2025-01-14 科技 0
机器之心报道
编辑：小舟、泽南
大家都在猜 GPT-4 发布时间，现在有人提前公布答案了，还是微软自己的 CTO。我们知道，引爆如今科技界军备竞赛的 ChatGPT 是在 GPT-3.5 上改进得来的，OpenAI 很早就预告 GPT-4 将会在今年发布。最近各家大厂争相入局的行动似乎加快了这个进程。
最新消息是，万众期待的 GPT-4 下周就要推出了：在 3 月 9 日举行的一场名为「AI in Focus - Digital Kickoff」的线下活动中，四名微软德国员工展示了 GPT 系列等大型语言模型（LLM）的颠覆性力量，以及 OpenAI 技术应用于 Azure 产品的详细信息。
在活动中，微软德国首席技术官 Andreas Braun 表示 GPT-4 即将发布，他强调，这是一个多模态的大模型，将提供完全不同的可能性 —— 如视频生成能力。他形容这种方法为游戏规则改变者，因为人们让机器理解自然语言时，它们就能以统计方式理解以前只能由人类阅读和理解的内容。
与此同时，这项技术已经发展到基本上「适用于所有语言」：你可以用德语提问，然后用意大利语得到答案。借助多模态，大型语言模型正变得全面，并且能够处理图像、音乐和视频数据，使它们不仅仅局限于文本处理。
微软德国公司首席执行官 Marianne Janik 全面谈到了人工智能对业界的颠覆性影响。她强调了人工智能价值创造潜力，并表示当前的人工智能发展和 ChatGPT 是「iPhone 发布一样的时刻」。她表示，这不是要代替人类工作，而是帮助人们以不同于以往的方式完成重复性任务。
Janik 强调说，这意味着「许多专家会开始利用 AI 实现价值增长」。传统工作行为正在发生变化，由于新的可能性出现，也会产生全新的职业。她建议公司成立内部「能力中心」，培训员工使用人工智能并将想法整合到项目中。
此外，她还强调，微软不会使用客户数据来训练模型（但值得注意的是，对于他们研究合作伙伴 OpenAI 而言，这可能并不总是如此）。
实际上，有两个 AI 技术专家 Clemens Sieber 和 Holger Kenn 提供了解释了一些关于 AI 实际使用的一些信息。他们讲解了涉及具体用例所需技术。
Kenn 解释说，不仅可以将文本翻译成图像，还可以翻译成音乐和视频。此外，他还讨论嵌入——用于内部表征模型中的文本。这使得负责任的人工智能被内置到微软产品中，并且可以通过云将数百万个查询映射到 API 中。
Siebler 用实例说明今天已经成为可能的事情，如直接把电话呼叫转换成文本。他指出，他们的一个原型是在两小时内创建成功，该开发人员只花两周时间完成该项目。他介绍三种最常见应用，即回答只有员工作业才能访问到的公司信息、半自动化口语处理以及辅助文档处理。
当被问及操作可靠性和事实保真度时,Siebler 表明 AI 不总能准确回答，因此需要验证。大部分用户只是基于自己的数据集使用这些工具，用来进行阅读理解或库存管理，在这些情况下，该模型表现良好。但生成性的文本仍然存在挑战。在反馈循环过程中包括赞同与否认，以实现迭代更新。
看起来，在竞争激烈的人工智能大模型领域，一方领先者的步伐也越走越快。就在过去一周左右里，加速了一系列展示多模态论文 Kosmos-1 和 Visual ChatGPT 的发布。这显示出这家公司对于支持多模态而努力，以实现感知与 LLM 保持一致，从而让单个 AI 模型既能识别文字图片，又能“说话”。
接下来，我们期待着看到更多关于未来人工智能应用的情报，看看哪位 CEO 萨蒂亚・纳德拉是否会在即将召开的地点上揭晓更多秘密。而有趣的是，与百度计划推出的类似聊天机器人的“文心”选择同一天作为全球发布日期——这一天距现在还有一个星期时间。这听起来像是科技巨头们都准备好了，要迎接即将到来的新时代！
参考内容：
https://www.heise.de/news/GTP-iscoming-next-week-and-it-will-be-multimodal-says-Microsoft-Germany-
7540972.html
