#科技之巅#
編輯：編輯部
【新智元導讀】OpenAI的GPT-4在萬衆矚目中閃亮登場，多模态功能太炸裂，簡直要閃瞎人類的雙眼。李飛飛高徒、斯坦福博士Jim Fan表示，GPT4憑借如此強大的推理能力，已經可以自己考上斯坦福了！
果然，能打敗昨天的OpenAI的，隻有今天的OpenAI。
剛剛，OpenAI震撼釋出了大型多模态模型GPT-4，支援圖像和文本的輸入，并生成文本結果。
号稱史上最先進的AI系統！
GPT-4不僅有了眼睛可以看懂圖檔，而且在各大考試包括GRE幾乎取得了滿分成績，橫掃各種benchmark，性能名額爆棚。
OpenAI 花了 6 個月的時間使用對抗性測試程式和 ChatGPT 的經驗教訓對 GPT-4 進行疊代調整 ，進而在真實性、可控性等方面取得了有史以來最好的結果。
大家都還記得，2月初時微軟和谷歌鏖戰三天，2月8日微軟釋出ChatGPT版必應時，說法是必應「基于類ChatGPT技術」。
今天，謎底終于解開了——它背後的大模型，就是GPT-4！
圖靈獎三巨頭之一Geoffrey Hinton對此贊歎不已，「毛蟲吸取了營養之後，就會化繭為蝶。而人類提取了數十億個了解的金塊，GPT-4，就是人類的蝴蝶。」
順便提一句，ChatGPT Plus使用者現在可以先上手了。
考試幾乎滿分，性能躍遷炸天
在随意談話中，GPT-3.5和GPT-4之間的差別是很微妙的。隻有當任務的複雜性達到足夠的門檻值時，差異就出現了，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。
為了了解這兩種模型之間的差異，OpenAI在各種基準測試和一些為人類設計的模拟考試上進行了測試。
GPT-4在各種考試中，有幾個測試幾乎接近了滿分：
- USABO Semifinal 2020（美國生物奧林匹克競賽）
- GRE Writing
以美國 BAR律師執照統考為例，GPT3.5可以達到 10%水準，GPT4可以達到90%水準。生物奧林匹克競賽從GPT3.5的31%水準，直接飙升到 99%水準。
此外，OpenAI 還在為機器學習模型設計的傳統基準上評估了 GPT-4。從實驗結果來看，GPT-4 大大優于現有的大型語言模型，以及大多數 SOTA 模型：
另外，GPT-4在不同語種上的能力表現：中文的準确度大概在 80% 左右，已經要優于GPT-3.5的英文表現了。
許多現有的 ML 基準測試都是用英語編寫的。為了初步了解GPT-4其他語言的能力，研究人員使用 Azure翻譯将 MMLU 基準（一套涵蓋57個主題的14000個多項選擇題）翻譯成多種語言。
在測試的 26 種語言的 24 種中，GPT-4 優于 GPT-3.5 和其他大語言模型（Chinchilla、PaLM）的英語語言性能：
OpenAI表示在内部使用 GPT-4，是以也關注大型語言模型在内容生成、銷售和程式設計等方面的應用效果。另外，内部人員還使用它來幫助人類評估人工智能輸出。
對此，李飛飛高徒、英偉達AI科學家Jim Fan點評道：「GPT-4最強的其實就是推理能力。它在GRE、SAT、法學院考試上的得分，幾乎和人類考生沒有差別。也就是說，GPT-4可以全靠自己考進斯坦福了。」
（Jim Fan自己就是斯坦福畢業的！）
網友：完了，GPT-4一釋出，就不需要我們人類了……
讀圖做題小case，甚至比網友還懂梗
GPT-4此次更新的亮點，當然就是多模态。
GPT-4不僅能分析彙總圖文圖示，甚至還能讀懂梗圖，解釋梗在哪裡，為什麼好笑。從這個意義上說，它甚至能秒殺許多人類。
OpenAI稱，GPT-4比以往模型都更具創造力和協作性。它可以生成、編輯和疊代使用者進行創意和技術寫作任務，例如創作歌曲、編寫劇本或學習使用者的寫作風格。
GPT-4可以将圖像作為輸入，并生成标題、分類和分析。比如給它一張食材圖，問它用這些食材能做什麼。
另外，GPT-4能夠處理超過25,000字的文本，允許用長形式的内容建立、擴充會話、文檔搜尋和分析。
GPT-4在其先進的推理能力方面超過了ChatGPT。如下：
梗圖識别
比如，給它看一張奇怪的梗圖，然後問圖中搞笑在哪裡。
GPT-4拿到之後，會先分析一波圖檔的内容，然後給出答案。
比如，逐圖分析下面這個。
GPT-4立馬反應過來：圖裡的這個「Lighting充電線」，看起來就是個又大又過氣的VGA接口，插在這個又小又現代的智能手機上，反差強烈。
再給出這麼一個梗圖，問問GPT-4梗在哪裡？
它流利地回答說：這個梗搞笑的地方在于「圖文不符」。
文字明明說是從太空拍攝的地球照片，然而，圖裡實際上隻是一堆排列起來像地圖的雞塊。
GPT-4還能看懂漫畫：為什麼要給神經網絡加層數？
它一針見血地點出，這副漫畫諷刺了統計學習和神經網絡在提高模型性能方法上的差異。
圖表分析
格魯吉亞和西亞的平均每日肉類消費量總和是多少？在給出答案前，請提供循序漸進的推理。
果然，GPT-4清楚地列出了自己的解題步驟——
1. 确定格魯吉亞的平均每日肉類消費量。
2. 确定西亞的平均每日肉類消費量。
3. 添加步驟1和2中的值。
做實體題
要求GPT-4解出巴黎綜合理工的一道實體題，測輻射熱計的輻射檢測原理。值得注意的是，這還是一道法語題。
GPT-4開始解題：要回答問題 I.1.a，我們需要每個點的溫度 T(x)，用導電棒的橫坐标x表示。
随後解題過程全程高能。
你以為這就是GPT-4能力的全部？
老闆Greg Brockman直接上線進行了示範。
最驚豔的是，GPT-4對代碼的超強的了解能力，幫你生成代碼。
Greg直接在紙上畫了一個潦草的示意圖，拍個照，發給 GPT說，給我按照這個布局寫網頁代碼，就寫出來了。
另外，如果運作出錯了把錯誤資訊，甚至錯誤資訊截圖，扔給GPT-4都能幫你給出相應的提示。
網友直呼：GPT-4釋出會，手把手教你怎麼取代程式員。
順便提一句，用GPT-4還可以進行報稅 。要知道，每年美國人要花好多時間金錢在報稅上面。
訓練過程
和以前的GPT模型一樣，GPT-4基礎模型的訓練使用的是公開的網際網路資料以及OpenAI授權的資料，目的是為了預測文檔中的下一個詞。
這些資料是一個基于網際網路的語料庫，其中包括對數學問題的正确/錯誤的解決方案，薄弱/強大的推理，自相沖突/一緻的聲明，足以代表了大量的意識形态和想法。
當使用者給出提示進行提問時，基礎模型可以做出各種各樣的反應，然而答案可能與使用者的意圖相差甚遠。
是以，為了使其與使用者的意圖保持一緻，OpenAI使用基于人類回報的強化學習（RLHF）對模型的行為進行了微調。
不過，模型的能力似乎主要來自于預訓練過程，RLHF并不能提聯考試成績（如果不主動進行強化，它實際上會降低考試成績）。
基礎模型需要提示工程，才能知道它應該回答問題，是以說，對模型的引導主要來自于訓練後的過程。
GPT-4模型的一大重點是建立了一個可預測擴充的深度學習棧。因為對于像GPT-4這樣的大型訓練，進行廣泛的特定模型調整是不可行的。
是以，OpenAI團隊開發了基礎設施和優化，在多種規模下都有可預測的行為。
為了驗證這種可擴充性，研究人員提前準确地預測了GPT-4在内部代碼庫（不屬于訓練集）上的最終損失，方法是通過使用相同的方法訓練的模型進行推斷，但使用的計算量為1/10000。
現在，OpenAI 可以準确地預測在訓練過程中優化的名額損失。例如從計算量為1/1000的模型中推斷并成功地預測了HumanEval資料集的一個子集的通過率：
還有些能力仍然難以預測。比如，Inverse Scaling競賽旨在找到一個随着模型計算量的增加而變得更糟的名額，而 hindsight neglect任務是獲勝者之一。但是GPT-4 扭轉了這一趨勢：
OpenAI認為能夠準确預測未來的機器學習能力對于技術安全來說至關重要，但它并沒有得到足夠的重視。
而現在，OpenAI正在投入更多精力開發相關方法，并呼籲業界共同努力。
貢獻名單
就在GPT-4釋出的同時，Open AI還公開了GPT-4這份組織架構及人員清單。
上下滑動檢視全部
北大陳寶權教授稱，
再好看的電影，最後的演職員名單也不會有人從頭看到尾。Open AI的這台戲連這個也不走尋常路。毫無疑問這将是一份不僅最被人閱讀，也被人仔細研究的「演職員」(貢獻者) 名單，而最大的看頭，是詳細的貢獻分類，幾乎就是一個粗略的部門設定架構了。
這個很「大膽」的公開其實意義挺深遠的，展現了Open AI背後的核心理念，也一定程度預示了未來進步的走向。
參考資料：
https://openai.com/product/gpt-4