|
|
|
|
||||||
|
2023/03/16 | |||||
|
专家点评GPT-4: |
|
数学不太好的文科生
|
|
“读图编程”表演令人惊艳 赵海教授解释,模态对应的是人类感知类型,包括文本、图像、声音等。一个智能系统如果能处理两种或两种以上的感知信息,就属于多模态。一些网络媒体对GPT-4有误解,以为它能根据用户输入的文字生成图片,其实它没有这个功能。GPT-4比ChatGPT多出的功能,是用户可以输入图片,它能“读图”并输出文字。 在执行编程任务上,这个多模态大模型也能“读图”。OpenAI的产品发布会上,研发人员演示了GPT-4能识别他手绘的一张网页草图,并根据草图写出网页的前端代码。虽然这个网页很简单,但它的“读图编程”还是令人惊艳,显示出较高的图片理解和编程能力。不过遗憾的是,这家美国企业表示,这项功能目前不对公众开放。 谈及这种多模态功能,赵海直言:“GPT-4的产品形态会让公众感到惊艳,但对一些业内人士来说,可能就没那么惊讶了。”在他看来,GPT-4强大功能的核心与ChatGPT一样,也是参数量高达1750亿的预训练大语言模型。至于图像分析能力,可看作给大语言模型“打补丁”、拼接图像向量的结果。 “从理论上说,给大语言模型拼接图像向量是不难的,但工程实现的难度很大。”赵海分析,“因为GPT-3模型已有千亿级参数,在此基础上增加大量图像参数,算力上的压力会非常大。” 这与达观数据首席执行官陈运文博士的观点颇为吻合。作为上海最大的自然语言模型研发企业创始人,陈运文认为,在大语言模型的工程基础领域,国内科技界还需要突破一个难关——如何将成千上万张GPU卡串联在一起,让它们充分发挥算力作用。这是“BAT”目前也没有完全解决的问题。 数学解题能力靠“打补丁” 除了功能增加,GPT-4的文本处理和生成能力也优于ChatGPT。 谈及这个大模型的数学水平,赵海笑道:“很多人没考过GRE,其实GRE的数学题难度和中国小学数学题差不多。GPT-4的数学水平不会很高,很多小学奥数题可能就解不出来。” GPT-4为何是“数学不太好的文科生”?他解释说,和图像分析能力一样,它的数学解题能力也是通过在大模型上“打补丁”才获得的。如果只接受过互联网上的文本大数据训练,GPT-4和ChatGPT只能做出简单的算术题。要让它解出难度高一点的代数和几何题,研发团队必须为大模型加入数学领域的解题算法。 “OpenAI说GPT-4有强大的推理能力,我感觉主要指的是它的数学水平高。”赵海告诉记者,“其实,推理能力包含逻辑推理能力和数学抽象思维能力,这两种能力是有区别的,前者侧重寻找因果关系。相对而言,GPT-4的逻辑推理能力更强。” 从OpenAI的GPT系列(GPT-1、2、3、ChatGPT和GPT-4)开发思路来看,这家美国企业在向着通用人工智能商用目标迈进。与ChatGPT相比,GPT-4离商用产品又进了一步。这种进步包括:在应对政治敏感、违反伦理或法律的指令和问题时,GPT-4表现得越发成熟和安全。一些体验过GPT-4的用户还反映,输入同样的问题,GPT-4的回答常常优于ChatGPT,表现为信息量更大,“车轱辘话”更少。 未来,GPT产品可能会成为一个类似电脑操作系统的平台,让通用人工智能进入千家万户。赵海指出,这种革命性产品的基础是预训练大语言模型,国内科技界和产业界的当务之急,是开发出高质量的大模型,在此基础上发展产业生态就会有很大潜力。 本报综合
|
|
|||
| 相关文章： |