“王炸”功能只給看，自然語言處理“戰國時代”即將到來？

北京時間3月15日凌晨，人工智能初創公司OpenAI公布新一代人工智能語言模型GPT-4。與ChatGPT所用的模型相比，GPT-4不僅能夠處理圖像內容，而且在回答的細節和表述方面更有價值和人情味。

“這是OpenAI努力擴展深度學習的最新里程碑。”OpenAI在當天的聲明中這樣表示。鑒于這是一個只訓練了6個月且數據更新至2021年9月的模型，我們有理由推測出它的后續升級版本將可能做出更多令人驚艷的事情。有專家推測，OpenAI正在小心翼翼控制節奏，以防人們被太過聰明的工具“嚇”到。

GPT-4 VS ChatGPT

與ChatGPT相比，GPT-4最大的改變就是增加了圖片輸入支持，并可輸出圖片或文本。這使它從一個單純的文本聊天工具變成一個多模態語言模型。

目前圖像處理功能尚未公開，不過OpenAI在官網上展示了一系列案例。上海人工智能研究院研究員王資凱注意到，其中有一個案例是讓GPT-4預測將圖片中的氫氣球繩子剪斷后會怎樣。   “這是一個涉及圖片理解、常識和推理的問題，沒見過氣球的人很難回答。”不過，GPT-4很好地預測了氣球的走向。“或許GPT-4已經能根據周圍場景，猜出一個密閉的盒子里裝的是什么。”王資凱說。

在中國計算機學會術語工委副主任、同濟大學特聘研究員王昊奮看來，更能體現GPT-4水準的要數它對于非自然圖像的理解，如圖表、考試題目截圖、論文截圖等，這也解釋了它為何能在各種考試中拔得頭籌。在演示中，GPT-4幫助美國一對虛擬夫婦在特定納稅年度里完成了報稅，這意味著它能讀懂大量知識性文檔。

GPT-4可輸入25000個詞，約是chatGPT的八倍，這使得它的邏輯推理能力更上一層樓。據介紹，它已在包括美國律師資格考試、法學院入學考試、“美國高考”數學部分和證據性閱讀與寫作部分等考試中，得分高于88%的應試者。

“角色扮演”讓GPT-4如有神助

“你是一位AI編程助手，第一步謹慎、逐字地遵循用戶需求；第二步一步一步思考，闡述你如何構造代碼；第三步在一個單獨程序塊中生成代碼；第四步盡可能減少其他不嚴謹……”在官方發布的演示中，王昊奮注意到一個細節，OpenAI總裁和聯合創始人格雷格·布羅克曼試圖讓GPT-4在回答復雜問題前先扮演某種角色。

“我們把這種引導稱為‘元指令’，也就是給機器一個人設，比如一名醫生、一名律師，一名編輯等，然后告訴它要做什么工作。”王昊奮說。作為ChatGPT全球首批百萬用戶之一，王昊奮掌握了不少使用心得，角色扮演的“元指令”是他經過長期使用后總結出的讓ChatGPT生成更好回答的方法之一。而在此次最新發布的GPT-4中，他發現，OpenAI公司也注意到了這一現象，并有意引導機器去扮演某種角色。

讓機器擁有“人設”，是否意味著GPT-4已經具備了智能？在王資凱看來，答案是肯定的。就像人類制造飛機沒有用鳥的方式，而是通過空氣動力學讓一套機械裝置飛起來了一樣，人工智能也用自己的方式擁有了智能。不過，人類也無需恐慌，因為這仍然只是一個工具，而且通往智能的道路并非只有一條。

數十款多模態語言模型將同臺競爭

就在GPT-4發布的幾天前，谷歌悄悄上線了一款炸彈級模型PaLM-E——足足有5620億參數，它將真實世界的傳感器信號與文本輸入相結合，建立語言和感知的鏈接；根據計劃，百度將于今天（16日）發布類ChatGPT模型“文心一言”；而此前，由OpenAI前員工研發的ChatGPT競品Claude已開放API接口……正如ChatGPT上線后多位專家預測的那樣，自然語言處理的“戰國時代”即將到來，未來，全球估計將會有數十款多模態語言模型同臺競技。

在王昊奮看來，OpenAI并非風光無限，而是感受到了切實的壓力，這導致了GPT-4匆忙上線。畢竟，“該模型最大的亮點圖文識別沒有放開測試，并不符合OpenAI的一貫風格”。

不過，他也提醒人們注意，GPT-4的訓練數據只更新到2021年，不排除后續會有更豐富的語料庫訓練版本。這次，他們很快就將自家的圖像模型DALL-E整合進GPT-4，不僅工程技術難度不容小覷，而且更考驗模型融合兩種類型數據的穩定性和成本。專家預計，OpenAI內部還藏有“殺手锏”，將會帶給人們又一次沖擊。