اعتبار تصویر: دنی پجت واتسون / StrictlyVC

OpenAI یک مدل هوش مصنوعی قدرتمند جدید با درک تصویر و متن، GPT-4 را منتشر کرده است که این شرکت آن را “آخرین نقطه عطف در تلاش خود در افزایش یادگیری عمیق” می نامد.

GPT-4 امروز برای کاربران پرداخت کننده OpenAI از طریق ChatGPT Plus (با محدودیت استفاده) در دسترس است و توسعه دهندگان می توانند برای دسترسی به API در لیست انتظار ثبت نام کنند.

قیمت 0.03 دلار به ازای هر 1000 توکن “سریع” (حدود 750 کلمه) و 0.06 دلار برای هر 1000 توکن “تکمیل” (دوباره، حدود 750 کلمه) است. توکن ها متن خام را نشان می دهند. به عنوان مثال، کلمه “فوق العاده” به نشانه های “فن”، “تاس” و “تیک” تقسیم می شود. نشانه‌های اعلان قسمت‌هایی از کلمات هستند که به GPT-4 وارد می‌شوند در حالی که نشانه‌های تکمیل محتوا هستند. تولید شده است توسط GPT-4.

همانطور که مشخص است GPT-4 در معرض دید عموم پنهان شده است. مایکروسافت امروز تأیید کرد که Bing Chat، فناوری چت بات آن که با OpenAI توسعه یافته است، روی GPT-4 اجرا می شود.

دیگر پذیرندگان اولیه شامل Stripe است که از GPT-4 برای اسکن وب‌سایت‌های تجاری و ارائه خلاصه‌ای به کارکنان پشتیبانی مشتری استفاده می‌کند. Duolingo GPT-4 را در یک ردیف اشتراک یادگیری زبان جدید ایجاد کرد. مورگان استنلی در حال ایجاد یک سیستم مجهز به GPT-4 است که اطلاعات را از اسناد شرکت بازیابی کرده و در اختیار تحلیلگران مالی قرار می دهد. و آکادمی خان در حال استفاده از GPT-4 برای ایجاد نوعی مربی خودکار است.

GPT-4 می‌تواند متن تولید کند و ورودی‌های تصویر و متن را بپذیرد – بهبودی نسبت به GPT-3.5، نسخه قبلی که فقط متن را می‌پذیرفت – و در معیارهای مختلف حرفه‌ای و آکادمیک در “سطح انسانی” عمل می‌کند. به عنوان مثال، GPT-4 یک آزمون شبیه سازی شده وکالت را با امتیازی در حدود 10 درصد از شرکت کنندگان برتر قبول می کند. در مقابل، امتیاز GPT-3.5 حدود 10 درصد پایین بود.

به گفته این شرکت، OpenAI شش ماه را با استفاده از درس‌هایی از یک برنامه آزمایشی خصمانه داخلی و همچنین ChatGPT «همسوسازی مکرر» GPT-4 انجام داد که به گفته این شرکت، «بهترین نتایج» را در مورد واقعی بودن، قابلیت هدایت و امتناع از رفتن به بیرون از نرده‌های محافظ به دست آورد. مانند مدل‌های قبلی GPT، GPT-4 با استفاده از داده‌های در دسترس عموم، از جمله از صفحات وب عمومی، و همچنین داده‌هایی که OpenAI مجوز داده بود، آموزش داده شد.

OpenAI با مایکروسافت همکاری کرد تا یک “ابر کامپیوتر” را از ابتدا در ابر Azure توسعه دهد که برای آموزش GPT-4 مورد استفاده قرار گرفت.

OpenAI در یک پست وبلاگی که GPT-4 را اعلام کرد، نوشت: “در یک مکالمه معمولی، تمایز بین GPT-3.5 و GPT-4 می تواند ظریف باشد.” تفاوت زمانی آشکار می شود که پیچیدگی کار به آستانه کافی برسد – GPT-4 قابل اعتمادتر، خلاقانه تر است و قادر است دستورالعمل های ظریف تری را نسبت به GPT-3.5 انجام دهد.

بدون شک، یکی از جنبه های جالب GPT-4 توانایی آن در درک تصاویر و همچنین متن است. GPT-4 می تواند تصاویر نسبتاً پیچیده را زیرنویس کند – و حتی تفسیر کند – به عنوان مثال، یک آداپتور کابل لایتنینگ را از تصویر یک آیفون متصل شناسایی کند.

قابلیت درک تصویر هنوز برای همه مشتریان OpenAI در دسترس نیست – OpenAI برای شروع آن را با یک شریک به نام Be My Eyes آزمایش می کند. ویژگی جدید Virtual Volunteer Be My Eyes با پشتیبانی از GPT-4 می‌تواند به سؤالات مربوط به تصاویر ارسال شده به آن پاسخ دهد. این شرکت نحوه عملکرد آن را در یک پست وبلاگ توضیح می دهد:

به عنوان مثال، اگر یک کاربر تصویری از داخل یخچال خود ارسال کند، داوطلب مجازی نه تنها می‌تواند به درستی آنچه در آن است شناسایی کند، بلکه آنچه را که می‌توان با آن مواد تهیه کرد را نیز تعمیم و تجزیه و تحلیل کرد. این ابزار همچنین می‌تواند تعدادی دستور العمل برای این مواد ارائه دهد و راهنمای گام به گام نحوه درست کردن آنها را ارسال کند.

یک پیشرفت معنادارتر در GPT-4، به طور بالقوه، ابزار فرمان پذیری فوق الذکر است. با GPT-4، OpenAI در حال معرفی یک قابلیت API جدید، پیام‌های «سیستم» است که به توسعه‌دهندگان اجازه می‌دهد تا با توصیف مسیرهای خاص، سبک و کار را تجویز کنند. پیام‌های سیستم، که در آینده به ChatGPT نیز می‌آیند، اساساً دستورالعمل‌هایی هستند که لحن و مرزها را برای تعاملات بعدی هوش مصنوعی تعیین می‌کنند.

به عنوان مثال، یک پیام سیستمی ممکن است به این شرح باشد: «شما معلمی هستید که همیشه به سبک سقراطی پاسخ می دهید. شما هرگز پاسخ دانش آموز را بدهید، اما همیشه سعی کنید سوال درست را بپرسید تا به آنها کمک کنید تا خودشان فکر کنند. شما باید همیشه سوال خود را با علاقه و دانش دانش‌آموز تنظیم کنید و مسئله را به بخش‌های ساده‌تر تقسیم کنید تا زمانی که در سطح مناسب برای آنها باشد.»

با این حال، حتی با پیام‌های سیستم و سایر ارتقاء‌ها، OpenAI اذعان می‌کند که GPT-4 بسیار عالی است. هنوز هم حقایق را “توهم” می کند و اشتباهات استدلالی را مرتکب می شود، گاهی اوقات با اطمینان زیادی. در یک مثال که توسط OpenAI ذکر شده است، GPT-4 الویس پریسلی را به عنوان “پسر یک بازیگر” توصیف کرد – یک اشتباه آشکار.

OpenAI نوشت: «GPT-4 عموماً از رویدادهایی که پس از قطع شدن اکثریت قریب به اتفاق داده‌هایش (سپتامبر 2021) رخ داده‌اند، آگاهی ندارد و از تجربه‌اش درس نمی‌گیرد. “گاهی اوقات ممکن است خطاهای استدلالی ساده ای ایجاد کند که به نظر نمی رسد با صلاحیت در بسیاری از حوزه ها مطابقت داشته باشد، یا در پذیرش اظهارات نادرست آشکار از یک کاربر بیش از حد ساده لوح باشد. و گاهی اوقات می‌تواند در مشکلات سخت مانند انسان‌ها شکست بخورد، مانند وارد کردن آسیب‌پذیری‌های امنیتی به کدی که تولید می‌کند.»

با این حال، OpenAI اشاره می‌کند که در زمینه‌های خاصی پیشرفت کرده است. احتمالاً GPT-4 درخواست‌های مربوط به نحوه سنتز مواد شیمیایی خطرناک را رد می‌کند. این شرکت می‌گوید که احتمال پاسخگویی GPT-4 به درخواست‌های محتوای «غیر مجاز» در مقایسه با GPT-3.5، 82 درصد کمتر است و به درخواست‌های حساس – مانند توصیه‌های پزشکی و هر چیزی که مربوط به خودآزاری است – مطابق با سیاست‌های OpenAI پاسخ می‌دهد. درصد بیشتر

اعتبار تصویر: OpenAI

واضح است که چیزهای زیادی برای باز کردن بسته بندی GPT-4 وجود دارد. اما OpenAI، به نوبه خود، با تمام قوا در حال پیشرفت است – آشکارا به پیشرفت های خود اطمینان دارد.

OpenAI نوشت: “ما مشتاقانه منتظریم که GPT-4 به ابزاری ارزشمند در بهبود زندگی مردم با تقویت برنامه های کاربردی بسیاری تبدیل شود.” “هنوز کار زیادی برای انجام دادن وجود دارد، و ما مشتاقانه منتظر بهبود این مدل از طریق تلاش های جمعی جامعه سازی در بالای مدل، کاوش و مشارکت در آن هستیم.”