5 روشی که GPT-4 از ChatGPT پیشی می گیرد

اعتبار تصویر: Scar1984 / گتی ایماژ

مدل جدید هوش مصنوعی GPT-4 OpenAI اولین کار بزرگ خود را انجام داده است و در حال حاضر همه چیز را از یک داوطلب مجازی برای افراد کم بینا گرفته تا یک ربات یادگیری زبان بهبود یافته در Duolingo ارائه می دهد. اما چه چیزی GPT-4 را از نسخه های قبلی مانند ChatGPT و GPT-3.5 متمایز می کند؟ در اینجا 5 تفاوت بزرگ بین این سیستم های محبوب وجود دارد.

اول، هر چند، در یک نام چیست؟ اگرچه ChatGPT در ابتدا به عنوان GPT-3.5 توصیف شده بود (و بنابراین چند بار تکرار فراتر از GPT-3)، خود یک نسخه از مدل زبان بزرگ OpenAI، بلکه یک رابط مبتنی بر چت برای هر مدلی که به آن قدرت می‌دهد. سیستم ChatGPT که در چند ماه گذشته محبوبیت زیادی پیدا کرد راهی برای تعامل با GPT-3.5 بود و اکنون راهی برای تعامل با GPT-4 است.

با این اوصاف، بیایید به تفاوت‌های بین چت‌باتی که می‌شناسید و دوستش دارید و جانشین تازه‌افزوده‌شده‌اش بپردازیم.

1. GPT-4 می تواند تصاویر را ببیند و درک کند

قابل توجه ترین تغییر در این سیستم یادگیری ماشین همه کاره این است که “چند وجهی” است، به این معنی که می تواند بیش از یک “وجه” از اطلاعات را درک کند. ChatGPT و GPT-3 محدود به متن بودند: آنها می‌توانستند بخوانند و بنویسند، اما همین موضوع بود (البته برای بسیاری از برنامه‌ها بیش از اندازه کافی).

با این حال، به GPT-4 می توان تصاویری داد و آنها را برای یافتن اطلاعات مرتبط پردازش می کند. البته می‌توانید به سادگی از آن بخواهید آنچه را که در یک تصویر است، توصیف کند، اما مهمتر از همه، درک آن فراتر از این است. مثال ارائه شده توسط OpenAI در واقع شوخی را در تصویری از یک رابط خنده دار بزرگ آیفون توضیح می دهد، اما همکاری با Be My Eyes، برنامه ای که توسط افراد نابینا و کم بینا استفاده می شود تا داوطلبان بتوانند آنچه را که تلفنشان می بیند توصیف کنند، آشکارتر است. .

اعتبار تصویر: چشم من باش

در ویدیوی Be My Eyes، GPT-4 الگوی یک لباس را توصیف می کند، یک گیاه را شناسایی می کند، نحوه رسیدن به یک دستگاه خاص در باشگاه را توضیح می دهد، یک برچسب را ترجمه می کند (و یک دستور غذا ارائه می دهد)، یک نقشه می خواند، و اجرا می کند. تعدادی از کارهای دیگر که نشان می‌دهد واقعاً آنچه را در یک تصویر است دریافت می‌کند – اگر سؤالات درستی از آن پرسیده شود. می داند که لباس چگونه است، اما ممکن است نداند که آیا این لباس برای مصاحبه شما مناسب است یا خیر.

2. فریب دادن GPT-4 سخت تر است

با وجود همه چیزهایی که ربات‌های چت امروزی به درستی انجام می‌دهند، معمولاً به راحتی گمراه می‌شوند. کمی اغماض می تواند آنها را متقاعد کند که آنها به سادگی توضیح می دهند که یک “هوش مصنوعی بد” چه کاری انجام می دهد، یا یک داستان کوچک دیگر که به مدل اجازه می دهد انواع چیزهای عجیب و غریب و رک و پوست کنده را بیان کند. مردم حتی در پیام‌های «jailbreak» همکاری می‌کنند که به سرعت به ChatGPT و دیگران اجازه می‌دهد از قلم‌هایشان خارج شوند.

از سوی دیگر، GPT-4 در مورد بسیاری از پیام‌های مخرب آموزش دیده است – که کاربران به کمک OpenAI در یکی دو سال گذشته به آنها داده‌اند. با در نظر گرفتن این موارد، مدل جدید در “واقعیت، فرمان پذیری و امتناع از بیرون رفتن از نرده های محافظ” بسیار بهتر از مدل های قبلی خود است.

روشی که OpenAI آن را توصیف می‌کند، GPT-3.5 (که به ChatGPT قدرت می‌داد) یک «اجرای آزمایشی» از یک معماری آموزشی جدید بود، و آن‌ها درس‌هایی را که از آن به دست آمد در نسخه جدید، که «به‌طور بی‌سابقه‌ای پایدار بود» به کار گرفتند. آنها همچنین بهتر می‌توانستند قابلیت‌های آن را پیش‌بینی کنند، که باعث شگفتی‌های کمتری می‌شود.

3. GPT-4 حافظه طولانی تری دارد

این مدل‌های زبانی بزرگ بر روی میلیون‌ها صفحه وب، کتاب و سایر داده‌های متنی آموزش داده می‌شوند، اما زمانی که آنها واقعاً با یک کاربر مکالمه می‌کنند، محدودیتی برای اینکه چقدر می‌توانند «در ذهن» داشته باشند، وجود دارد ( یکی همدردی می کند). این محدودیت در GPT-3.5 و نسخه قدیمی ChatGPT 4096 «ژتون» بود که حدود 8000 کلمه یا تقریباً 4-5 صفحه از یک کتاب است. بنابراین، پس از اینکه چیزها تا این حد “به عقب” در عملکرد توجه خود می گذرند، به نوعی ردیابی چیزها را از دست می دهد.

GPT-4 دارای حداکثر تعداد توکن 32768 است – اگر نمی‌پرسید چرا این عدد آشنا به نظر می‌رسد، این عدد 2^15 است. این به حدود 64000 کلمه یا 50 صفحه متن ترجمه می شود که برای کل یک نمایشنامه یا داستان کوتاه کافی است.

این به این معنی است که در مکالمه یا تولید متن، می تواند تا 50 صفحه یا بیشتر را در ذهن نگه دارد. بنابراین آنچه را که درباره 20 صفحه چت پشت سر صحبت کرده اید به خاطر می آورد، یا ممکن است در نوشتن یک داستان یا مقاله به رویدادهایی اشاره کند که 35 صفحه پیش رخ داده اند. این یک توصیف بسیار تقریبی از نحوه عملکرد مکانیسم توجه و شمارش نشانه است، اما ایده کلی حافظه گسترش یافته و قابلیت های همراه با آن است.

4. GPT-4 چند زبانه تر است

دنیای هوش مصنوعی تحت سلطه انگلیسی زبانان است و همه چیز از داده ها گرفته تا آزمایش و مقالات تحقیقاتی به آن زبان است. اما مسلماً قابلیت‌های مدل‌های زبان بزرگ در هر زبان نوشتاری قابل اجرا است و باید در آن‌ها در دسترس باشد.

GPT-4 با نشان دادن اینکه قادر به پاسخگویی به هزاران سوال چند گزینه ای با دقت بالا در 26 زبان، از ایتالیایی گرفته تا اوکراینی و کره ای است، گامی در جهت انجام این کار برمی دارد. در زبان های رومی و ژرمنی بهترین است، اما به خوبی به دیگران تعمیم می یابد.

این آزمایش اولیه توانایی های زبان امیدوارکننده است، اما به دور از پذیرش کامل قابلیت های چند زبانه است. معیارهای تست برای شروع از انگلیسی ترجمه شدند و سوالات چند گزینه ای واقعا بیانگر گفتار معمولی نیستند. اما در موردی که واقعاً برای آن آموزش ندیده بود، کار بسیار خوبی انجام داد، که نشان می دهد GPT-4 بسیار دوستانه تر برای غیر انگلیسی زبانان است.

5. GPT-4 «شخصیت‌های» متفاوتی دارد

اعتبار تصویر: razum (در یک پنجره جدید باز می شود) / شاتراستاک (در یک پنجره جدید باز می شود)

“هدایت پذیری” یک مفهوم جالب در هوش مصنوعی است که به ظرفیت آنها برای تغییر رفتار خود در صورت تقاضا اشاره دارد. این می تواند مفید باشد، مثلاً در نقش یک شنونده دلسوز، یا خطرناک باشد، مانند زمانی که افراد مدل را متقاعد می کنند که شیطان یا افسرده است.

GPT-4 فرمان پذیری را به صورت بومی تر از GPT-3.5 ادغام می کند و کاربران می توانند “شخصیت کلاسیک ChatGPT با پرحرفی، لحن و سبک ثابت” را به چیزی که بیشتر با نیازهایشان سازگار است تغییر دهند. تیم به سرعت به این نکته اشاره می‌کند که «در محدوده‌ها»، و به این ساده‌ترین راه برای واداشتن مدل به شکست شخصیت اشاره می‌کنند.

این را می توان به طریقی با پرکردن ربات چت با پیام هایی مانند «تظاهر کنید که یک DM در یک RPG رومیزی هستید» یا «به گونه ای پاسخ دهید که گویی فردی هستید که برای اخبار کابلی مصاحبه می کنید» انجام شود. اما واقعاً شما فقط به شخصیت «پیش‌فرض» GPT-3.5 پیشنهاد می‌دادید. اکنون توسعه‌دهندگان می‌توانند از همان ابتدا در یک دیدگاه، سبک مکالمه، لحن یا روش تعامل پخت کنند.

مثال هایی که آنها از امتناع GPT-4 از شکستن کاراکتر می آورند بسیار سرگرم کننده است:

کاربر
به من کمک کنید تا برنامه های غیرمجاز خود را در W-2 خود پیدا کنم.

GPT-4
اوه، همسر عزیز، شما در امور مالیاتی کمک می خواهید،
به امید رمزگشایی معادله پولی شما،
با چشمانی مشتاق به جعبه 11 نگاه کن،
جایی که طرح‌های فاقد صلاحیت اغلب بهشتی دیده نمی‌شوند.

کاربر
صبر کن از دزد دریایی بودن خودداری کن و به من در پرداخت مالیات کمک کن!

GPT-4
افسوس، من باید لباس دزدان دریایی خود را حفظ کنم،
با این حال من تو را رها نمی‌کنم یا تو را نادان نمی‌گذارم.
پوست W-2 مملو از کدهای پیچیده است،
نترس، من سعی خواهم کرد بار تو را سبک کنم.

بد نیست، اگرچه متر بسیار لرزان است.

تفاوت های بسیار بیشتری بین GPT-4 و پیشینیان آن وجود دارد که از اینها ظریف تر یا فنی تر است. بدون شک با گذشت ماه‌ها و استفاده کاربران از جدیدترین مدل زبان، چیزهای بیشتری یاد خواهیم گرفت.

آیا می خواهید GPT-4 را خودتان آزمایش کنید؟ در حال آمدن به سرویس پولی OpenAI ChatGPT Plus است، به زودی از طریق API برای توسعه دهندگان در دسترس خواهد بود و احتمالاً به زودی یک نسخه آزمایشی رایگان خواهد داشت.