中可以大致看出 OpenAI 的部门组织架构，也足见 GPT-4 背后是一支多么庞大的队伍，从模型训练到评估再到安全部署，每一环都配备了大量的人力。

贡献者名单

这里一共列出了7个组别：

预训练：计算集群规模化、数据、分布式训练基础设施、硬件正确性、优化&架构、训练保姆（Training run babysitting）

长文本：长文本研究、长文本 kernels

视觉：架构研究，计算集群规模化、分布式训练基础设施、硬件正确性、数据、对齐数据、训练保姆、部署&后训练

强化学习&对齐：数据集、数据基础设施、ChatML 格式化、模型安全性、Refusals、底层 RLHF 和 InstructGPT 工作、Flagship training runs、代码能力

评估&分析：OpenAI Evals 库、模型分级评估基础设施、加速预测（Acceleration forecasting）、ChatGPT 评估、能力评估、代码评估、真实世界使用案例评估、污染性调查、指令遵循和API评估、新奇能力发现、视觉评估、经济影响评估、非扩散&国际人道主义法与国家安全的有害行为评估、过度依赖分析、隐私和PII评估、安全和政策评估、OpenAI 对抗性测试、系统卡和更广泛影响分析

部署：界面研究、GPT-4 API 和 ChatML 部署、GPT-4 web 体验、界面基础设施、可靠性工程、信任与安全工程、信任与安全监测和响应、信任与安全政策、部署计算、产品管理

其他：发布博客和论文内容、协作、计算分配支持、协议&税务&定价&资金支持、午餐合作伙伴&产品操作、法律、安全与隐私工程、系统管理与随叫随到服务

另外，OpenAI 也对微软的支持表示了感谢，特别是微软 Azure 为 GPT-4 模型的训练提供了基础架构设计和管理方面的支持，另外还有微软Bing团队和安全团队在安全部署方面的支持。

对于 OpenAI 的追赶者来说，这份名单一定程度上指示了一个方向，值得仔细研究。它对于 AI 领域人才的潜在热门职业方向也有启示，比如模型训练“保姆”、新奇能力发现师、算法模型安全师、数据和模型污染调查师等等。

—— 4 ——

开启多模态大模型时代

GPT-4 开启了多模态大模型的时代，遗憾的是，OpenAI 这次并没有公布 GPT-4 在多模态方面的技术细节。

自然语言是多模态的基础

目前 GPT-4 还只是文本+图像输入、文本输出，可以预测文本+图像不久也将实现。ChatGPT 已经带火了 NLP，GPT-4 想必对于视觉领域的研究者们也是一大机遇，也或许是一次冲击。不过，在多模态大模型中，自然语言仍被认为是核心。UCL 计算机系教授、上海数字大脑研究院院长汪军告诉 AI科技评论，Chat 构建了一个相对清晰的逻辑描述，它或许不是百分百严谨，但已经足够让我们去表达一些非常复杂的逻辑关系。但他认为，这是一个 Free power，也即是说，它可以能把这个问题表述得很清晰、但这是表象，最主要的是 Chat 里面含载的语义关系，当其他多模态来了之后，匹配上相应的语义表达，就可以迁移到其他的模态当中。

知识体系和自动化体系时代

在通过交互界面获取信息这一点上，ChatGPT 已经对用户完成了科普任务。GPT-4 出现后，Chat 将不再是大家关注的重点，GPT-4 能力的跃升正在引发大家思考 GPT 时代的产业变革将怎样发生。在前维卓CTO 张烜看来，ChatGPT 背后的时代变化，是从信息时代 AI 向用户快速提供丰富的信息，到AI直接提供完整的知识体系。ChatGPT 的贡献是提供了一个便捷易用的交互界面，让普通人都能用得起来，功不可没，GPT-4 是在此基础上的再一次飞跃。他认为，除了模型变得更大、更强以外，AI 技术本身的变化可能不显著，但从应用的角度看，新的时代已经到来。这个新时代便是知识体系和自动化的时代，AI 优化的目标是自动化地输出最终结果和完整的知识体系。

能够适应这种新形势的是以 RPA（Robotic process automation）为代表的自动流程化分发，但是目前的 RPA 起始于20年前，不适用于现在的媒体方式和交互内容，需要在文字、图像和视频化处理上加以改进，才能和 GPT 完美匹配。张烜对 AI科技评论透露，这是 GPT 影响产业的一个重要方式，也将是他接下来的创业方向。

目前，有一部分企业已经提前用上了 GPT-4，其中就包括了 Stripe、摩根士丹利和 Duolingo 等。Stripe 团队列出了50个潜在应用程序来测试 GPT-4，经过审查和测试，当中有15个原型被认为是集成到平台中的有力候选者，包括支持定制、回答有关支持的问题和欺诈检测。

摩根士丹利人员日常工作需要面对一个巨大的内容库，涵盖投资策略、市场研究和评论以及分析师见解等知识内容达到数十万页，并且这些信息大多以 PDF 格式分布在内部网站上，需要顾问浏览大量信息才能找到特定问题的答案，搜索费时费力。为此，从去年开始，摩根士丹利就引入了 GPT-3，利用 GPT 的嵌入和检索功能，释放内部人员在财富管理累积知识上的工作量，GPT-4 发布后，将为面向摩根士丹利内部的聊天机器人提供支持，该计划由摩根士丹利财富管理部门首席分析和数据官 Jeff McMillan 所在团队领导进行，团队项目负责人指出，GPT-4 将能够把所有洞察力解析为一种更有用、可操作的格式。

据 McMillan 介绍，摩根士丹利财富管理在 GPT-4 引入后将分为三个部分进行，第一部分的落脚点在 GPT-4 的“几乎瞬间访问、处理和合成内容的非凡能力”上，即基于互联网大量文本进行训练，并在单词、句子、概念和想法之间建立关系。第二个落脚点在摩根士丹利的智力资本，摩根士丹利创立有一个独特的内部内容存储库，后续将通过 GPT-4 进行处理和解析，并受公司内部控制的约束。最后一部分在公司的人员上，摩根士丹利就 GPT-4 进行了培训，每天有200多名员工查询相关系统并提供反馈，尽可能实现由内部聊天机器人完成全面搜索财富管理内容。McMillan 表示，这项工作还将进一步丰富摩根士丹利顾问与其客户之间的关系，使他们能够更快地帮助更多人。Duolingo 也推出了一种由 GPT-4 提供支持的学习体验 Duolingo Max，新增“Explain My Answer（解释我的答案）”和“Roleplay（角色扮演）”两大功能。

角色扮演

在 Explain My Answer 中，学习者通过在某些练习类型之后点击一个按钮，可以进入与 Duo 的聊天获得答案解释，并要求举例或进一步说明；Roleplay 功能允许学习者与应用程序中的角色进行对话，角色覆盖多个真实场景，包括在巴黎的咖啡馆点咖啡、邀请朋友一起旅行、未来的假期计划等。（公众号：雷峰网）

参考链接：

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

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

（公众号：雷峰网）

AI时代，掌握AI大模型第一手资讯！AI时代不落人后！

免费ChatGPT问答，办公、写作、生活好得力助手！

扫码右边公众号，驾驭AI生产力！