3月15日凌晨，OpenAI發布了多模態大模型GPT-4，并迅速引爆全球輿論。GPT-4的前代產品，正是訓練出上線兩個月狂吸1億粉的ChatGPT大模型GPT3.5。而GPT-4不僅較GPT3.5全方位升級，還開放了對圖片的處理能力，瞬間引發了全球用戶對于未來工作方式的暢想以及對于人與科技關系的新一輪思考。

　　與全球用戶同樣坐不住的，是微軟和谷歌，前者積極跟進，后者立刻反擊。GPT-4引發的AI風暴，才剛剛開始。

　　將前代產品“拍在沙灘上”

　　相比前代產品，GPT-4不僅支持多模態，還從多個維度提升了自然語言文本處理能力，并進一步提升了安全性。

　　與前代產品著重處理文字輸入不同，GPT-4能夠處理圖片信息以及帶有文本和照片的文檔、圖表或屏幕截圖等圖文交錯的信息，并以文字的方式輸出。比如輸入一張氫氣球被細線系著的照片，并向GPT-4提問“如果線被切斷會怎樣”，GPT-4的回答是“線斷了氣球會飛走”，這表明它不僅能識別照片中的各項事物，還能夠理解事物之間的關系。

用戶問圖中的線斷了會怎樣，GPT-4回答“氣球會飛走”

　　在自然語言文本理解和生成這項看家本領上，GPT-4相較GPT3.5有著多方面的提升。

　　首先，GPT-4能夠識別和處理更復雜的指令。比如OpenAI的工作人員在demo展示中設置了一個“文本摘要”任務，要求GPT將一段話總結為一句話，且句子中的每一個詞都要以“G”開頭。在測試中，GPT-3.5直接忽視了以固定字母開頭的要求，僅僅將文章總結成一段話。GPT-4則生成了基本符合要求的回答，但是在句子中出現了“AI”一詞。隨后工作人員在對話中表示“AI不算G開頭字母”，GPT-4馬上將“AI”換成了“global”。

藍框內為GPT-4生成的每個單詞都以“G”開頭的一句話摘要

　　其次，GPT-4比GPT3.5更能應對復雜微妙的場景。比如在一次模擬律師考試中，GPT-4 的分數在應試者中排名前 10%，而GPT-3.5 的得分排名在后10%。說明GPT-4在專業測試中的表現更接近人類水平。

　　此外，GPT-4能夠讀取、分析或產生的文字篇幅高達25000詞，遠超篇幅上限為3000詞的ChatGPT，可用于長篇內容創作、擴展對話以及文檔搜索和分析等應用場景。

ChatGPT與GPT-4能處理的篇幅對比

　　在備受關注的安全方面，GPT-4響應被禁止內容請求的可能性降低了82%,產生事實響應的可能性提升了40%。

　　進一步融入微軟搜索和云服務

　　在GPT-4發布后，微軟第一時間“認領”， 表示新版的搜索引擎必應已經在 GPT-4 上運行。另據OpenAI披露，GPT-4在微軟Azure AI 超級計算機上進行訓練，并將基于Azure 的AI基礎架構向世界各地的用戶提供 GPT-4能力。這個超級計算機是OpenAI與Azure為OpenAI的深度學習架構重新設計的。

　　微軟與OpenAI的合作始于2019年，今年1月，微軟宣布與OpenAI的合作進入第三階段，將圍繞大規模超級計算機、新的AI體驗、獨家云供應商開展。通過超級計算機支持OpenAI的研究正是雙方合作計劃的一部分。

　　微軟對OpenAI的布局方向，也可以從雙方的合作承諾中看出端倪。接下來，微軟會在消費者和企業級產品中部署 OpenAI 模型，并引入基于 OpenAI 技術的新型數字體驗。其中，Azure OpenAI 服務使開發人員能夠直接接入OpenAI模型，并獲得Azure在可信執行環境、企業級功能、AI 優化的基礎設施和工具等方面的支持，以開發尖端的AI應用。作為 OpenAI 的獨家云提供商，Azure 將為研究、產品和 API 服務中所有 OpenAI 工作負載提供支持。

　　不甘示弱的谷歌

　　在GPT-4發布后，谷歌立刻發動反擊，宣布開放大規模語言模型PaLM的API接口，并推出面向開發者的工具MakerSuite。PaLM API 是谷歌大型語言模型的入口，可用于各種應用程序的開發。開發者可以通過API訪問面向內容生成和聊天進行優化的模型，以及面向摘要、分類等用例進行優化的通用模型。隨之推出的工具MakerSuite能夠讓開發人員更加快捷地制作程序原型。

　　也是在今天，谷歌發布博文，宣布將生成式AI能力——包括文字、圖像、代碼、音頻、視頻等內容的生成能力提供給開發者、行業和政府。

　　這已經不是谷歌針對GPT的第一次反擊。今年2月，谷歌發布了對標ChatGPT的聊天機器人Bard,其背后的大模型是谷歌2020年發布的大規模語言模型LaMDA。LaMDA與GPT模型一樣建立在Transformer架構上，但接受的是對話訓練，尤其是不以“是”或“否”回答的開放式對話。其目的在于通過對比不同問題、不同回答中的細微差別，使LaMDA能夠針對各種話題生成明確具體的回答。

　　目前，谷歌旗下有Bert、MUM、PaLM、Imagen 和MusicLM等多款大模型，GPT等多款大規模語言模型采用的Transformer架構也由谷歌在2017年發布。其中，Bert是谷歌第一代基于Transformer研發的大規模語言模型，由此開啟了全球科技巨頭圍繞大規模語言模型的軍備競賽。而2022年推出的PaLM參數量高達5400億。谷歌在大模型領域有著長期的技術積累。

　　與微軟類似，谷歌對于AICG和大規模語言模型的布局，圍繞兩條線進行，一是以搜索引擎為代表的消費端，二是以云服務為代表的企業端。從Bert開始，谷歌就在搜索引擎中引入了大模型，以提升用戶檢索信息并將信息轉化為知識的效率。今日，谷歌還表示會在谷歌云上部署Vertex AI等開發平臺和開發環境，讓開發者能夠利用AICG能力，開發符合企業級安全和隱私保護要求的產品。

　　仍有局限性

　　雖然GPT-4的能力較前代產品有了顯著的提升，但仍然存在一些局限性。

　　首先是可靠性不足。比如，對于不了解的事物，GPT模型有可能生成虛構或錯誤的答案，產生人工智能式“幻覺”。

　　由于大部分預訓練數據截止到2021年9月，GPT-4對之后發生的事件缺乏了解，也沒有從中吸取經驗。它有時會犯一些簡單的推理錯誤，或者在接受用戶錯誤的陳述時表現得過于輕信。

　　此外，GPT-4 也可能在預測中犯錯，在可能出錯時不注意仔細檢查工作。GPT-4在輸出中也存在偏差，OpenAI表示已經對偏差進行了糾正，但仍需要時間解決。

　　但最令產業界和廣大用戶關注的，是GPT-4以及大模型的倫理安全問題。對此，OpenAI表示,GPT-4和后續模型有可能以有益和有害的方式對社會產生影響。該團隊正在與外部研究人員合作，以改善其理解和評估GPT-4潛在影響的方式，建立對未來系統中可能出現的危險能力的評估機制。短期內，OpenAI將公布關于社會為應對人工智能影響可以采取的措施的建議，以及預測人工智能可能產生的經濟影響。

　　作者：張心怡　　來源：中國電子報、電子信息產業網