果然，能打敗昨天的OpenAI的，只有今天的OpenAI。

剛剛，OpenAI震撼發布了大型多模態模型GPT-4，支持圖像和文本的輸入，并生成文本結果。

號稱史上最先進的AI系統！

GPT-4不僅有了眼睛可以看懂圖片，而且在各大考試包括GRE幾乎取得了滿分成績，橫掃各種benchmark，性能指標爆棚。

OpenAI 花了 6 個月的時間使用對抗性測試程序和 ChatGPT 的經驗教訓對 GPT-4 進行迭代調整 ，從而在真實性、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日微軟發布ChatGPT必應時，說法是必應「基于類ChatGPT技術」。

今天，謎底終于解開了——它背后的大模型，就是GPT-4！

圖靈獎三巨頭之一Geoffrey Hinton對此贊嘆不已，「毛蟲吸取了營養之后，就會化繭為蝶。而人類提取了數十億個理解的金塊，GPT-4，就是人類的蝴蝶。」

順便提一句，ChatGPT Plus用戶現在可以先上手了。

考試幾乎滿分，性能躍遷炸天

在隨意談話中，GPT-3.5和GPT-4之間的區別是很微妙的。只有當任務的復雜性達到足夠的閾值時，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擬考試上進行了測試。

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%水平，GPT4可以達到90%水平。生物奧林匹克競賽從GPT3.5的31%水平，直接飆升到 99%水平。

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：中文的準確度大概在 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翻譯將 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表示在內部使用 GPT-4，因此也關注大型語言模型在內容生成、銷售和編程等方面的應用效果。另外，內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區別。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-4一發布，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此次升級的亮點，當然就是多模態。

GPT-4不僅能分析匯總圖文圖標，甚至還能讀懂梗圖，解釋梗在哪里，為什么好笑。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、編輯和迭代用戶進行創意和技術寫作任務，例如創作歌曲、編寫劇本或學習用戶的寫作風格。

GPT-4可以將圖像作為輸入，并生成標題、分類和分析。比如給它一張食材圖，問它用這些食材能做什么。

另外，GPT-4能夠處理超過25,000字的文本，允許用長形式的內容創建、擴展會話、文檔搜索和分析。

GPT-4在其先進的推理能力方面超過了ChatGPT。如下：

梗圖識別

比如，給它看一張奇怪的梗圖，然后問圖中搞笑在哪里。

GPT-4拿到之后，會先分析一波圖片的內容，然后給出答案。

比如，逐圖分析下面這個。

GPT-4立馬反應過來：圖里的這個「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。

再給出這么一個梗圖，問問GPT-4梗在哪里？

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，圖里實際上只是一堆排列起來像地圖的雞塊。

GPT-4還能看懂漫畫：為什么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. 確定格魯吉亞的平均每日肉類消費量。

2. 確定西亞的平均每日肉類消費量。

3. 添加步驟1和2中的值。

做物理題

要求GPT-4解出巴黎綜合理工的一道物理題，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)，用導電棒的橫坐標x表示。

隨后解題過程全程高能。

你以為這就是GPT-4能力的全部？

老板Greg Brockman直接上線進行了演示，通過這個視頻你可以很直觀的感受到 GPT-4的能力。

最驚艷的是，GPT-4對代碼的超強的理解能力，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，如果運行出錯了把錯誤信息，甚至錯誤信息截圖，扔給GPT-4都能幫你給出相應的提示。

網友直呼：GPT-4發布會，手把手教你怎么取代程序員。

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互聯網數據以及OpenAI授權的數據，目的是為了預測文檔中的下一個詞。

這些數據是一個基于互聯網的語料庫，其中包括對數學問題的正確/錯誤的解決方案，薄弱/強大的推理，自相矛盾/一致的聲明，足以代表了大量的意識形態和想法。

當用戶給出提示進行提問時，基礎模型可以做出各種各樣的反應，然而答案可能與用戶的意圖相差甚遠。

因此，為了使其與用戶的意圖保持一致，OpenAI使用基于人類反饋的強化學習（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并不能提高考試成績（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，所以說，對模型的引導主要來自于訓練后的過程。

GPT-4模型的一大重點是建立了一個可預測擴展的深度學習棧。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。

因此，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。

為了驗證這種可擴展性，研究人員提前準確地預測了GPT-4在內部代碼庫（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 可以準確地預測在訓練過程中優化的指標損失。例如從計算量為1/1000的模型中推斷并成功地預測了HumanEval數據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競賽旨在找到一個隨著模型計算量的增加而變得更糟的指標，而 hindsight neglect任務是獲勝者之一。但是GPT-4 扭轉了這一趨勢：

OpenAI認為能夠準確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，并呼吁業界共同努力。

貢獻名單

就在GPT-4發布的同時，Open AI還公開了GPT-4這份組織架構及人員清單。

上下滑動查看全部?

北大陳寶權教授稱，

再好看的電影，最后的演職員名單也不會有人從頭看到尾。Open AI的這臺戲連這個也不走尋常路。毫無疑問這將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置架構了。

這個很「大膽」的公開其實意義挺深遠的，體現了Open AI背后的核心理念，也一定程度預示了未來進步的走向。