Περίληψη άρθρου:
Η OpenAI κυκλοφόρησε την επόμενη έκδοση του γλωσσικού της μοντέλου GPT, το GPT-4, το οποίο διαθέτει σημαντικά μεγαλύτερο αριθμό παραμέτρων από τον προκάτοχό του GPT-3. Αυτό θα μπορούσε να οδηγήσει σε πιο εντυπωσιακές δυνατότητες δημιουργίας γλώσσας και να χρησιμοποιηθεί για εργασίες επεξεργασίας φυσικής γλώσσας, όπως συνομιλίες και συμπλήρωση κειμένου. Το GPT-4 είναι επίσης σε θέση να κατανοεί οπτικές πληροφορίες και να εξηγεί το νόημά τους, καθιστώντας το ένα ισχυρό εργαλείο για εργασίες όπως η απόδοση λεζάντας σε εικόνες και η απάντηση οπτικών ερωτήσεων. Διαθέτει καλή μνήμη, με δυνατότητα να θυμάται έως και 25.000 λέξεις, και είναι διαθέσιμο σε 26 γλώσσες. Έχει εκπαιδευτεί σε κακόβουλες προτροπές κειμένου για να αποφεύγει τη δημιουργία επιβλαβούς περιεχομένου στις απαντήσεις του και έχει περάσει πάνω από 20 τεστ γνώσεων. Εταιρείες όπως η Stripe, η Morgan Stanley και η Salesforce.com έχουν ήδη ανακοινώσει την πρόθεσή τους να χρησιμοποιήσουν το GPT-4 για την εξυπηρέτηση πελατών με βάση την τεχνητή νοημοσύνη. Σε σύγκριση με το GPT-3, το GPT-4 παράγει λιγότερα λάθη και μπορεί να δημιουργεί και να επεξεργάζεται κείμενα σε επίπεδο που πλησιάζει περισσότερο σε αυτό του ανθρώπου. Είναι διαθέσιμο στην επί πληρωμή έκδοση της συνομιλίας ChatGPT Plus και μέσω του API.

Αναλυτικά το άρθρο:
Όπως είχε υποσχεθεί η Microsoft, στις 14 Μαρτίου, η OpenAI παρουσίασε επίσημα την επόμενη έκδοση του γλωσσικού μοντέλου GPT, το GPT-4, το οποίο φαίνεται να έχει σημαντικά μεγαλύτερο αριθμό παραμέτρων από τον προκάτοχό του GPT-3. Αυτό θα μπορούσε δυνητικά να οδηγήσει σε πιο εντυπωσιακές δυνατότητες δημιουργίας γλωσσών από ποτέ άλλοτε. Επιπλέον, είναι πιθανό ότι το GPT-4 θα χρησιμοποιηθεί για ποικίλες εργασίες επεξεργασίας φυσικής γλώσσας, όπως συνομιλίες και συμπλήρωση κειμένου.

Το GPT-4 κατανοεί όχι μόνο κείμενο, αλλά και οπτικές πληροφορίες, αν και δεν έχει επεκταθεί ακόμη σε βίντεο. Ένα μοντέλο GPT-4 μπορεί να πει τι ακριβώς απεικονίζεται στην εικόνα και ακόμη και να εξηγήσει το νόημά της. Στην επίδειξη, το GPT-4 εξήγησε το οπτικό αστείο όπου ένα αρχαίο καλώδιο VGA είναι συνδεδεμένο στο iPhone και είπε επίσης τι μπορεί να μαγειρευτεί από τα συστατικά που φαίνονται στην εικόνα.

Αυτή η ικανότητα κατανόησης και ερμηνείας των οπτικών πληροφοριών καθιστά το GPT-4 ένα ισχυρό εργαλείο για εργασίες όπως η λεζάντα εικόνας, η απάντηση οπτικών ερωτήσεων, ακόμη και η δημιουργία περιεχομένου. Με την ενσωμάτωση τόσο της κατανόησης κειμένου όσο και της οπτικής κατανόησης, το GPT-4 έχει τη δυνατότητα να φέρει επανάσταση σε διάφορους κλάδους, όπως η διαφήμιση, ο σχεδιασμός και το ηλεκτρονικό εμπόριο.

Το GPT-4 διαθέτει καλή μνήμη. Αν η προηγούμενη έκδοση μπορούσε να θυμάται 8.000 λέξεις, το GPT-4 θυμάται εύκολα 25.000 λέξεις (δηλαδή περίπου όσο το "Ο γέρος και η θάλασσα" του Έρνεστ Χέμινγουεϊ). Το OpenAI ανακοίνωσε μια σούπερ έκδοση της ΤΝ που θυμάται περίπου 64.000 λέξεις (δηλαδή περίπου όσο το μήκος του "Ανιψιού του μάγου" του C.S. Lewis ή του "Θαυμαστού νέου κόσμου" του Aldous Huxley). Αυτό θα επιτρέψει στο μοντέλο να επιστρέψει σε θέματα που συζητήθηκαν στην αρχή μιας μακροσκελούς συζήτησης, καθώς θα μπορεί να θυμάται πράγματα που έχουν γραφτεί μισή ώρα πριν.

Αυτή η αυξημένη χωρητικότητα μνήμης θα επιτρέψει στο GPT-4 να παράγει πιο συνεκτικές και σχετικές με το πλαίσιο απαντήσεις, καθιστώντας το πολύτιμο εργαλείο για εργασίες επεξεργασίας φυσικής γλώσσας. Επιπλέον, η ικανότητα ανάκλησης προηγουμένως συζητημένων θεμάτων θα ενισχύσει την ικανότητά του να συμμετέχει σε πιο σύνθετες και ουσιαστικές συζητήσεις με ανθρώπους.

Το GPT-4 είναι έτοιμο να απαντήσει σε ερωτήσεις σε 26 γλώσσες. Το GPT-4 ξεπερνά τις επιδόσεις του GPT-3.5 και άλλων LLM (Chinchilla, PaLM) στην αγγλική γλώσσα σε 24 από τις 26 γλώσσες που εξετάστηκαν, συμπεριλαμβανομένων γλωσσών με χαμηλές πηγές όπως η Λετονία, η Ουαλία και η Σουαχίλι. Αυτή η νέα εξέλιξη στην επεξεργασία φυσικής γλώσσας θα ωφελήσει σημαντικά την πολύγλωσση επικοινωνία και την προσβασιμότητα. Είναι ένα σημαντικό βήμα προς τη γεφύρωση του γλωσσικού φραγμού σε διάφορους τομείς όπως η εκπαίδευση, η υγειονομική περίθαλψη και οι επιχειρήσεις.

Το GPT-4 δεν θα εκνευρίζεται τόσο εύκολα, οπότε είναι απίθανο να αρχίσει να απειλεί, να προσβάλλει ή απλώς να λέει ανοησίες. Για να επιτευχθεί αυτό, εκπαιδεύτηκε σε έναν τεράστιο αριθμό "κακόβουλων" κειμενικών προτροπών. Τα δεδομένα εκπαίδευσης για το GPT-4 περιλαμβάνουν διάφορους τύπους κακόβουλων προτροπών κειμένου, όπως ρητορική μίσους, διαδικτυακό εκφοβισμό και τρολάρισμα. Αυτό θα βοηθήσει το μοντέλο να αναγνωρίσει και να αποφύγει τη δημιουργία τέτοιου επιβλαβούς περιεχομένου στις απαντήσεις του.

Το GPT-4 έχει περάσει πάνω από 20 από τα πιο συνηθισμένα τεστ γνώσεων, συμπεριλαμβανομένων των μαθηματικών, της φυσικής και της χημείας. Σε ορισμένες περιπτώσεις, το μοντέλο σημείωσε καλύτερες επιδόσεις από το 88% των δοκιμασιών. Αυτό το επίτευγμα δείχνει ότι το GPT-4 έχει τη δυνατότητα να αλλάξει τα δεδομένα σε τομείς όπως η εκπαίδευση, η έρευνα και η εξυπηρέτηση πελατών. Ωστόσο, απαιτούνται περαιτέρω δοκιμές και ανάπτυξη προτού μπορέσει να ενσωματωθεί πλήρως σε αυτούς τους τομείς.

Το GPT-4 δοκιμάζεται ήδη από αρκετές μεγάλες εταιρείες, συμπεριλαμβανομένης της υπηρεσίας πληρωμών Stripe. Η OpenAI παραδέχτηκε επίσης ότι η ενημερωμένη μηχανή αναζήτησης Bing της Microsoft έχει ήδη εργαστεί στη νέα έκδοση του GPT. Επιπλέον, η εταιρεία αρνήθηκε να συζητήσει λεπτομερώς τα τεχνικά χαρακτηριστικά του GPT-4 προκειμένου να αποφύγει την αποκάλυψη περιττών πληροφοριών στους ανταγωνιστές.

Το GPT-4 δεν είναι ακόμη τέλειο: Οι γνώσεις του περιορίζονται μέχρι τον Σεπτέμβριο του 2021 και σε ορισμένες περιπτώσεις, η τεχνητή νοημοσύνη "παραισθήσεις" -δίνει λανθασμένες ή απλώς πλασματικές πληροφορίες. Τώρα που το μοντέλο είναι διαθέσιμο μόνο στους συνδρομητές της επί πληρωμή υπηρεσίας ChatGPT Plus, οι προγραμματιστές μπορούν να το βάλουν στη λίστα αναμονής του API. Η δωρεάν έκδοση δεν έχει ακόμη ανακοινωθεί.

Οι κύριες διαφορές μεταξύ GPT-4 και GPT-3 Το GPT-4 παράγει λιγότερα πραγματικά και άλλα σφάλματα, γεγονός που έχει επαληθευτεί σε διάφορες δοκιμές. Συγκεκριμένα, το GPT-4 συγκαταλέγεται στο 10% των εξεταζομένων κατά την επιτυχία στις τυπικές εξετάσεις για την απόκτηση άδειας δικηγόρου στις Ηνωμένες Πολιτείες. Συγκριτικά, η CPT-3 ήταν στο κατώτερο 10%. Το νέο μοντέλο μπορεί να δημιουργεί και να επεξεργάζεται κείμενα -συμπεριλαμβανομένων τραγουδιών, θεατρικών έργων κ.λπ.- σε επίπεδο που πλησιάζει περισσότερο σε αυτό του ανθρώπου.

Είναι επίσης σε θέση να υιοθετήσει το ύφος του συγγραφέα ή να μιμηθεί ένα άλλο ύφος κατόπιν αιτήματος του χρήστη. Το μοντέλο μπορεί να αναγνωρίζει εικονογραφήσεις και να αλληλεπιδρά με αυτές - για παράδειγμα, να προτείνει συνταγές χρησιμοποιώντας τα προϊόντα που εμφανίζονται στην εικόνα. Μια άλλη χρήση είναι η περιγραφή του περιβάλλοντος για άτομα με προβλήματα όρασης.

Για τον σκοπό αυτό, η Open AI έχει ήδη συνεργαστεί με μια ειδική εφαρμογή που ονομάζεται Be My Eyes. Το GPT-4 μπορεί να χειριστεί περισσότερες από 25.000 λέξεις ταυτόχρονα (στην προηγούμενη έκδοση, 8.000 λέξεις), γεγονός που καθιστά δυνατή τη δημιουργία ή την επεξεργασία μεγάλων ποσοτήτων κειμένου. Το μοντέλο έχει γίνει πιο πολύγλωσσο. Εξακολουθεί να λειτουργεί καλύτερα στα αγγλικά, αλλά μπορεί να δημιουργήσει κείμενα σε άλλες 25 γλώσσες (συμπεριλαμβανομένων των ιταλικών, των ουκρανικών και των κορεατικών) με αρκετά υψηλή ακρίβεια.

Το GPT-4 είναι διαθέσιμο στην επί πληρωμή έκδοση της συνομιλίας ChatGPT Plus και μέσω του API, η εταιρεία εκμεταλλεύεται ενεργά την ανάπτυξή του. Η Duolingo, η Stripe, η Morgan Stanley, η Khan Academy και η ισλανδική κυβέρνηση χρησιμοποιούν ήδη το μοντέλο για τις ανάγκες τους. 

Πηγή: GPT-4 vs. GPT-3: What Does the New Model Have to Offer?