OpenAI发布GPT-4，做题能力更强，还接受图片输入，看懂梗图无障碍！

GPT-4终于发布了！

资本市场狂欢之后，GPT-4在万众瞩目下诞生，OpenAI在其官网以《GPT-4是 OpenAI 最先进的系统，能够产生更安全、更有用的响应》为题发布了这一最新模型。

这一迭代速度不可谓不快，仅仅四个月前，ChatGPT 刚刚推出，并成为历史上增长最快的消费者应用程序。

总的来说，GPT-4提高了 ChatGPT 的核心技术，使得它相比此前的版本，具有更广泛的一般知识和解决问题的能力，使得聊天软件能够以更高的准确度解决更难的问题。

另外，它还增加了一些新功能，比如接受图像作为输入，生成标题、分类和分析。

GPT-4还能够处理超过25000字的文本，允许用例如长形式的内容创建、扩展会话、文档搜索和分析等。

新能力：看懂梗图无障碍

GPT-4 模型中最大的更新之一是它引入了图像作为输入，并对其生成标题、分类和分析，而GPT-3.5 只能接受文本。

比如下面这个例子：

问题：这幅图有什么好笑的? 一点一点描述它。

GPT-4 回答：该图像显示了一个包含三个图片的“Lightning Cable”适配器。

图1: 一个智能手机与 VGA 连接器(一个大型，蓝色，15针连接器通常用于计算机显示器)插入其充电端口。

图2: “Lightning Cable”适配器的封装，上面有一个 VGA 连接器的图片。

图3: VGA 连接器的特写镜头，最后是一个小型Lightning连接器(用于为 iPhone 和其他苹果设备充电)。

这张图片中的幽默来自于将一个过时的大型 VGA 连接器插入一个小型的现代智能手机充电端口的荒谬。

目前，虽然 GPT-4 的能力不足以实现文本到视频的生成和其他动态生成内容，但它确实提供了一个多元素聊天在未来将会是什么样子的一瞥，很容易想象，在未来，视频、音频、图像和所有其他形式的内容将如何集成到聊天中。

旧能力：当任务足够复杂，GPT-4 就会比 GPT-3.5 高出一截

GPT-4 作为 OpenAI 在扩展深度学习方面的最新里程碑，本质上是一个大型的多模态模型(接受图像和文本输入，发出文本输出) ，虽然在许多现实世界的场景中不如人类，但在各种专业和学术基准上，其能力已经接近甚至超过人类水平的表现。

例如，它通过了模拟律师资格考试，成绩在前10% 左右; 相比之下，GPT-3.5的成绩在后10% 左右。

如果只是随意的交谈，GPT-3.5和 GPT-4 之间的区别可能是微妙的，但是当任务的复杂性达到一个足够的阈值时，差异就会显现出来ーー与 GPT-3.5相比，GPT-4更可靠、更有创造性，并且能够处理更多细微差别的指令。

为了理解这两个模型之间的区别，OpenA测试了各种基准，包括模拟最初为人类设计的考试，可以看出，在更高级的测试中，GPT-4 表现比 GPT-3.5 好很多。

再比如下面这个例子，可以看出，GPT-4确实理解能力更胜一筹。

OMT：引入更多人工反馈

为了增加模型的复杂性，GPT-4还加入了更多的人工反馈，包括 ChatGPT 用户提交的反馈，以改进 GPT-4的行为。OpenAI 表示，该公司“与50多位专家合作，在包括人工智能安全和安保在内的领域提供早期反馈。”

作为声明的一部分，OpenAI 分享了几个已经测试过 GPT-4的公司的用例，包括 Duolingo，Stripe，Morgan Stanley 和冰岛政府。该公司还分享了一个 GPT-4 的研究博客，并强调“ GPT-4仍然有许多已知的限制，我们正在努力解决，如社会偏见，幻觉和对抗性提示。”

计算机科学家、布朗大学(Brown University)教授苏雷什•文卡塔苏布拉曼尼亚(Suresh Venkatasubramanian)对这一消息仍持谨慎乐观态度。在VentureBeat的一次采访中，他说: “我很想看看 ChatGPT 在公众注视下进行的压力测试中，它是如何表现的，我特别感兴趣的是，它是否以及如何产生欺骗性的真实内容，以及有什么保护措施可以防止这种情况发生。”