На этой неделе компания OpenAI выпустила GPT-4, представив новое поколение своей модели искусственного интеллекта, способной принимать как текстовые, так и графические входные данные, генерировать текстовые ответы и превосходить своего предшественника по широкому спектру профессиональных и академических показателей. Одновременно Microsoft подтвердила, что новый поисковый интерфейс Bing уже работает на GPT-4, превратив дебют модели в непосредственную проверку того, насколько быстро передовые разработки в области ИИ могут перейти от исследований к продуктам массового рынка.

В анонсе OpenAI от 14 марта GPT-4 описывается как большая мультимодальная модель, которая во многих реальных ситуациях всё ещё уступает человеку, но демонстрирует, по словам компании, производительность на уровне человека в нескольких стандартизированных тестах. Наиболее впечатляющим результатом стал симулированный экзамен на адвоката: GPT-4 набрал около 10% лучших результатов среди сдающих тест , в то время как GPT-3.5 — около 10% худших.

Мультимодальный ввод расширяет возможности модели в интерпретации

Наибольшее архитектурное изменение, видимое пользователям, — это мультимодальность. GPT-3.5 и оригинальный ChatGPT работают преимущественно с текстом. GPT-4 может принимать как изображения, так и текст, и анализировать их комбинацию, позволяя пользователю предоставить фотографию, диаграмму, график или снимок экрана и задать вопросы об их содержании. OpenAI первоначально предоставляет возможность ввода текста через ChatGPT Plus и список ожидания API для разработчиков, в то время как ввод изображений пока находится в более ограниченной исследовательской предварительной версии.

В прилагаемом техническом отчете задокументированы результаты сравнительных тестов в области права, медицины, математики, чтения, письма и других областях. Компания OpenAI заявляет, что GPT-4 также демонстрирует высокие показатели в многоязычных вариантах распространенных тестов языковых моделей. Однако компания подчеркивает, что эти результаты не означают, что модель обладает надежным профессиональным суждением или что ее следует использовать без проверки в ситуациях с высокими ставками.

Примечательно также то, что в отчете не раскрывается. OpenAI предоставляет относительно мало подробностей о размере модели, оборудовании, вычислительных ресурсах для обучения, построении набора данных или архитектуре, ссылаясь на конкурентную среду и последствия для безопасности высокопроизводительных моделей. Это представляет собой отход от более полного технического раскрытия информации, которое сопровождало некоторые более ранние исследования больших языковых моделей, и, вероятно, усилит дискуссию о том, какой объем информации должны публиковать разработчики передовых моделей.

Microsoft подтвердила, что GPT-4 уже был встроен в Bing

В день запуска Microsoft развеяла одну важную загадку. В сообщении в блоге Bing Searchкомпания подтвердила, что новый Bing на протяжении всего периода предварительного тестирования работал на модифицированной версии GPT-4. Таким образом, пользователи, тестировавшие диалоговый поиск Bing в течение последних пяти недель, уже взаимодействовали с ранней версией этой модели.

Это подтверждение показывает, насколько тесно связаны исследования OpenAI и продуктовая стратегия Microsoft. Microsoft вложила значительные средства в OpenAI, предоставляет инфраструктуру Azure для своих моделей и внедряет генеративный ИИ в поисковое и корпоративное программное обеспечение. Запуск GPT-4 предоставляет Microsoft новый уровень моделей, который потенциально может поддерживать продукты, выходящие далеко за рамки Bing, даже несмотря на то, что Google и другие технологические компании ускоряют выпуск собственных решений в области генеративного ИИ.

В опубликованном одновременно сообщении Reuters запуск был описан как часть расширяющейся конкуренции за то, как офисные работники, разработчики и потребители будут использовать генеративный ИИ. В сообщении отмечалось, что версия с текстовым вводом доступна подписчикам ChatGPT Plus и разработчикам через список ожидания, в то время как ввод изображений пока недоступен для всех.

Первые покупатели демонстрируют, как быстро GPT-4 внедряется в продукцию

Компания OpenAI использует нескольких первых партнеров, чтобы продемонстрировать, что GPT-4 предназначена в качестве платформы, а не просто нового чат-бота. Платежная компания Stripe применяет эту модель для поддержки клиентов, классификации бизнеса и рабочих процессов, связанных с мошенничеством. В одном из примеров использования говорится, что Stripe мобилизовала 100 сотрудников для изучения приложений GPT-4 и выявила десятки потенциальных вариантов применения, включая составление сводных данных о веб-сайтах продавцов и помощь разработчикам в навигации по технической документации.

Образовательные компании также экспериментируют с этой моделью. Сервис изучения языков Duolingo представил функции на основе GPT-4 для ролевых диалогов и объяснений правильности или неправильности ответа. Khan Academy тестирует помощника по обучению на основе GPT-4. Эти примеры использования подчеркивают важное различие между универсальной моделью и готовым продуктом: модель предоставляет языковые и логические возможности, в то время как разработчик приложения определяет, какую информацию она получает, как она запрашивается и где осуществляется человеческий контроль.

В отчете TechCrunch от 14 марта также упоминались Morgan Stanley, Stripe, Duolingo и Khan Academy среди первых пользователей. OpenAI устанавливает цену на доступ к API в зависимости от количества обработанных входных и выходных токенов, создавая прямую экономическую модель для компаний, которые хотят интегрировать GPT-4 в программное обеспечение, а не использовать ChatGPT в качестве отдельного сервиса.

Работа по обеспечению безопасности улучшает модель, но не устраняет галлюцинации

Компания OpenAI заявляет, что потратила около шести месяцев на итеративное выравнивание и тестирование в условиях противодействия, прежде чем выпустить систему. В отдельной системной карте GPT-4 подробно описаны оценки, касающиеся вредоносного контента, кибербезопасности, конфиденциальности, информации о биологических рисках, отклоненных запросов и других областей, в которых более совершенная модель может создать более серьезные проблемы с безопасностью при неосторожном использовании.

Компания сообщает, что GPT-4 реже, чем GPT-3.5, выдает определенные виды запрещенного контента и показывает лучшие результаты во внутренних проверках достоверности. Однако OpenAI неоднократно предупреждает, что GPT-4 все еще не полностью надежен. Он может искажать факты, совершать ошибки в рассуждениях, принимать ложные предпосылки и использовать уверенные формулировки, преувеличивающие качество ответа. Эти ограничения особенно важны именно потому, что улучшенная беглость речи и производительность в бенчмарках могут затруднить распознавание ошибок пользователями.

Для профессиональных приложений вопрос заключается не только в том, насколько впечатляюще модель выглядит на демонстрации. Важно, могут ли организации создавать системы, которые проверяют результаты, ограничивают доступ к конфиденциальным данным, регистрируют поведение модели и определяют, когда ответ должен быть проверен человеком, прежде чем он повлияет на клиента, пациента, финансовое решение или юридический процесс.

В конкурентной борьбе вопрос смещается с того, следует ли внедрять ИИ, на то, насколько быстро это делать

GPT-4 появился всего через три с половиной месяца после публичного дебюта ChatGPT, превратившего генеративный ИИ из специализированной технологии в массовое потребительское явление. Такие темпы вынуждают технологические компании принимать решения в необычайно сжатые сроки. Microsoft уже внедрила модель в поисковую выдачу. Разработчики выстраиваются в очередь за доступом к API. Компании в сфере платежей, образования и финансов тестируют рабочие процессы в производственных условиях еще до того, как возможности модели по обработке изображений станут широко доступны.

Таким образом, краткосрочное конкурентное преимущество может зависеть не столько от того, кто сможет продемонстрировать языковую модель, сколько от того, кто сможет безопасно подключить её к ценным данным и рабочим процессам. Поисковые системы имеют веб-индексы. Банки имеют системы исследований и соблюдения нормативных требований. Образовательные компании имеют учебные программы и историю обучения. Поставщики корпоративного программного обеспечения имеют записи о клиентах, продажах и операционной деятельности. GPT-4 может обеспечить общий уровень рассуждений и генерации, но полезность этой возможности будет зависеть от окружающих данных, средств управления и дизайна продукта.

Выпуск OpenAI также напоминает о том, что улучшение результатов в бенчмарках не решает более масштабных вопросов, касающихся ИИ. Модель стала более совершенной, но по-прежнему остается непрозрачной в важных технических аспектах и ​​подвержена ошибкам. Она может интерпретировать больше типов входных данных, но доступ к этой возможности пока предоставляется поэтапно. Она уже интегрирована в один из крупных продуктов Microsoft, однако компании только начинают понимать, как управлять ее использованием.

На этой неделе изменилось базовое состояние. Генеративный ИИ, который казался чем-то экстраординарным на момент запуска ChatGPT в ноябре, теперь имеет более совершенного преемника, многомодальный интерфейс и расширяющуюся коммерческую экосистему. Важность GPT-4 в конечном итоге будет измеряться не с помощью симуляционных тестов, а тем, смогут ли разработчики превратить эти возможности в надежные инструменты, не допуская, чтобы уверенность модели превысила ее точность.