3月16日消息,人工智能研究公司OpenAI於昨日發佈備受期待的文本生成AI模型GPT-4。OpenAI聯合創始人兼總裁格雷格·佈羅克曼(GregBrockman)在接受采訪時表示,GPT-4並不完美,但卻絕對與眾不同。
GPT-4在其前身GPT-3的基礎上,在許多關鍵方面進行改進,例如提供更多真實的陳述,並允許開發人員更容易控制其風格和行為。從某種意義上說,GPT-4也是多模式的,因為它可以理解圖像,能給照片添加註釋,甚至詳細描述照片中的內容。
但GPT-4也有嚴重的缺陷。就像GPT-3一樣,該模型會產生“幻覺”(即模型聚合的文本與源文本無關或不夠準確),並會犯下基本的推理錯誤。OpenAI在自己的博客上舉一個例子,GPT-4將“貓王”埃爾維斯·普雷斯利(Elvis Presley)描述為“演員的兒子”,但實際上他的父母都不是演員。
當被要求將GPT-4與GPT-3進行比較時,佈羅克曼隻給出四個字回答:與眾不同。他解釋稱:“GPT-4絕對與眾不同,盡管它還存在很多問題和錯誤。但你可以看到其在微積分或法律等學科技能方面的躍升。它在某些領域的表現曾很糟糕,現在卻已經達到超越普通人的水準。”
測試結果支持佈羅克曼的觀點。在高考微積分考試中,GPT-4得4分(滿分5分),GPT-3得1分,介於GPT-3和GPT-4之間的GPT-3.5也得4分。在模擬律師考試中,GPT-4成績進入前10%行列,而GPT-3.5的分數在後10%左右徘徊。
與此同時,GPT-4更受人關註的地方在於上面提到的多模式。與GPT-3和GPT-3.5不同,它們隻能接受文本提示,例如可以要求“寫一篇關於長頸鹿的文章”,而GPT-4可以同時接受圖像和文本提示來執行某些操作,比如識別在塞倫蓋蒂拍攝的長頸鹿圖像,並給出基本的內容描述。
這是因為GPT-4是針對圖像和文本數據進行培訓的,而它的前身隻針對文本進行培訓。OpenAI表示,培訓數據來自“各種合法授權的、公開可用的數據源,其中可能包括公開可用的個人信息”,但當被要求提供細節時,佈羅克曼表示拒絕。訓練數據以前也曾讓OpenAI陷入法律糾紛。
GPT-4的圖像理解能力給人留下相當深刻的印象。例如,輸入提示“這張圖片有什麼好笑的?GPT-4會將整張圖片分解,並正確地解釋這個笑話的笑點。
目前,隻有一個合作夥伴可以使用GPT-4的圖像分析功能,這是一款針對視障人士的輔助應用程序,名為Be My Eyes。佈羅克曼說,在OpenAI評估風險和利弊的過程中,無論何時,更廣泛的推廣都將是“緩慢而有意的”。
他還稱:“有些政策問題也需要解決,比如面部識別和如何處理人的圖像。我們需要找出危險區域在哪裡,紅線在哪裡,然後隨著時間的推移找到解決方案。”
OpenAI在其文本到圖像轉換系統Dall-E 2上也遇到類似倫理困境。在最初禁用該功能後,OpenAI允許客戶上傳人臉,以使用AI支持的圖像生成系統對其進行編輯。當時,OpenAI聲稱,其安全系統的升級使面部編輯功能成為可能,因為它將深度造假以及試圖創造色情、政治和暴力內容的潛在危害降至最低。
另一個長期問題是防止GPT-4在無意中被用於可能造成傷害的方式使用。該模型發佈幾小時後,以色列網絡安全初創公司Adversa AI發佈一篇博客文章,演示繞過OpenAI的內容過濾器並讓GPT-4生成釣魚電子郵件、對同性戀者的攻擊性描述以及其他令人反感文本的方法。
這在語言模型領域並不是新問題。Facebook母公司Meta的聊天機器人BlenderBot和OpenAI的ChatGPT也曾被誘惑輸出不恰當的內容,甚至透露它們內部工作的敏感細節。但包括記者在內的許多人曾希望,GPT-4可能會在這方面帶來重大改進。
當被問及GPT-4的健壯性時,佈羅克曼強調,該模型已經經過六個月的安全培訓。在內部測試中,它對OpenAI使用政策不允許的內容請求做出響應的可能性比GPT-3.5低82%,產生“事實”響應的可能性比GPT-3.5高40%。
佈羅克曼說:“我們花很多時間試圖解GPT-4的能力。我們正在不斷更新,包括一系列改進,這樣該模型就更具可擴展性,以適應人們希望它擁有的個性或模式。”
坦率地說,早期的現實測試結果並不是那麼讓人滿意。除Adversa AI測試之外,微軟的聊天機器人Bing Chat也被證明非常容易越獄。使用精心設計的輸入,用戶能夠讓該聊天機器人表達愛意,發出威脅傷害,為大屠殺辯護,並發明陰謀論。
佈羅克曼並未否認GPT-4在這方面的不足,但他強調該模型的新限制工具,包括被稱為“系統”消息的API級功能。系統消息本質上是為GPT-4的交互設定基調並建立界限的指令。例如,一條系統消息可能是這樣寫的:“你是一位總是以蘇格拉底風格回答問題的導師。你永遠不會給學生答案,而是總是試著問正確的問題,幫助他們學會獨立思考。”
其思想是,系統消息充當護欄,防止GPT-4偏離軌道。佈羅克曼說:“真正弄清楚GPT-4的語氣、風格和實質一直是我們非常關註的問題。我認為我們開始更多地解如何進行工程設計,如何擁有一個可重復的過程,讓你得到對人們真正有用的可預測結果。”
佈羅克曼還提到Evals,這是OpenAI最新的開源軟件框架,用於評估其AI模型的性能,這是OpenAI致力於“增強”其模型的標志。Evals允許用戶開發和運行評估模型(如GPT-4)的基準測試,同時檢查它們的性能,這是一種眾包的模型測試方法。
佈羅克曼說:“有Evals,我們可以更好地看到用戶關心的用例,並可以對其進行測試。我們之所以開源這個框架,部分原因是我們不再每隔三個月發佈一個新模型以不斷改進。你不會制造你不能測量的東西,對吧?但隨著我們推出新版模型,我們至少可以知道發生哪些變化。”
佈羅克曼還被問道,OpenAI是否會補償人們用Evals測試它的模型?他不願就此做出承諾,但他確實指出,在有限的時間內,OpenAI允許提出申請的Eevals用戶提前訪問GPT-4 API。
佈羅克曼還談到GPT-4的上下文窗口,該窗口指的是模型在生成額外文本之前可以考慮的文本。OpenAI正在測試一種版本的GPT-4,它可以“記住”大約50頁內容,是普通GPT-4“內存”的5倍,是GPT-3的8倍。
佈羅克曼認為,擴展的上下文窗口會帶來新的、以前從未探索過的用例,特別是在企業中。他設想一款為公司打造的AI聊天機器人,它可以利用來自不同來源(包括各部門員工)的背景和知識,以一種非常內行但具有對話性的方式回答問題。
這並不是一個新概念。但佈羅克曼認為,GPT-4的答案將比目前其他聊天機器人和搜索引擎提供的答案有用得多。他說:“以前,模型根本不知道你是誰,你對什麼感興趣等。而擁有更大的上下文窗口肯定會讓它變得更強,從而大大增強它能為人們提供的支持。”