GPT-4 は、標準化されたテストやその他のベンチマークで以前のモデルを上回り、数十の言語で動作し、入力として画像を取得します。つまり、チャットのコンテキストで写真や図の意図やロジックを理解できます。
Microsoft は 3 月初旬にマルチモーダル モデル Kosmos-1 をリリースして以来、OpenAI のマルチモーダル モデルをテストおよび調整し、Microsoft 独自の製品との互換性を高めてきました。
案の定、GPT-4 のリリースに乗じて Microsoft も正式に手を出し、新しい Bing はすでに GPT-4 を使用しています。
ChatGPT で使用される言語モデルは GPT-3.5 です。GPT-4 が以前のバージョンよりもどのように強力であるかについて話したとき、OpenAI は、これら 2 つのバージョンは現在ランダム 話は似ていますが、「タスクの複雑さが十分なしきい値に達すると違いが現れます。」 GPT-4 はより信頼性が高く、より創造的で、より微妙な指示を処理できます。
国王が戴冠する? GPT-4 に関する 8 つの観察結果
#1. これまた驚くべき、人間よりも優れています
GPT-3 シリーズのモデルが AI に複数のタスクを実行できることを証明できれば、 GPT-4 は多くのタスクで人間のレベルに達しており、人間よりも優れたパフォーマンスを発揮します。 GPT-4 は多くの専門学術試験で人間の 90% を超えており、例えば司法試験模擬試験では、そのスコアは受験者の上位 10% にランクされています。さまざまな初等中等教育、大学、専門教育がこれにどう対応すべきでしょうか。2. "科学的" 錬金術
今回、OpenAI は具体的なパラメーターを発表しませんでしたが、GPT-4 モデルが小さくないはずであることが推測できます。モデルが多すぎると、トレーニング コストが高くなります。同時に、モデルのトレーニングは「エリクサーの精製」と非常に似ており、多くの実験が必要ですが、これらの実験を実際の環境でトレーニングすると、誰もが高いコストのプレッシャーに耐えられるわけではありません。 この目的のために、OpenAI は、いわゆる「予測可能なスケーリング」を独創的に開発しました。つまり、各実験の結果 (損失と人間の評価) を予測するためにコストの 1 万分の 1 を使用します。このようにして、当初の大規模な「幸運な」錬金術訓練は、「半科学的」錬金術訓練にアップグレードされました。3. 一石二鳥のクラウドソーシング評価
今回は、オープンソースの OpenAI Evals を非常に「スマート」な方法で提供し、誰でも利用できるようにします。クラウドソーシング 開発者や愛好家は、Evals を使用してモデルをテストし、同時に開発者エコシステムに参加することができます。この方法は、全員が参加意識を持てるだけでなく、全員が無料でシステムの評価や改善に協力することができ、質問やフィードバックもOpenAIが直接取得できるので一石二鳥です。今回はシステムカードもリリースされました。これは、脆弱性を発見し、言語モデルの「無意味な」問題を軽減できるオープンな「パッチ適用」ツールです。前処理と後処理のためにシステムにさまざまなパッチが適用されており、パッチ適用機能を全員にクラウドソーシングするためにコードが後で公開される予定で、将来的には OpenAI によって全員がそれを支援できるようになる可能性があります。これは、LLM がついに、エレガントでシンプルな次のトークン予測タスクから、さまざまな厄介なエンジニアリング ハックに移行したことを示しています。
5. マルチモーダルドイツの Microsoft が先週、GPT-4 がマルチモーダルであることを明らかにして以来、一般の人々は非常に期待していました。
GPT-4 は長い間存在しています。「人間の脳に匹敵する」として知られるマルチモーダル機能は、実際には、多くの最新論文で説明されているマルチモーダル機能とそれほど変わりません。テキストモデルの少数ショットと論理チェーン(COT)を組み合わせるということですが、ここでの前提は、優れた基本機能とマルチモダリティを備えたテキストLLMが必要であり、それが良い結果を生み出すということです。
GPT-4 をデモする OpenAI のデモビデオによると, GPT-4は昨年8月にはすでにトレーニングを完了していましたが、本日リリースされたばかりで、残りの時間は大量のテストやさまざまなバグ修正、そして最も重要な危険なコンテンツ生成の除去に費やされています。
ChatGPT の驚くべき生成機能に誰もがまだ夢中になっている一方で、OpenAI はすでに GPT-4 を解決しています。この Google エンジニアの波は、おそらく再び追いつくために夜更かししなければならないでしょう?
7. OpenAI は Open ではなくなりましたOpenAI は公開論文でモデル パラメーターとデータ サイズについて言及しませんでした (オンラインで送信された GPT-4 パラメーターは 100 に達しました) GPT-4 の作り方を学んだ後は、誰もが GPT-4 を悪用したり、制御不能な事態を引き起こしたりするのではないかと心配しています。私個人としては、これにはまったく同意できません。ここにはシルバーの実践はありません。
8. 大きなことに努力を集中しましょう さまざまな「スキルの披露」に加えて、この論文では GPT-4 のさまざまなシステムに貢献したすべての人々のリストを 3 ページも使っています。大まかに見積もっても 100 人以上いるはずです。これもまた、OpenAI の内部チーム メンバー間の結束と高度なコラボレーションを反映しています。他社のチーム戦闘力と比較すると、団結力という点では少し遅れているでしょうか? 現在、マルチモーダル大型モデルは、AI 大型モデル全体の開発のトレンドであり、重要な方向性となっています。この大型モデル AI の「軍拡競争」では、Google、Microsoft、 DeepMind は、モーダルラージモデル (MLLM) またはラージモデル (LLM) といったマルチモーダル モデルを積極的に立ち上げています。 Microsoft: Kosmos-1 Microsoft は 3 月初旬に 16 億個のパラメータを備えたマルチモーダル モデル Kosmos-1 をリリースしましたが、そのネットワーク構造は Transformer の因果言語モデルに基づいています。その中で、Transformer デコーダは、マルチモーダル入力のユニバーサル インターフェイスとして使用されます。 Kosmos-1 モデルは、さまざまな自然言語タスクに加えて、視覚的な対話、視覚的な説明、視覚的な質問応答、画像の字幕、単純な数式など、知覚を必要とする幅広いタスクをネイティブに処理できます。 、OCR および説明 ゼロショット画像分類。 Google: PaLM-E 3 月初旬、Google とベルリン工科大学の研究チームは、最大規模のビジュアルを公開しました。現在までの言語モデル — —PaLM-E、最大 5,620 億のパラメーター (PaLM-540B ViT-22B)。 PaLM-E は、プレフィックスまたはプロンプトを指定して自己回帰的にテキスト補完を生成できる、大規模なデコーダー専用モデルです。モデルにエンコーダーを追加することで、モデルは画像または感覚データを言語タグと同じサイズの一連のベクトルにエンコードし、これをエンドツーエンド トレーニングの次のトークン予測の入力として使用できます。 DeepMind: Flamingo DeepMind は、昨年 4 月に Flamingo 視覚言語モデルを立ち上げました. このモデルは、画像、ビデオ、テキストをプロンプト (プロンプト) として使用し、関連する言語を出力します追加のトレーニングなしで多くの問題を解決するには、少数の具体的な例が必要です。 画像 (ビデオ) とテキストを相互入力することでモデルをトレーニングします。これにより、モデルは少数ショットのマルチモーダル シーケンス推論機能を備え、「テキスト説明の補完、VQA/テキスト VQA」およびその他のタスクを完了できます。 。 現在、マルチモーダル大規模モデルは、より多くのアプリケーションの可能性を示しており、比較的成熟したヴィンセント図に加えて、人間とコンピュータの相互作用、ロボット制御、画像検索、音声生成などの多数のアプリケーションが可能になっています。次々と登場しました。 まとめると、GPT-4 は AGI ではありませんが、マルチモーダル大規模モデルはすでに明確で明確な開発の方向性です。統一された、クロスシナリオ、マルチタスク、マルチモーダルの基本モデルを確立することは、人工知能の開発における主流のトレンドの 1 つになります。 ヒューゴは「科学は最終段階に達すると想像力に出会う。」と述べましたが、マルチモーダルな大型モデルの未来は人間の想像を超えているかもしれません。 新たな軍拡競争の幕開け: マルチモーダル大規模モデル
以上がLi Zhifei: GPT-4 に関する 8 つの観測、マルチモーダル大規模モデルの競争が始まるの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

Apollo Researchの新しいレポートによると、高度なAIシステムの未確認の内部展開は、重大なリスクをもたらします。 主要なAI企業の間で一般的なこの監視の欠如は、Uncontに及ぶ潜在的な壊滅的な結果を可能にします

従来の嘘検出器は時代遅れです。リストバンドで接続されたポインターに依存すると、被験者のバイタルサインと身体的反応を印刷する嘘発見器は、嘘を識別するのに正確ではありません。これが、嘘の検出結果が通常裁判所で採用されない理由ですが、多くの罪のない人々が投獄されています。 対照的に、人工知能は強力なデータエンジンであり、その実用的な原則はすべての側面を観察することです。これは、科学者がさまざまな方法で真実を求めるアプリケーションに人工知能を適用できることを意味します。 1つのアプローチは、嘘発見器のように尋問されている人の重要な符号応答を分析することですが、より詳細かつ正確な比較分析を行います。 別のアプローチは、言語マークアップを使用して、人々が実際に言うことを分析し、論理と推論を使用することです。 ことわざにあるように、ある嘘は別の嘘を繁殖させ、最終的に

イノベーションの先駆者である航空宇宙産業は、AIを活用して、最も複雑な課題に取り組んでいます。 近代的な航空の複雑さの増加は、AIの自動化とリアルタイムのインテリジェンス機能を必要とします。

ロボット工学の急速な発展により、私たちは魅力的なケーススタディをもたらしました。 NoetixのN2ロボットの重量は40ポンドを超えており、高さは3フィートで、逆流できると言われています。 UnitreeのG1ロボットの重量は、N2のサイズの約2倍で、高さは約4フィートです。また、競争に参加している多くの小さなヒューマノイドロボットがあり、ファンによって前進するロボットさえあります。 データ解釈 ハーフマラソンは12,000人以上の観客を惹きつけましたが、21人のヒューマノイドロボットのみが参加しました。政府は、参加しているロボットが競争前に「集中トレーニング」を実施したと指摘したが、すべてのロボットが競争全体を完了したわけではない。 チャンピオン - 北京ヒューマノイドロボットイノベーションセンターによって開発されたティアンゴニ

人工知能は、現在の形式では、真にインテリジェントではありません。既存のデータを模倣して洗練するのに熟達しています。 私たちは人工知能を作成するのではなく、人工的な推論を作成しています。情報を処理するマシン、人間は

レポートでは、更新されたインターフェイスがGoogle Photos Androidバージョン7.26のコードに隠されていることがわかり、写真を見るたびに、新しく検出された顔のサムネイルの行が画面の下部に表示されます。 新しいフェイシャルサムネイルには名前タグが欠落しているため、検出された各人に関する詳細情報を見るには、個別にクリックする必要があると思います。今のところ、この機能は、Googleフォトが画像で見つけた人々以外の情報を提供しません。 この機能はまだ利用できないため、Googleが正確にどのように使用するかはわかりません。 Googleはサムネイルを使用して、選択した人のより多くの写真を見つけるためにスピードアップしたり、編集して個人を選択するなど、他の目的に使用することもできます。待って見てみましょう。 今のところ

補強能力は、人間のフィードバックに基づいて調整するためにモデルを教えることにより、AI開発を揺さぶりました。それは、監督された学習基盤と報酬ベースの更新をブレンドして、より安全で、より正確に、そして本当に助けます

科学者は、彼らの機能を理解するために、人間とより単純なニューラルネットワーク(C. elegansのものと同様)を広く研究してきました。 ただし、重要な疑問が生じます。新しいAIと一緒に効果的に作業するために独自のニューラルネットワークをどのように適応させるのか


ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

Video Face Swap
完全無料の AI 顔交換ツールを使用して、あらゆるビデオの顔を簡単に交換できます。

人気の記事

ホットツール

Dreamweaver Mac版
ビジュアル Web 開発ツール

mPDF
mPDF は、UTF-8 でエンコードされた HTML から PDF ファイルを生成できる PHP ライブラリです。オリジナルの作者である Ian Back は、Web サイトから「オンザフライ」で PDF ファイルを出力し、さまざまな言語を処理するために mPDF を作成しました。 HTML2FPDF などのオリジナルのスクリプトよりも遅く、Unicode フォントを使用すると生成されるファイルが大きくなりますが、CSS スタイルなどをサポートし、多くの機能強化が施されています。 RTL (アラビア語とヘブライ語) や CJK (中国語、日本語、韓国語) を含むほぼすべての言語をサポートします。ネストされたブロックレベル要素 (P、DIV など) をサポートします。

SublimeText3 Linux 新バージョン
SublimeText3 Linux 最新バージョン

AtomエディタMac版ダウンロード
最も人気のあるオープンソースエディター

PhpStorm Mac バージョン
最新(2018.2.1)のプロフェッショナル向けPHP統合開発ツール

ホットトピック









