在OpenAI發布的ChatGPT引發了科技圈的熱烈討論之后，現在，GPT-4也終于發布，登上了互聯網的大舞臺，而且從測試結果可以看出，GPT-4的表現比前一代又有了很大的提高。那么，這一次GPT的進化體現在哪些方面？GPT-4是否還存在著一定局限性呢？

離發布僅僅四個多月，在ChatGPT展現了驚人的實力之后，OpenAI又扔下了一顆核彈：

GPT-4發布了。

在今天的博文中，OpenAI寫到：

我們創建了GPT-4，這是 OpenAI 努力擴展深度學習的最新里程碑。GPT-4 是一個大型多模態模型（接受圖像和文本輸入，提供文本輸出），雖然在許多現實世界場景中的能力不如人類，但在各種專業和學術基準上表現出人類水平。

好像和上一代還是差不多？放心，這是OpenAI謙虛了。

在隨后YouTube上進行的Live Demo中，OpenAI的總裁和聯合創始人Greg Brockman展示了GPT-4的真正實力——總結文章、寫代碼、報稅、寫詩……GPT-3.5做不到的，GPT-4輕松拿下。

但這僅僅是表面，GPT再一次進化，雖然可能不是你想的那樣。

一、新的模型：迭代優化

怎么樣證明一個人比另外一個人更厲害？考試。

那怎么證明一個AI模型比另外一個更厲害？同樣是考試。

OpenAI讓GPT-4在參加了許多項人類的通用考試，結果證明，它在許多測試和基準測試中的表現比前一代確實大大提高：

根據他們的測試結果，GPT-4的SAT分數增加了150分，現在能拿到1600分中的1410分；

它能通過模擬律師考試，分數在應試者的前10% 左右，相比之下，GPT-3.5的得分在倒數 10% 左右；

在SAT閱讀考試中和SAT數學考試中，GPT-4的成績都能達到領先的排名……

“我們花了6個月的時間使用我們的對抗性測試程序，以及在ChatGPT身上累積的經驗教訓來迭代調整GPT-4，從而在真實性、可操縱性和拒絕超出設定范圍方面取得了有史以來最好的結果?！監penAI稱。

“我們的 GPT-4 訓練運行（至少對我們而言?。┣八从械胤€定，成為第一個我們能夠提前準確預測其訓練性能的大型模型?！?/p>

此外，GPT-4還有了一個質的飛躍——可以開始處理圖像。

經常使用ChatGPT的人肯定知道，它只能處理文本，但GPT-4開始接受圖像作為輸入介質。

在OpenAI提供的一個示例中，GPT-4準確地回答了幾個網絡meme為什么搞笑的問題（雖然解釋得并不好笑）。

圖源：《紐約時報》

在《紐約時報》提供的案例中，同樣可以看出GPT-4可以同時解析文本和圖像，這也使它能夠解釋更復雜的信息。不過，目前圖像輸入的權限尚未公開，所以目前還沒看到更多例子來證明GPT-4在圖像方面的處理能力。

在隨后舉行的Live Demo中，OpenAI也表示，還沒有公開提供這部分技術，但已經在和一家名為Be My Eyes的公司進行合作，對方會使用GPT-4來構建服務。

此外，GPT-4已經開始具備一點點的幽默感。它已經可以講出一些模式化的、質量不咋樣的冷笑話——但是，至少它已經開始理解“幽默”這一人類特質。

圖源：《紐約時報》

當然，更多的方面，GPT-4的改進是迭代性的。在隨意的談話中，GPT-3.5和GPT-4之間的區別可能很微妙。但是，當任務的復雜性達到足夠的閾值時，差異就會出現——GPT-4比GPT-3.5更可靠、更有創意，并且能夠處理更細微的指令，可以更準確地解決難題。

比如說，北卡羅來納大學教堂山分校的醫學副教授兼心臟病專家Anil Gehi就向GPT-4描述了他一天前看過的一位患者的病史，包括患者術后出現的并發癥被送往醫院，描述中包含幾個外行人無法識別的醫學術語。

當Gehi醫生問GPT-4應該如何治療病人時，GPT-4給了他完美的答案?！斑@正是我們對待病人的方式，”Gehi醫生說。當他嘗試其他場景時，GPT-4給出了同樣令人印象深刻的答案。

當然另外一個好消息是，GPT-4對于英語以外的語種支持也得到了大大的優化。

許多現有的機器學習基準測試都是用英語編寫的。為了初步了解GPT-4在其他語言上的能力，OpenAI使用 Azure Translate，將一套涵蓋57個主題的1.4萬多項選擇題的MMLU基準，翻譯成了多種語言，然后進行測試。

在測試的26種語言中，有24種語言，GPT-4優于 GPT-3.5和其他大語言模型的英語語言性能。

其中中文達到了80.1%的準確性，而GPT-3.5的英文的準確性為70.1%，也就是說，在這個測試中，GPT-4對于中文的語言理解，已經優于此前ChatGPT對于英文的理解。

二、Live Demo：報稅、寫詩、寫代碼，無所不能

如果說著這些數據、案例，似乎還難以讓人直觀感受到GPT-4的真正實力，那么OpenAI的總裁和聯合創始人Greg Brockman，就親自在YouTube上進行了一把直播，來實時演示Live Demo中，展示了GPT-4的真正實力——總結文章、寫代碼、報稅、寫詩……GPT-3.5做不到的， GPT-4輕松拿下。

Greg Brockman展示了GPT-4的新的使用界面，左側是系統框，可以規定AI的角色，以及整體的回答原則，中間則是對話框，可以輸入具體的對話形態來對具體的內容進行調整、追問或者給出反饋。最右側是一些參數設置。

在演示中，Brockman就使用使用左側的“系統”框，讓GPT-4相繼成為“ChatGPT”、“AI編程助手”、“TaxGPT”，來解決不同的問題。

ChatGPT模式下，GPT-4可以處理超過2.5萬字的文本，可以輕松地總結一篇超長文章的核心內容，比如把OpenAI今天發布的這篇講述GPT-4的雄文總結要點。

甚至還可以像在演示中的那樣，以各種奇怪的形式來提煉它——比如，以全是“G字母開頭”的單詞來總結。

或者要它把這些內容要點寫成一首詩。

在“AI編程助手”模式下，還可以讓它輕松寫代碼，生成一個網站，或者更復雜的，寫一個基于Discord的機器人，如果出現錯誤，比如要調用比較新的API而出錯，甚至也不需要向它解釋，而是把錯誤代碼復制進去，它就會自動糾錯，生成新的代碼。

或者要它變身成TaxGPT，要它基于稅務法則，來計算出一對夫妻要繳納多少稅，而且還要把計算理由一步步寫出來，讓人們可以檢閱。

對于GPT-4展示出的專業能力，GregBrockman大為贊賞，他表示那段稅務文件，他自己讀了半個小時也沒有搞懂，然而GPT-4卻可以很快給出答案。

或許這段不到一個小時的演示，才真正道出了GPT-4的強大之處——它不再僅僅是普通用戶的“聊天機器人”，而將成為開發者手中的利器，在文本、編程、稅務以及更多可以想見的領域，成為強大工具的開發基石。

從這一點來說，它比ChatGPT帶來的影響，將更加廣泛。

三、滿嘴跑火車：還在跑，但是好一點

不得不提的是，盡管功能強大，但 GPT-4 與早期的 GPT 模型具有相似的局限性。最重要的是，它仍然不完全可靠——它仍然會大膽自信地編造事實，并且會出現推理錯誤。OpenAI強調，仍然推薦在使用它的時候要附加諸如人工審查、或者附加上下文，甚至在高風險情境中，要避免使用它。

在GPT-4公告中，OpenAI強調該系統已經接受了六個月的安全培訓，在內部對抗性真實性評估中，GPT-4的得分比最新的GPT-3.5高：“響應不允許內容的請求的可能性降低了 82%，產生真實事實的可能性提高了 40%，優于 GPT-3.5?！?/p>

這也意味著， GPT-4 相對于以前的模型來說，還是顯著地減少了一本正經胡說八道的頻率，而且用戶千方百計提示它以讓它說出被禁內容的成功率，也小了很多。

但是，這并不意味著系統不會出錯或輸出有害內容。例如，微軟透露其Bing聊天機器人其實一直由GPT-4提供支持，但許多用戶還是能夠以各種創造性的方式打破 Bing的護欄，讓機器人提供危險的建議、威脅用戶和編造信息。

此外，GPT-4仍然是基于2021年9月之前的數據訓練的，這也意味著它和前一代一樣，仍然缺乏對于2021年9月之后的數據的有效理解。

“GPT-4 仍有許多已知的局限性，我們正在努力解決，例如社會偏見、幻覺和對抗性提示?！監penAI表示。

四、應用：面向開發者，越來越貴

當然，除了表現方面，還有一個明顯的不同是，ChatGPT-4比以前的版本“更大”，這意味著它已經接受了更多數據的訓練，因此運行起來也更加昂貴。OpenAI 只表示它使用了微軟Azure來訓練模型，但沒有公布有關具體模型大小或用于訓練它的硬件的詳細信息。

這也意味使用它的成本越來越高。與ChatGPT不同的是，這個新模型目前還不能免費公開測試，雖然它鼓勵開發者申請試用，但是將需要上等待名單。

新模型將提供給ChatGPT的付費用戶ChatGPT Plus（每月20美元），也將作為API的一部分提供，允許開發者付費將AI集成到他們的應用程序中。OpenAI表示，多家公司已經將GPT-4集成到他們的產品中，包Duolingo、Stripe和Khan Academy等。

當然，如果你不是開發者或者付費用戶，但是實在是想嘗嘗鮮，微軟的Bing會是最好的選擇——Bing的AI聊天機器人，過去六周以來，已經開始使用GPT-4了。

你感覺到了嗎？