GPT-4掀起智能革命浪潮，AI风口下将涌现哪些新机遇？

本文已同步发表至公众号：https://mp.weixin.qq.com/s/kTMhMZQ-nfIbbeeXLnDeyA

编辑：AGI之心

3 月 15 日，OpenAI 发布 GPT-4 多模态大模型，支持文本和图像输入，相比前段时间大火的ChatGPT在字数上限和回答准确度等各方面实现了巨大提升！

正如蒸汽机带领人们进入蒸汽时代，发电机带领人们进入电气时代，计算机带领人们进入信息时代，而以GPT为代表的LLM已经将人们悄然过渡到真正的智能时代，赋能各行各业，这将对我们的生活以及生产方式产生革命性的影响。

本文将直击GPT-4发布，并从以下四点对该模型进行深度介绍，助力大家对GPT-4模型有一个全面的认识。

GPT-4有哪些技术上的优化和突破

GPT-4将带来哪些新的产业应用方向可能性？

GPT-4的到来，会开创哪些新的研究方向？

如何使用GPT-4？

GPT-4有哪些技术上的优化和突破

PDF: https://cdn.openai.com/papers/gpt-4.pdf

其实OpenAI在发布GPT-4时，就做好了充足的准备资料向观众呈现，其内容量极度爆炸：首先是一篇署名OpenAI的98页的《GPT-4 Technical Report》（PDF见上文链接），然后是一个60页的《View system card》，也给了ChatGPT Plus抢先体验GPT-4的机会《Try on ChatGPT Plus》，同时还有API的《Join API waitlist》，一个震撼的demo视频《Rewatch developer demo livestream》，和一个评估OpenAI模型的全新框架《Contribute OpenAI Eval》。但这些加起来快200页的东西，居然没透露什么技术细节……果真是「CloseAI」无疑 [1]

截图让大家感受下这篇高达98页对GPT-4模型进行介绍的Paper《GPT-4 Technical Report》：

GPT-4 的性能已经逼近人类的水平，并可以在相关的模拟考试中获得前 10% 的成绩。相比ChatGPT这种只能单文本输入的形式，GPT-4接受多模态信息（文本信息 & 图片信息）的输入，并输出更可靠的文本信息。所以GPT-4从单模态过渡到了多模态，并输出的文本内容将更加可信。

下面带大家看几组数据，感受一下相比于ChartGPT所依托的GPT-3.5，它实现了哪些技术突破和具备哪些能力呢？

学科竞赛能力 & 考试能力 & 编程能力

GPT-4 除了多模态以外，它的核心点是：相比 GPT-3.5，如果只是常规的交流，那估计没太大差，但是如果说遇到非常复杂的指令，GPT-4 的理解能力和创造力远超3.5。OpenAI 做了一大堆实验，来向大家展示 GPT-4 比 ChartGPT 所依赖的GPT-3.5简直强太多太多，咱们直接看下图：

拿GPT-4与GPT3.5做各种学术竞赛和考试得分实验对比

好家伙，连Leetcode(easy，medium，hard)都做上了，相比GPT-3.5，GPT-4在刷Leetcode的easy，medium和hard题目上的准确度都有了极大的提高，至少50%吧（这简直就是程序员强有力的代码代写福音啊！！！）

NLP传统任务也给你撸一遍，上来就比GPT-3.5高出十几个点，MMLU打到这水平让人怎么顶。。

GPT-4与GPT3.5在各种NLP学术竞赛上的表现

全面爆锤谷歌多语言，把MMLU做个多语言版本，然后继续秀图：

在MMLU上，GPT-4在多种语言中的性能与以前的英语模型相比

视觉信息理解能力 & 推理能力

GPT-4对于视觉信息的处理和理解实在太厉害了，简直超乎我的想象，不禁感叹道：这才是真正的智能

「例子1」给 GPT-4 输入一个长相奇怪的充电器的图片，让它找出搞笑的梗(如下图1所示)

用户问GPT-4：为什么这很可笑？

GPT-4 回答道：VGA 线充 iPhone

图1

「例子2」给GPT-4一张格鲁吉亚和西亚的人均每日肉类消费条形图，让它算平均数（如下图2所示）

用户问GPT-4：格鲁吉亚和西亚的平均每日肉类消费量之和是多少？请展示你的计算过程

GPT-4随即给出了非常详细的计算平均数的过程

看起来，现在的 GPT 已经不会在计算上胡言乱语了：

图2

什么？以上两题太简单了？那来点难的，让GPT-4做一道物理题

「例子3」给GPT-4一道物理题（图片形式），让它回答物理题（如下图3所示）

用户问GPT-4：请回答下面这道物理题的第1题，并展示你的计算过程

GPT-4随即对阅读了图片中的物理题目并给出了非常详细的求解过程

图3

「例子4」让GPT-4阅读并理解论文，让它总结论文的内容（如下图4.1所示）

用户问GPT-4：

GPT-4随即阅读整篇论文，并综合整篇论文的上下文，给你归纳总结出这篇论文的主要内容

图4.1

用户继续问GPT-4：你能详细解释一下论文Figure 2嘛？（如下图4.2所示）

GPT-4随即综合整篇论文的上下文，对Figure 2进行了详细的阐述

图4.2

「例子5」解读图片物体（如下图5所示）

图5

「例子6」解读漫画（如下图6所示）

图6

大家看了以上6个例子，应该已经能想到GPT-4能用来干嘛了吧？这里我就不多说了

内容可靠性大幅提升

虽然GPT-4很强，但其生成出来的内容并不完全可靠，比如也会产生一些虚假的内容，而这些虚假的内容如果我们人类不加以专业判断，有时候还挺难发现。但值得注意的是，GPT-4 经过多次迭代训练和改进，它相比于前任GPT 模型已经显著减轻了一本正经胡说八道的问题。在 OpenAI 的内部对抗性真实性评估中，GPT-4 的得分比最新的 GPT-3.5 模型高 40%：

GPT-4将带来哪些新的产业应用方向可能性？

论文解读和查重修改工作：运用GPT-4可以实现论文解读，寻找论文创新点，论文修改与攥写等工作，极大缓解广大本硕博论文压力。

文案创作的流水线工作：运用GPT-4可以实现营销文案，新闻，社交媒体文案等流水线工作。

客户支持类型工作：为不同渠道的客户处理复杂的查询工作，为不同的客户提供个性化解答。

为教育行业赋能：可以用GPT-4生成一些不同的测试题，试卷和总结，同时还可以修改作业，为学生作文评分，这极大降低了教师的工作量；借助GPT-4，学生还可以扫描问题图片，获得GPT-4的解答，真正实现哪里不会点哪里，步步高点读机可能都瑟瑟发抖。

辅助应用：残疾人可以获得一个非常不错的语音助手。

类似大量文案工作的法律行业：合同审核，文本分析和案例研究等，律师的效率可以大幅度提升。

赋能医疗健康行业：GPT-4可以给出诊断建议，图片解释和识别，病历报告生成，普通的医生还可以用来做诊断，诊疗方案推荐，病人交流等。

赋能程序员：借助GPT-4强大的编码能力，会造成一部分程序员下岗失业，比如10个程序员能做的事情，借助GPT-4提高编码效率后，或许只需5个程序员就能cover这些工作。[2]

除了以上八点，其实还有很多很多应用值得探索和商业化。。。。此处不一一例举

GPT-4的到来，会开创哪些新的研究方向？

其实《GPT-4 Technical Report》技术报告里很明确地指出了三个新的研究方向

第一，LLM最前沿研究的封闭化或小圈子化。技术报告里说了，出于竞争以及安全等方面的考虑，未公布模型规模等技术细节。从GPT-2.0的开源，到GPT-3.0的只有论文，再到ChatGPT连论文也没有，直到GPT-4.0的技术报告更像效果评测报告。一个很明显的趋势是，OpenAI做实了CloseAI的名号，之后OpenAI的LLM最前沿研究不会再放出论文。

在这个情形下，其它技术相对领先的公司有两种选择:

一种是做更极致的LLM开源化，比如Meta貌似选择了这条道路，这一般是竞争处于劣势的公司作出的合理选择，但是往往相关技术不会是最前沿的技术

另外一种选择是跟进OpenAI，也选择技术封闭化。Google之前算是LLM的第二梯队，但在“微软+OpenAI”的一顿组合拳下，现在局面有点狼狈不堪。GPT-4.0去年8月就做好了，估计现在GPT-5.0正在炼丹过程中，这么长的时间窗口，结果Google都能落到目前这个局面，想想Transformer、CoT等非常关键的一些研究都是自己做出来的，竟沦落至此，不知一众高层作何感想。Google在后面能快速跟进，维持在第二梯队应该问题不大，很可能比第三名技术也领先很多。出于竞争关系考虑，我猜Google大概率会跟进OpenAI走技术封闭的路线，最先进的LLM技术优先用来炼属于自己的丹，而不是写成论文放出来普惠大众尤其是普惠OpenAI。而这很可能导致LLM最前沿研究的封闭化。

从现在算起，国内在经过一阵时间后（要做到ChatGPT的6到7折应该比较快，要追平估计要较长时间），必然被迫进入自主创新的局面(比如以百度的「文心一言」为代表技术)。从最近三个月国内的各种情况看，将来会如何？大概率不太乐观。当然，这个关肯定很难，但必须得过，只能祝愿有能力且有初心者尽力加油了。

第二，GPT-4技术报告里提到的LLM模型的“能力预测（Capability Prediction）”是个非常有价值的新研究方向。用小模型来预测某些参数组合下对应大模型的某种能力，如果预测足够精准，能够极大缩短炼丹周期，同时极大减少试错成本，所以无论理论价值还是实际价值巨大，这个绝对是非常值得认真研究具体技术方法。

第三，GPT-4开源了一个LLM评测框架，这也是后面LLM技术快速发展非常重要的方向。尤其对于中文，构建实用的中文LLM评测数据和框架具备特别重要的意义，好的LLM评测数据可以快速发现LLM目前存在的短板和改进方向，意义重大，但是很明显目前这块基本处于空白状态。这个对于资源要求其实没那么高，适合很多机构去做，不过确实是个辛苦活。

除了GPT-4技术报告里明确指出的三个方向，因为最近LLM各方面新闻比较多，顺手再写两个其它技术方向:

首先，斯坦福大学最近在Meta的7B 开源LLaMA基础上，加上Self Instruct技术构造的Alpaca，也代表了一个技术方向。如果归纳下，这个方向可以被称为“低成本复现ChatGPT”的方向。所谓Self Instruct，就是采取一定技术手段，不用人工标注Instruct，而是从OpenAI的接口里，好听点叫“蒸馏”出Instruct，也就是不用人标注，而是ChatGPT作为teacher，给你的Instruct打上标注结果。这个把Instruct标注成本直接打到了几百美金的基准，时间成本就更短了。再加上模型7B规模也不大，所以可以看成一种“低成本复现ChatGPT”的技术路线。

我估计国内早就有不少人采取这个技术路线了。毫无疑问，这是一条捷径，但是走捷径有好处有坏处，具体不展开谈了。在追赶ChatGPT的过程中，先把成本打下来去复现ChatGPT到七八成，我个人还是觉得可行也支持的，毕竟穷人有穷人的玩法。当然，追求把模型做小，效果又不怎么往下掉，如果能扎扎实实去做，是非常具有价值的。

另外，具身智能毫无疑问会是LLM下一阶段的重点研究方向。这方面的代表就是前阵子Google放出来的PaLM-E了。目前的GPT-4，我们可以认为人类创造出了一个超级大脑，但还是把它封锁在GPU集群里。而这个超级大脑需要一个身体，GPT-4要和物理世界发生联系、交流和互动，并在物理世界中获得真实的反馈，来学会在真实世界里生存，并根据真实世界的反馈，利用比如强化学习来学习在世界游走的能力。这个肯定是最近的将来最热门的LLM研究方向。

「多模态LLM给予了GPT-4以眼睛和耳朵，而具身智能给予GPT-4身体、脚和手。GPT-4和你我发生一些联系，而依托于GPT-4本身强大的学习能力，这个事情估计很快会出现在我们身边。」

如果你细想，其实还有很多其它有前途的方向。我的个人判断是：未来5到10年，将会是AGI最快速发展的黄金十年。如果我们站在未来30年的时间节点，当我们回顾这10年时，我们中一定会有人想起下面的诗句：懂得，但为时太晚，他们使太阳在途中悲伤，也并不温和地走进那个良夜”[3]

如何使用GPT-4？

加入候补名单

注册OpenAI账户：https://platform.openai.com/signup

加入候补名单waitlist：https://openai.com/waitlist/gpt-4-api

注册候补名单后，您必须等待 OpenAI 授予您访问 GPT-4 的权限，这可能需要一些时间。

订阅Chatgpt plus

如果您想使用 GPT-4 模型自由生成文本，则需要付费订阅 ChatGPT+（ChatGPT 的高级版），获取方法如下：

登录您的 OpenAI 帐户后，页面上将有一个显示按钮，可直接将您带到 ChatGPT。如果您是 ChatGPT plus付费用户，则可以直接体验。如果您有免费会员资格，则需要升级。单击上图菜单中的“Upgrade to Plus”按钮，该按钮会跳转到订阅购买页面，这时候你需要输入常用信息，每月支付$20即可。

成为付费用户后，您可以立即通过 ChatGPT 访问新模型。值得一提的是，GPT-4不采用waiting list模式，付费即可体验。[4]