GPT-4의 전체 평가를 마친 후 Microsoft의 핫 페이퍼에서는 AGI의 첫 번째 버전이 곧 출시될 것이라고 밝혔습니다.

1956년 다트머스 대학에서 열린 세미나에서 인공지능의 개념이 정식으로 제안되었습니다.

이 용어는 정의하기가 너무 어렵기 때문에 심리학자, 철학자, 컴퓨터 과학자들에게 도전이 되었습니다. 1994년에 52명의 심리학자들이 그 본질을 포착하려는 논문을 발표했습니다.

시간이 지나면서 연구자들은 2016년 한국 체스 챔피언을 상대로 한 알파고 챌린지와 대승 등 특정 분야의 AI 시스템에 관심을 갖기 시작했습니다. 그러다가 1990년대 후반과 2000년대 초반에 이르러 연구자들은 더 이상 전문화된 AI에 만족하지 않게 되었고, 보다 일반적인 인공지능 시스템 개발에 대한 요구가 커졌습니다. 이와 함께 일반 인공지능(AGI)이라는 용어도 2000년대 초반부터 인기를 끌기 시작했다.

보시다시피 최근 LLM(대형 언어 모델)이 주목을 받고 있습니다. 이러한 신경망은 Transformer 아키텍처를 기반으로 하며 대량의 텍스트 데이터 세트를 기반으로 훈련되었습니다. 특히 OpenAI의 최신 GPT-4 릴리스는 대규모 언어 모델의 다양성을 보여주며 수학, 작문, 법률, 의학 및 기타 분야에 능숙합니다.

GPT-4가 AGI를 향한 중요한 단계인지 묻지 않을 수 없습니다.

Microsoft의 대답은 '예'입니다. 최근 발표된 논문에서는 이러한 관점을 자세히 설명했습니다. 이 기사에서는 GPT-4에 대한 포괄적인 평가를 제공합니다. Microsoft는 "GPT-4의 기능의 폭과 깊이를 고려할 때 이것이 AGI(일반 인공 지능) 시스템의 초기(그러나 아직 불완전한) 버전으로 합리적으로 간주되어야 한다고 믿습니다."라고 말했습니다. 이 기사의 주요 목표는 GPT-4의 기능과 한계를 탐구하는 것입니다. 우리는 GPT-4의 지능이 컴퓨터 과학 및 기타 분야의 진정한 패러다임 전환을 의미한다고 믿습니다. "

논문 주소: https:/ /arxiv.org/pdf/2303.12712.pdf

흥미롭게도 이 인기 논문 역시 삭제된 내용이 많은 것으로 밝혀져 누군가가 논문의 요약본을 발견한 것입니다.

무삭제 버전에서 이 블로거는 숨겨진 세부 사항도 많이 공개했습니다. GPT-4의 내부 이름은 실제로 해당 논문의 숨겨진 제3저자였던 DV-3이며 나중에 삭제되었습니다. Microsoft 연구원들은 GPT-4의 기술적 세부 사항에 대해 많이 알지 못하는 것 같습니다. 또한 해당 블로거는 (OpenAI에 미치는 부정적인 영향을 방지하기 위해?) 이 논문이 발표될 때 유해한 내용에 대한 부분이 삭제되었다고 밝혔습니다.

관심 있으신 분들을 위해 아래 블로거의 트위터 스레드를 붙여넣었습니다.

트위터 스레드: https://twitter.com/DV2559106965076/status/1638769434763608064

기사 자체로 돌아갑니다.

기사에 따르면 AGI는 추론하고, 계획하고, 문제를 해결하고, 추상적으로 생각하고, 복잡한 아이디어를 이해하고, 빠르게 배우고, 경험을 통해 배우는 구체적인 능력입니다. 이러한 역량을 바탕으로 본 논문에서는 흥미로운 실험과 평가를 진행한다.

논문은 10장으로 구성되어 있습니다. 1장은 일반적인 부분이고, 2장은 주로 시각적 생성 콘텐츠와 관련된 다중 양식을 소개합니다. 3장 코드는 지침에 따라 코드를 생성하고 기존 코드를 이해합니다. 4장: 수학적 능력, 5장: 인간과의 상호작용, 7장: 차별, 9장: 사회적 영향

GPT-4가 실제로 AGI 시대에 진입했는지 구체적인 사례를 통해 살펴보겠습니다.

다중 모드 및 학제간 구성

예술과 프로그래밍을 결합하는 모델의 능력을 테스트하기 위해 연구에서는 GPT-4에게 자바스크립트로 코드를 작성하여 아래 그림과 같이 칸딘스키 스타일의 무작위 이미지를 생성하도록 요청했습니다. 하나는 Wassily가 만들었습니다. Kandinsky, 두 번째와 세 번째는 각각 GPT-4와 ChatGPT에 의해 생성되었습니다.

다음은 GPT-4 코드 구현 프로세스입니다.

시각적 개념 이해: 이 그리기 작업에서는 모델이 문자 Y, O, 그리고 H 한 사람. 실제로 GPT-4의 학습 과정에서는 글자의 모양에 대한 지식이 없으며 관련 학습 데이터에서 글자가 특정 모양과 관련이 있다는 것을 막연하게 학습할 수 있을 뿐입니다. 4도 나쁘지 않습니다:

스케치 생성의 경우: GPT-4는 Stable Diffusion과 결합할 수도 있습니다. 아래 그림은 3D 도시 모델링의 스크린샷입니다. 입력 프롬프트에는 왼쪽에서 오른쪽으로 흐르는 강, 강 옆에 피라미드가 건설된 사막, 화면 하단에 녹색 색상의 버튼 4개가 있습니다. 파란색, 갈색, 빨간색. 생성된 결과는 다음과 같습니다.

GPT-4에 ABC 표기법을 사용하여 곡을 생성하고 수정하도록 요청할 수도 있습니다.

프로그래밍 기능

GPT-4에는 매우 강력한 프로그래밍 기능이 있습니다. 지침에 따라 코드를 작성하고 기존 코드를 이해하는 것이 포함됩니다. 이 연구에서는 특히 GPT-4의 프로그래밍 기능을 테스트했습니다.

코드 작성​

아래 그림 3.1은 GPT-4가 Python 함수를 작성하도록 하는 예입니다. 이 연구에서는 LeetCode를 사용하여 온라인에서 코드가 올바른지 확인합니다.

연구를 통해 GPT-4는 위 표 2의 LeetCode에 대한 정확도 데이터를 차트로 시각화하였고 그 결과를 아래 그림 3.2에 나타내었습니다.

Front-end/Game Development​

아래 그림 3.3과 같이 이 연구를 통해 GPT-4는 JavaScript를 사용하여 HTML로 3D 게임을 작성할 수 있으며 GPT-4는 0을 사용합니다. 샘플 모든 요구 사항을 충족하는 게임이 생성되었습니다.

딥 러닝 프로그래밍​

딥 러닝용 코드를 작성하려면 수학, 통계에 대한 지식이 필요하고 PyTorch, TensorFlow, Keras 등과 같은 프레임워크 및 라이브러리에 대한 지식이 필요합니다. 아래 그림 3.4에서 볼 수 있듯이 연구원은 맞춤형 최적화 모듈을 작성하기 위해 GPT-4 및 ChatGPT를 요구하는데, 이는 인간 딥 러닝 전문가에게도 어려운 작업입니다. 연구원들은 SVD 적용 등과 같은 일련의 중요한 작업을 포함하는 GPT-4 및 ChatGPT에 대한 자연어 설명을 제공합니다.

또한 연구에서는 코드를 LaTex 수식으로 변환하는 GPT-4의 기능도 테스트했으며 결과는 아래 그림 3.5에 나와 있습니다.

코드 이해 측면에서 본 연구는 GPT-4와 ChatGPT가 C/C++ 프로그램을 "읽고" 프로그램의 출력을 예측하도록 시도합니다.

그런 다음 연구에서는 GPT-4가 Python 코드 조각을 설명하도록 합니다:

및 의사 코드 조각을 설명합니다:

수학적 능력

오랫동안 수학적 능력은 대규모 언어 모델은 그다지 좋지 않은 것 같습니다. 그렇다면 이와 관련하여 GPT-4는 어떻게 수행됩니까? 본 논문에서 일련의 평가를 거친 결과, GPT-4는 이전 모델에 비해 수학에서 질적 도약을 이루었지만 여전히 전문가 수준과는 거리가 멀고 수학 연구를 수행할 수 있는 능력이 없는 것으로 나타났습니다.

ChatGPT와의 비교에서 GPT-4는 성공적으로 솔루션을 생성했지만 ChatGPT는 잘못된 답변을 생성했습니다.

AP 질문에서 GPT-4 대 ​​ChatGPT 비교 결과. GPT-4는 올바른 접근 방식을 사용하지만 계산 오류로 인해 잘못된 최종 답이 나오고 ChatGPT는 일관되지 않은 주장을 생성합니다.

또한 이 기사에서는 수학적 사고와 기술을 사용하여 실제 문제를 해결하는 GPT-4의 능력을 테스트합니다. 아래 그림은 GPT-4가 광범위한 학제간 수학 지식이 필요한 복잡한 시스템에 대한 합리성을 성공적으로 구축하는 방법을 보여줍니다. 모델이지만 ChatGPT는 의미 있는 진전을 이루지 못했습니다.

논문이 154페이지이므로 이 글에는 많은 평가 결과만 표시되어 있습니다. 자세한 내용은 원본 논문을 참조하시기 바랍니다.

마지막으로 첨부된 목차는 다음과 같습니다.

위 내용은 GPT-4의 전체 평가를 마친 후 Microsoft의 핫 페이퍼에서는 AGI의 첫 번째 버전이 곧 출시될 것이라고 밝혔습니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!