GPT-4有多强，GRE考试接近满分，律考比肩顶级律师，随手画个草图就能做出同款网页。当国内还在热议人工智能对话大模型产品ChatGPT时，背后核心预训练模型技术GPT却突然重磅升级。
钛媒体App了解到，OpenAI发布的GPT-4在各种专业学术基准上有着人类水平表现。例如在模拟律师考试中，GPT-4得分约为前10%——击败了90%人类，而ChatGPT背后的GPT-3.5得分约为倒数10%。
“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。”OpenAI工程师在开发者Demo视频中表示，GPT-4是OpenAI努力扩展深度学习的最新里程碑。OpenAI称，GPT-4虽然在许多现实世界场景中的能力不如人类，但在各种专业和学术基准上表现出人类水平的表现。
钛媒体App获悉，即日起，ChatGPTPlus付费订阅用户现可直接使用GPT-4版本的ChatGPT，未来则将对免费用户开放一定数量的GPT-4体验。同时，GPT-4API需要申请候选名单，今天将开始邀请一些开发人员，并不断扩大邀请规模，每1000字符的价格为0.03美元；图像输入则处在研究预览阶段，仅对少部分用户开放。
不过，GPT-4仍存在改进空间。虽然这次模型大升级，但之前ChatGPT会出现幻觉、“胡说八道”的毛病还是没能在GPT-4中完全改掉。
谁能革得了ChatGPT的命？现在看来还是OpenAI自己。
聊GPT-4之前，先要了解GPT到底是什么。
随着1956年“达特茅斯会议”上创造“人工智能”这个术语，全球迎来了AI技术发展阶段。在2016年谷歌DeepMind的“阿尔法狗”（AlphaGo）击败了韩国围棋冠军李世乭，以及机器学习的诞生，AI算法、算力、数据“三驾马车”获得了突破性技术进展。
但问题在于，机器学习利用循环神经网络(RNN)——序列数据或时序数据的人工神经网络来处理文字，使得文字按顺序一个个处理，没办法同时进行大量学习。
因此2017年，谷歌团队发布论文“AttentionIsAllYouNeed”，提出了一个新的学习框架Transformer，以解决此问题。它抛弃了传统的CNN（卷积神经网络）和RNN，使整个网络结构完全由Attention机制组成，从而让机器同时学习大量的文字，训练速度效率大大提升。
简单来说，只需要LLM（大型语言模型）、大型参数量和算力算法训练，以Attention机制就可实现快速的机器学习能力。因此，无论是ChatGPT的T，还是谷歌预训练语言模型BERT的T，均是Transformer的意思。
“GPT-3.5和GPT-4之间的区别可能很微妙。当任务的复杂性达到足够的阈值时，差异就会出现——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。”OpenAI表示，在过去的两年里，团队重建了整个深度学习堆栈，并与微软Azure一起，为GPT工作负载从头开始共同设计了一台超级计算机。经过训练和修复更新之后，GPT-4前所未有地稳定，成为OpenAI能够提前准确预测其训练性能的第一个大型模型。
那么，GPT-4技术到底怎么样？为了了解这模型差异，根据官方实验表明，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。
首先，在美国BAR律师执照统考模拟中，GPT-4得分约为前10%——击败了90%人类，而ChatGPT背后的GPT-3.5得分约为倒数10%；生物奥林匹克竞赛，GPT-3.5能达到后31%水平分位，GPT-4可达到前1%水平分位；研究生入学考试(GRE)、SAT数学考试成绩中，也有大幅提升，击败了80%以上的人类答题水平，而医学知识自测考试准确率达75%。
第二个测试是与其他英文机器学习模型的技术能力。研究团队使用微软AzureTranslate，将MMLU基准——一套涵盖57个主题、14000个多项选择题翻译成多种语言。在测试的英语、拉脱维亚语、威尔士语和斯瓦希里语等26种语言中，有24种语言下，GPT-4优于GPT-3.5和其他大语言模型（Chinchilla、PaLM）的英语语言性能。
而在TruthfulQA等外部基准测试方面，GPT-4也取得了进展。OpenAI测试了GPT-4模型将事实与错误陈述的对抗性选择区分开的能力。实验结果显示，GPT-4基本模型在此任务上仅比GPT-3.5略好。但在经过RLHF训练之后，二者的差距就很大了，例如GPT-4在测试中并不是所有时候它都能做出正确的选择。
对于一个长相奇怪的充电器的图片问为什么这很可笑？GPT-4回答：VGA线充iPhone。
GPT-4回答数学问题
总的来说，GPT-4相对于以前的模型（经过多次迭代和改进）已经显著减轻了判断失误问题。在OpenAI的内部对抗性真实性评估中，GPT-4的得分比ChatGPT使用的GPT-3.5模型能力高40%。
很显然，虽然GPT-4对于许多现实场景的处理比人类差，但在各种专业和学术基准上已表现出和人类相当的水平。
不过，GPT-4模型也有很多不足，有着与以前的模型类似的风险，如产生有害的建议、错误的代码或不准确的信息，以及对实时事件的不了解等。
1、该模型在其输出中可能会有各种偏见，但OpenAI在这些方面已经取得了进展，目标是使建立的人工智能系统具有合理的默认行为，以反映广泛的用户价值观。2、GPT-4通常缺乏对其绝大部分数据截止后（2021年9月）发生的事件的了解，也不会从其经验中学习。它有时会犯一些简单的推理错误，这似乎与这么多领域的能力不相符，或者过于轻信用户的明显虚假陈述。有时它也会像人类一样在困难的问题上失败，比如在它生成的代码中引入安全漏洞。3、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再检查一遍（double-check）。有趣的是，基础预训练模型经过高度校准（其对答案的预测置信度通常与正确概率相匹配）。然而，通过OpenAI目前训练后的过程，校准减少了。
OpenAI表示，研究团队一直在对GPT-4进行迭代，使其从训练开始就更加安全和一致，所做的努力包括预训练数据的选择和过滤、评估和专家参与、模型安全改进以及监测和执行。数据显示，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%。
另外，OpenAI团队还聘请了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，从而为改进GPT模型提供了依据。
“随着我们继续专注于可靠的扩展，我们的目标是完善我们的方法，以帮助我们越来越多地提前预测和准备未来的能力——我们认为这对安全至关重要。”OpenAI表示。
不过，目前OpenAI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，也不包括期待已久的AI视频功能，也并没有开放GPT-4的任何核心技术论文信息。
但OpenAI正在开源其软件框架OpenAIEvals，用于创建和运行基准测试以评估GPT-4等模型，同时逐个样本地检查它们的性能。
复旦大学计算机学院教授、博士生导师黄萱菁此前表示，OpenAI迄今为止没有开放过它的模型，只开放过API接口，你可以调用它，但拿不到GPT-3.5内部细节，而且今年连论文都没有，需要大家去猜测。
实际上，随着基于GPT技术的ChatGPT风靡全球，全球已经进入了AI大模型军备竞赛。
首先是影响到搜索引擎巨头地位的谷歌。手握LaMDA、PaLM,Imagen等AI技术的谷歌，不会让微软这么轻易就抢占了AI应用的先机。
更早之前，谷歌发布了ChatGPT最大竞品、基于LaMDAAI架构的Bard聊天机器人，支持多角度回答问题，以及强大的上下文理解能力，未来Bard还会被集合在Google搜索之中，为你更快速地提供答案。不过Bard在Demo演示中频繁“翻车”，市场并不看好。
3月15日凌晨，谷歌宣布开放自家的大语言模型PaLMAPI，而且还发布了一款帮助开发者快速构建AI程序的工具MakerSuite。谷歌表示，此举是为了帮助开发者们快速构建生成式AI应用。
相对于谷歌，微软做好了充足的准备。
今年2月，微软宣布数十亿美元投资OpenAI公司，后者估值高达290亿美元，成为AIGC领域最高估值的独角兽公司。如今，微软已经在旗下所有产品中全线整合ChatGPT，包括且不限于Bing搜索引擎、包含Word、PPT、Excel的Office全家桶、Azure云服务、Teams聊天程序等预计本周四（16日），微软将宣布GPT-4与Azure云服务的结合。
目前在国内，百度、商汤、旷视科技等多家AI公司和科研机构都在做关于大模型的技术产品和应用。
就在3月14日晚，港股AI龙头企业商汤科技发布了多模态通用大模型“书生2.5”，拥有30亿参数，支持问答、识图、以文生图等，在自动驾驶和居家机器人等通用场景下，“书生2.5”可辅助处理各种复杂任务，并已在通用视觉开源平台OpenGVLab开源。据悉，“书生”由商汤科技、上海人工智能实验室、清华大学、香港中文大学、上海交通大学于2021年11月首次共同发布，并持续联合研发。
尽管中国在AI领域进行了很多研究成果和布局，但目前要达到像OpenAI的效果可能还需时日。科学技术部部长王志刚3月5日表示，ChatGPT证明了AI是大方向，而OpenAI在AI对话实时效果方面有明显优势。
“比如发动机，大家都能做出发动机，但质量是有不同的。踢足球都是盘带、射门，但是要做到梅西那么好也不容易。”王志刚表示。
那么，国内AI技术行业如何看待中国企业做大模型的呢？
创新工场董事长兼CEO李开复博士在3月14日表示，ChatGPT快速普及将进一步引爆AI2.0商业化。AI2.0是绝对不能错过的一次革命。
旷视科技联合创始人、CEO印奇3月10日对钛媒体App表示，中国攻坚AI大模型，要先把GPT-3.5复现出来，但过程没有想象的那么容易。国内一方面要用最艰苦朴素、奋斗的状态来攻坚核心AI技术，另外中国AI公司想活得长，必须要把大模型商业化。“我们要有极强的危机感。”
澜舟科技创始人兼CEO周明告诉钛媒体App，对于国内而言，中国做大模型还是更多的要去了解国外的发展趋势，不能固步自封，还是需要学习；但同时中国AI技术在过去20多年取得长足的进步，无论人才还是技术，中国有很好的历史性机遇，更多是乐观，而非悲观。
“中国在ToB（企业端）落地方面应该走在ChatGPT前面。如何把中国特色发挥到极致，是大家都要彼此思考的问题。”周明创立的语音大模型公司澜舟科技在3月14日宣布完成Pre-A+轮融资，并公布了该公司研发的“孟子MChat可控大模型”，此前周明在微软工作超过20年。
就目前来看，GPT-4是OpenAI在扩展深度学习道路上的最新里程碑。但正如OpenAI所言，前方还有很多工作要做，需要通过用户和开发者的不断测试，以及社区在模型之上构建、探索和贡献，从而持续将模型变得越来越强。
无论中国公司能够做到哪种地步，唯一确定的是，这一次，我们人类离通用人工智能（AGI）更近了一步。（本文首发钛媒体App，作者｜林志佳）