今天凌晨 1 点，Open AI 团队发推正式宣布：GPT-4 来了！
关注【V起来助手公z号】体验私聊、办公插件、AI绘画等众多人工智能产品！
发布要点
看完了 Open AI 团队对于 GPT-4 的整篇介绍。
GPT-4 介绍：
下面挑些重点，跟大家进行详细介绍。
GPT-4 基础能力
本次发布的 GPT-4 跟此前透露的消息一样，是一个多模态大模型，支持接受图像和文本输入，输出文本。
虽然没一步到位，把音视频也覆盖上，但如果能把图像与文本这两块做好，相信其应用潜力无限。
对于 GPT-4 的实际能力，团队也给大家提前打了一针强心剂，即便 GPT-4 在许多现实世界场景中能力不如人类，但在各种专业和学术基准上的表现，还是超过了人类的平均水平。
这里有一个数据是，在律师模拟考中，GPT-4 的成绩排在应试生的前 10% 中，而此前发布的 GPT-3.5，则在倒数 10% 的行列。
看到这里，不知道你发现没有，现在衡量 GPT 模型的能力，已经不是能否通过人类社会中的应试，而是看其参加的多种不同领域的专业应试，能够排到多靠前的位置。
在团队进行的多个 GPT-4 与 GPT-3.5 的考试测试中，发现这两个模型间存在很微妙的差异。
当任务的复杂性足够高时，GPT-4 比 GPT-3.5 更可靠、更有创意，并且能够处理更细微的指令。
在 GPT-4 发布之前，Open AI 团队花了 6 个月的时间 ，使用对抗性测试程序，以及从 得到的经验教训，对 GPT-4 进行了迭代调整 ，进而在其真实性、可操控性等方面取得了有史以来最好的结果。
在与当前机器学习模型进行基准评估对比后，GPT-4 大大优于现有的大型语言模型，以及大多数最先进的 (SOTA) 模型。
GPT-4 图像处理
当然了，GPT-4 本次最为令人看重的，还是它接受与处理图像的具体能力。
在官方报告中，团队提供了多个实际交互示例，这里我挑 2 个比较有代表性的给大家看下。
示例 1：理解图片
当你给 GPT-4 发送下面这张图片，并询问它，该图片有哪些不寻常的地方？
GPT-4 回答：这张照片的不同寻常之处在于，一名男子正在行驶中的出租车车顶上的熨衣板上熨烫衣服。
示例 2：识别与解析图片内容
将论文截图直接发送给 GPT-4，并要求它进行解析与总结。
除此之外，它还能解析报表图片并进行汇总，直接回答图片中包含的提问内容等操作。
不过，GPT-4 跟 GPT-3.5 类似，对训练数据中断后（2021 年 9 月）所发生的事情不太了解，也会犯一些在我们看来很简单的推理性错误，给用户提供不合理的建议，以及在生成的代码中引入安全漏洞。
对于这些潜在性的危险因素，团队也聘请了来自多个不同行业的专家对模型进行了优化调整，但是其具体效果，还需要等后面场景应用较为广泛后，才能得出结论。
开源项目： Evals
为了让开发者能更好的评测 GPT-4 的优缺点， 的技术团队还开源了 Evals 项目，可用于自动评估 AI 模型性能的框架，以便用户能更专业的指导团队，进一步优化与改进模型。
该项目具有以下功能特性：
：
申请 GPT-4 API
目前， 已面向开发者开放 GPT-4 API 的申请通道，大家想提前使用的话，可以先提交申请，进入 中等待通过。
我吸取了上次 New Bing 开放申请后，苦等无果的惨痛教训。现如今对于这类工具，都是第一时间申请，后面就看 Open AI 什么时候能给我通过了
。
申请通道：
对了，如果你有 Plus 订阅会员，则可以直接获得 GPT-4 的试用权限，无需等待。不过有一定限制，在 4 小时内，最多只能发布 100 条信息。
获得访问权限后，用户当前还是只能向 GPT-4 模型发出纯文本请求，图像请求可能得等稍晚一些时间才对外开放。
以上，就是关于 GPT-4 的大致介绍。
「GPT-4 是世界第一款高体验，强能力的先进AI系统，我们希望很快把它推向所有人，」 工程师在介绍视频里说道。
似乎是想一口气终结这场游戏， 既发布了论文（更像是技术报告）、 Card，把 直接升级成了 GPT-4 版的，也开放了 GPT-4 的 API。
另外，微软营销主管在 GPT-4 发布后第一时间表示：「如果你在过去六周内的任何时候使用过新的 Bing 预览版，你就已经提前了解了 最新模型的强大功能。」是的，微软的新必应早就已经用上了GPT-4。
GPT-4：我 SAT 考 710，也能当律师
GPT-4 是一个大型多模态模型，可以接受图像和文本输入，然后输出正确的文本回复。
实验表明，GPT-4 在各种专业测试和学术基准上的表现与人类水平相当，比如通过了模拟律师考试，得分在应试者的前 10% 左右。
通过对 GPT-4 进行迭代调整，从而在真实性、可控性等方面取得了有史以来最好的结果。
他们正在通过 和 API 发布 GPT-4 的文本输入功能。 还开源了 Evals，这是用于自动评估 AI 模型性能的框架。
GPT-4 比 GPT-3.5 更可靠、更有创意，并且能够处理更细微的指令。
还在为机器学习模型设计的传统基准上评估了 GPT-4。GPT-4 大大优于现有的大型语言模型，以及大多数 SOTA 模型：
为了更好地了解GPT-4在多语言方面的能力，研究团队使用Azure 将MMLU基准翻译成多种语言。MMLU基准包括14000个多项选择题，涵盖57个主题。与其它大型语言模型（如和PaLM）的英语语言性能相比，GPT-4在测试的26种语言中，除两种语言外，在其余24种语言中都表现出更好的性能。这些语言包括中文、日文、西班牙文、德文、法文等等。因此，这表明GPT-4在多语言方面的表现是非常出色的，为人工智能研究和应用带来了更多有用的启示。
像许多其他使用 的公司一样， 表示他们内部也在使用 GPT-4。这种技术已经在许多领域显示出了巨大的潜力，因此 也在关注大型语言模型在内容生成、销售和编程等方面的应用效果。这对于提高工作效率和提高创造力都非常有帮助。 还利用 GPT-4 为人们提供辅助评估 AI 输出的服务，这也是 对其策略的第二阶段。因此， 不仅是 GPT-4 的开发者，而且也是使用者，他们使用这种技术来改善他们的工作流程，并提高他们的生产力。这种技术的应用正在不断发展， 也在不断探索新的应用场景。
GPT-4：我能玩梗图
GPT-4 可以接受文本和图像 ，生成相应的文本输出（自然语言、代码等）。
它在各种领域的输入（文本、照片、图表等）方面展示了类似于纯文本输入的功能。
此外，它还可以通过测试时间技术得到增强，包括少样本和思维链 。
例如，给 GPT-4 一张长相奇怪的充电器图片，问为什么这很可笑？
GPT-4 回答道，VGA 线充 。
格鲁吉亚和西亚的人均每日肉类消费，算平均数：
看起来，现在的 GPT 已经不会在计算上胡言乱语了：
还是太简单，那直接让它做题，还是个物理题：
GPT-4 看懂了法语题目，并完整解答：
GPT-4 可以理解一张照片里「有什么不对劲的地方」：
GPT-4 还可以量子速读看论文，如果你给它 的论文，让它总结摘要，就会变成这样：
如果你对论文里的某一个图感兴趣呢？GPT-4 也可以解释一下：
接着来，问 GPT-4 梗图是什么意思：
它给出了详细的回答：
那么漫画呢？
让 GPT-4 解释为什么要给神经网络加层数，似乎有一点加倍的幽默感。
不过 在这里说了，图像输入是研究预览，仍不公开。
研究人员用学术的 视角来解读 GPT-4 的看图能力，然而这已经不够了，他们还能不断发现该模型可以令人兴奋地处理新任务 —— 现在的矛盾是 AI 的能力和人类想象力之间的矛盾。
看到这里，应该有研究人员感叹：CV 不存在了。
可控性
与具有固定冗长、平静语气和风格的经典 个性不同，开发人员（以及 用户）现在可以通过在「系统」消息中描述这些方向来规定他们的 AI 的风格和任务。
系统消息允许 API 用户在一定范围内定制化实现不同的用户体验。除了方向之外，用户还可以设置 的口头表达方式，以便让 更好地与特定用户进行交互。例如，如果 用于与儿童交互，那么用户可以要求 使用更简单的语言和更生动的表情来与他们进行交流。
另外，用户还可以指定 的任务，以便 能够更好地为他们提供帮助。例如，用户可以指定 为他们提供某个特定主题的信息，或者帮助他们解决某个具体的问题。
知道你们在让 玩 ，也鼓励你们这样做。因为与其说 是一个智能助手，不如说它是一个可以与用户互动并且学习用户习惯的人工智能伙伴。
局限性
尽管功能已经非常强大，但 GPT-4 仍然存在幻觉、生成错误答案和推理错误等局限性。使用语言模型时应谨慎审查输出内容，并根据特定用例的需求采取相应的协议。GPT-4 相对于以前的模型已经显著减轻了幻觉问题，内部对抗性真实性评估中的得分比最新的 GPT-3.5 模型高 40%。
GPT-4 在 等外部基准测试方面也取得了进展， 测试了模型将事实与错误陈述的对抗性选择区分开的能力，结果如下图所示。
实验结果表明，GPT-4 基本模型在此任务上仅比 GPT-3.5 略好；然而，在经过 RLHF 后训练之后，二者的差距就很大了。以下是 GPT-4 的测试示例 —— 并不是所有时候它都能做出正确的选择。
该模型可能存在偏见，但 正在努力解决这些问题，以确保人工智能系统具有合理的默认行为，反映广泛的用户价值观。
GPT-4 对于其绝大部分数据截止于 2021 年 9 月，缺乏对目前事件的了解，也无法从经验中学习。它有时会犯简单的推理错误，与它在其他领域的能力不相符，或者过于轻信用户的明显虚假陈述。有时它也会在困难的问题上失败，如在生成的代码中引入安全漏洞。
GPT-4 预测时也可能出错但很自信，意识到可能出错时也不会 -check。通过 目前的后训练过程，校准减少了。
风险和防范措施
说，他们一直在改进 GPT-4，从训练开始就更安全和一致。这包括选择和过滤预训练数据、评估和专家参与、模型安全改进以及监测和执行。
GPT-4 有着与以前的模型类似的风险，比如产生有害的建议、错误的代码或不准确的信息。同时，GPT-4 的额外能力导致了新的风险面。为了了解这些风险的程度，团队聘请了 50 多位来自人工智能对齐风险、网络安全、生物风险、信任和安全以及国际安全等领域的专家，对该模型在高风险领域的行为进行对抗性测试。这些领域需要专业知识来评估，来自这些专家的反馈和数据为防范措施和模型的改进提供了依据。
预防风险
据 工程师在 demo 视频中介绍，GPT-4 的训练已于去年 8 月完成，之后的时间都在微调提升和去除危险内容生成。
GPT-4 在 RLHF 训练中加入了一个额外的安全奖励信号，通过训练模型拒绝对此类内容的请求来减少有害的输出。奖励是由 GPT-4 的零样本分类器提供的，它判断安全边界和安全相关 的完成方式。为了防止模型拒绝有效的请求，团队从各种来源（例如，标注的生产数据、人类的红队、模型生成的 ）收集多样化的数据集，在允许和不允许的类别上应用安全奖励信号（有正值或负值）。
这些措施大大改善了 GPT-4 的安全性能。与 GPT-3.5 相比，模型对不允许内容的请求的响应倾向降低了 82%，而 GPT-4 对敏感请求（如医疗建议和自我伤害）的响应符合政策的频率提高了 29%。
训练过程
GPT-4 基础模型使用公开可用的数据（例如互联网数据）以及已获得许可的数据进行训练。与之前的 GPT 模型一样，经过训练后，基础模型可以预测文档中的下一个单词。训练数据是一个网络规模的数据语料库，其中包括数学问题的正确和错误解决方案、弱推理和强推理、自相矛盾和一致的陈述，以及各种各样的意识形态和想法。
然而，当提出问题时，基础模型的回应可能与用户的意图相去甚远。为了使其与用户意图保持一致， 依然使用强化学习人类反馈（RLHF）来微调模型的行为。请注意，该模型的能力似乎主要来自预训练过程——RLHF 不会提高考试成绩（甚至可能会降低它）。但是模型的控制来自后训练过程——基础模型甚至需要及时的工程设计来回答问题。
GPT-4 的一大重点是建立了一个可预测扩展的深度学习栈。这是因为对于像 GPT-4 这样的大型训练，进行广泛的特定模型调整是不可行的。团队开发了基础设施和优化，在多种规模下都有可预测的行为。为了验证这种可扩展性，他们提前准确地预测了 GPT-4 在内部代码库（不属于训练集）上的最终损失，方法是通过使用相同的方法训练的模型进行推断，但使用的计算量为 1/10000。
GPT-4 是一个经过大量训练和微调的模型，能够在各种不同的情况下预测文本中的下一个单词。它的建立涉及到基础设施和优化的开发，以及可预测扩展的深度学习栈的设计。这个模型的应用潜力还有待深入挖掘。
现在， 可以准确地预测在训练过程中优化的指标（损失）。例如从计算量为 1/1000 的模型中推断并成功地预测了 数据集的一个子集的通过率：
有些能力仍然难以预测。例如， 竞赛旨在找到一个随着模型计算量的增加而变得更糟的指标，而 任务是获胜者之一。GPT-4 扭转了这一趋势。
能够准确预测未来的机器学习能力对于技术安全来说至关重要，但它并没有得到足够的重视， 表示正在投入更多精力开发相关方法，并呼吁业界共同努力。
表示正在开源 Evals 软件框架，它被用于创建和运行基准测试以评估 GPT-4 等模型，同时可以逐样本地检查模型性能。
直接升级至 GPT-4 版
GPT-4 发布后， 直接升级了 。 Plus 订阅者可以在 上获得具有使用上限的 GPT-4 访问权限。
要访问 GPT-4 API（它使用与 gpt-3.5-turbo 相同的 API），用户可以注册等待。 会邀请部分开发者体验。
获得访问权限后，用户目前可以向 GPT-4 模型发出纯文本请求（图像输入仍处于有限的 alpha 阶段）。至于价格方面，定价为每 1k 个 token 0.03 美元，每 1k 个 token 0.06 美元。默认速率限制为每分钟 40k 个 token 和每分钟 200 个请求。
GPT-4 的上下文长度为 8,192 个 token。 还提供了 32,768 个 token 上下文（约 50 页文本）版本的有限访问，该版本也将随着时间自动更新（当前版本 gpt-4-32k-0314，也支持到 6 月 14 日)。定价为每 1K token 0.06 美元和每 1k token 0.12 美元。
以上，就是今天 关于 GPT-4 的所有内容了。令人不满的一点是， 公开的技术报告中，不包含任何关于模型架构、硬件、算力等方面的更多信息，可以说是很不 Open 了。
不管怎样，迫不及待的用户大概已经开始测试体验了吧。
