OpenAI推多模态AI模型GPT-4 可支援图片输入可解释还能生成程式码

以开发出聊天机械人ChatGPT闻名的OpenAI，周二发布名为GPT-4的最新人工智能 (AI) 模型，除了准确度、创造力和协作性更高之外，GPT-4还可支援图片输入功能，并以文字来解释图像内容，甚至回答问题；甚至输入一张手绘设计草图就能自动产生对应的网页程式码。

报道指，现时的ChatGPT属于GPT-3.5版本，其于文字及图片上的表现已相当出色，吸引众多科企将旗下产品加入该技术。而GPT-4是一个多模态的AI模型，除了文字输入以外，还可透过图像输入来生成内容。

GPT-4会以文字来解释图片内容，并且符合文字任务的要求。输入的图片可以是照片、图表或萤幕截图。举例来说，如果用家发送雪柜内部的图片，GPT-4不仅能正确识别有甚么，还会调制可以用这些材料制成的东西。

未来，GPT-4还将持续强化解图能力，例如可以输入多组图片范例，或是提供分解动作解释的解图能力。

GPT-4可以用来解释组合图，各图的重点，该图为「VGA转接头接上iPhone手机」。OpenAI

GPT-4可解读分析图表内容。OpenAI

GPT-4可以看图找出问题的答案。OpenAI

问及图中异常之处，GPT-4也可以找出。

迷因图片也难不到GPT-4，而且不失幽默。OpenAI

GPT-4可以分解解读漫画的重点。OpenAI

OpenAI透过网志表示，使用微软的Azure训练GPT-4模型，相较于前一版的GPT-3.5，GPT-4有了巨幅改进，又指新模型将产生更少的错误答案、减少偏离轨道和谈论禁忌话题的频率。

较早前，在与ChatGPT或Bing的的互动中，传出许多用家被呈现谎言、侮辱或其他所谓的「幻觉」。OpenAI表示：「我们花了6个月的时间使GPT-4更安全、更一致。GPT-4回应不允许内容请求降低了82%，产生事实回应的可能性增加了40%」。

在模拟美国法学院毕业生参加律师考试的实测中，GPT-4的分数可达到前10%左右，GPT-3.5却只能落在最底的10%。在SAT数学测验或GRE测验等30多项不同学科的主流检定测验上，GPT-4都大胜3.5版。

OpenAI宣称，GPT-4英文答题的正确率达到80.5%，高于3.5版的70.1%，甚至也高于Google日前的PaLM模型英文答题的69.3%正确率。不过，PaLM答题正确率是OpenAI自行实测的结果，而非Google官方数据。值得注意的是，GPT-4对翻译成中文版的MMLU答题正确率也达到了80.1%，日语和韩语版也都有70至80％的正确率。

OpenAI说，虽然在一般对话中，GPT-3.5和GPT-4两种版本模型的生成内容相当类似，但是当任务的复杂度达到一定门槛时，差异就会浮现，GPT-4更有能力处理更细腻的指令。

根据OpenAI，摩根士丹利正在使用 GPT-4 来整理数据，电子支付商Stripe也在测试是否可利用GPT-4来杜绝诈骗，其他客户还包含线上语言学习 App「Duolingo」、线上学习平台可汗学院 (Khan Academy) 以及冰岛政府。

GPT-4目前先开放了文字输入功能予ChatGPT Plus付费用户，特定合作夥伴可优先排入试用新版。至于图片输入功能目前仍在预览阶段。

---     

《星岛申诉王》于3月1日隆重登场，节目为民请命抱不平、追踪城中热话，亦会搜罗温情小故事。你申诉，我跟进，搵91999933，《星岛申诉王》随时候命！
立即报料: https://bit.ly/3IMunqd
你的独家报料一旦被采用及报导，将获得乙份奖品。

《星岛头条》APP经已推出最新版本，请立即更新，浏览更精彩内容：https://bit.ly/3yLrgYZ