​以下文章来源于AI科技评论 ，作者李梅 黄楠

GPT-4

同时，GPT-4 对指令的理解能力更佳：​

贡献者名单

​这里一共列出了7个组别：

预训练：计算集群规模化、数据、分布式训练基础设施、硬件正确性、优化&架构、训练保姆（Training run babysitting）长文本：长文本研究、长文本 kernels视觉：架构研究，计算集群规模化、分布式训练基础设施、硬件正确性、数据、对齐数据、训练保姆、部署&后训练强化学习&对齐：数据集、数据基础设施、ChatML 格式化、模型安全性、Refusals、底层 RLHF 和 InstructGPT 工作、Flagship training runs、代码能力评估&分析：OpenAI Evals 库、模型分级评估基础设施、加速预测（Acceleration forecasting）、ChatGPT 评估、能力评估、代码评估、真实世界使用案例评估、污染性调查、指令遵循和API评估、新奇能力发现、视觉评估、经济影响评估、非扩散&国际人道主义法与国家安全的有害行为评估、过度依赖分析、隐私和PII评估、安全和政策评估、OpenAI 对抗性测试、系统卡和更广泛影响分析部署：界面研究、GPT-4 API 和 ChatML 部署、GPT-4 web 体验、界面基础设施、可靠性工程、信任与安全工程、信任与安全监测和响应、信任与安全政策、部署计算、产品管理其他：发布博客和论文内容、协作、计算分配支持、协议&税务&定价&资金支持、午餐合作伙伴&产品操作、法律、安全与隐私工程、系统管理与随叫随到服务

​另外，OpenAI 也对微软的支持表示了感谢，特别是微软 Azure 为 GPT-4 模型的训练提供了基础架构设计和管理方面的支持，另外还有微软Bing团队和安全团队在安全部署方面的支持。对于 OpenAI 的追赶者来说，这份名单一定程度上指示了一个方向，值得仔细研究。它对于 AI 领域人才的潜在热门职业方向也有启示，比如模型训练“保姆”、新奇能力发现师、算法模型安全师、数据和模型污染调查师等等。

4 开启多模态大模型时代

GPT-4 开启了多模态大模型的时代，遗憾的是，OpenAI 这次并没有公布 GPT-4 在多模态方面的技术细节。​

自然语言是多模态的基础

目前 GPT-4 还只是文本 图像输入、文本输出，可以预测文本 图像不久也将实现。ChatGPT 已经带火了 NLP，GPT-4 想必对于视觉领域的研究者们也是一大机遇，也或许是一次冲击。不过，在多模态大模型中，自然语言仍被认为是核心。UCL 计算机系教授、上海数字大脑研究院院长汪军告诉 AI科技评论，Chat 构建了一个相对清晰的逻辑描述，它或许不是百分百严谨，但已经足够让我们去表达一些非常复杂的逻辑关系。但他认为，这是一个 Free power，也即是说，它可以能把这个问题表述得很清晰、但这是表象，最主要的是 Chat 里面含载的语义关系，当其他多模态来了之后，匹配上相应的语义表达，就可以迁移到其他的模态当中。​

知识体系和自动化体系时代

在通过交互界面获取信息这一点上，ChatGPT 已经对用户完成了科普任务。GPT-4 出现后，Chat 将不再是大家关注的重点，GPT-4 能力的跃升正在引发大家思考 GPT 时代的产业变革将怎样发生。在前维卓CTO 张烜看来，ChatGPT 背后的时代变化，是从信息时代 AI 向用户快速提供丰富的信息，到AI直接提供完整的知识体系。ChatGPT 的贡献是提供了一个便捷易用的交互界面，让普通人都能用得起来，功不可没，GPT-4 是在此基础上的再一次飞跃。他认为，除了模型变得更大、更强以外，AI 技术本身的变化可能不显著，但从应用的角度看，新的时代已经到来。这个新时代便是知识体系和自动化的时代，AI 优化的目标是自动化地输出最终结果和完整的知识体系。能够适应这种新形势的是以 RPA（Robotic process automation）为代表的自动流程化分发，但是目前的 RPA 起始于20年前，不适用于现在的媒体方式和交互内容，需要在文字、图像和视频化处理上加以改进，才能和 GPT 完美匹配。张烜对 AI科技评论透露，这是 GPT 影响产业的一个重要方式，也将是他接下来的创业方向。目前，有一部分企业已经提前用上了 GPT-4，其中就包括了 Stripe、摩根士丹利和 Duolingo 等。Stripe 团队列出了50个潜在应用程序来测试 GPT-4，经过审查和测试，当中有15个原型被认为是集成到平台中的有力候选者，包括支持定制、回答有关支持的问题和欺诈检测。​

​摩根士丹利人员日常工作需要面对一个巨大的内容库，涵盖投资策略、市场研究和评论以及分析师见解等知识内容达到数十万页，并且这些信息大多以 PDF 格式分布在内部网站上，需要顾问浏览大量信息才能找到特定问题的答案，搜索费时费力。为此，从去年开始，摩根士丹利就引入了 GPT-3，利用 GPT 的嵌入和检索功能，释放内部人员在财富管理累积知识上的工作量，GPT-4 发布后，将为面向摩根士丹利内部的聊天机器人提供支持，该计划由摩根士丹利财富管理部门首席分析和数据官 Jeff McMillan 所在团队领导进行，团队项目负责人指出，GPT-4 将能够把所有洞察力解析为一种更有用、可操作的格式。​

​据 McMillan 介绍，摩根士丹利财富管理在 GPT-4 引入后将分为三个部分进行，第一部分的落脚点在 GPT-4 的“几乎瞬间访问、处理和合成内容的非凡能力”上，即基于互联网大量文本进行训练，并在单词、句子、概念和想法之间建立关系。第二个落脚点在摩根士丹利的智力资本，摩根士丹利创立有一个独特的内部内容存储库，后续将通过 GPT-4 进行处理和解析，并受公司内部控制的约束。最后一部分在公司的人员上，摩根士丹利就 GPT-4 进行了培训，每天有200多名员工查询相关系统并提供反馈，尽可能实现由内部聊天机器人完成全面搜索财富管理内容。McMillan 表示，这项工作还将进一步丰富摩根士丹利顾问与其客户之间的关系，使他们能够更快地帮助更多人。Duolingo 也推出了一种由 GPT-4 提供支持的学习体验 Duolingo Max，新增“Explain My Answer（解释我的答案）”和“Roleplay（角色扮演）”两大功能。​

​角色扮演在 Explain My Answer 中，学习者通过在某些练习类型之后点击一个按钮，可以进入与 Duo 的聊天获得答案解释，并要求举例或进一步说明；Roleplay 功能允许学习者与应用程序中的角色进行对话，角色覆盖多个真实场景，包括在巴黎的咖啡馆点咖啡、邀请朋友一起旅行、未来的假期计划等。

​

参考链接：

https://openai.com/product/gpt-4

https://openai.com/contributions/gpt-4