OpenAI GPT-4 発表会速報：コード生成、画像説明、複雑な推論…
TechFlow厳選深潮セレクト
OpenAI GPT-4 発表会速報：コード生成、画像説明、複雑な推論…
本稿では、GPT-4の注目すべき点と、それを最大限に活用する方法について説明します。
Web3業界の深掘り報道に専念し潮流を洞察過去2年間、私たちはGPT-4の提供に集中してきました。まずトレーニングスタック全体を再構築し、実際にモデルを学習させ、その後その能力やリスクを把握するために、パートナーと協力しながらリアルワールドのシナリオでテストを行い、モデルの挙動を調整し、利用可能になるよう最適化しました。
一、テキストの要約と加工
本日は、GPT-4のハイライトをご紹介します。どのようにすればそれを優れたツール・優れたパートナーとして最大限活用できるかについてです。まず最初のタスクをお見せします。
GPT-4ができることで、GPT-3.5ではできなかったことです。ブログ記事の一部をコピーしてインタラクティブインターフェースに貼り付けます（下図参照）。GPT-3.5とGPT-4は同じAPIインターフェースとインタラクション方式を持っています。モデルに対して何をすべきかを説明するだけです。これらのモデルは非常に制御しやすく設計されており、どのような指示でも的確に従います。今後さらに信頼性の高い操作が可能になり、モデルはアシスタントとして正確なメッセージを返すようになります。
最初のタスクは文章の要約であり、「すべての単語がGで始まるように、記事を一文にまとめる」というものです。GPT-3.5は試みることなく放棄しました（極めて形式的な文章であれば成功する可能性があります）。一方、GPT-4はこのタスクをしっかりこなすことができます。
By GPT-3.5
By GPT-4
既存の記事の要約を示した後、GPT-4は異なる記事間の共通点を柔軟に要約・統合することもできます。昨日のニュース記事を同じ会話にコピーします。これはPython Webアプリケーション開発フレームワーク「PyneCone」に関する記事です。GPT-4はどのように要約するでしょうか？「どちらも技術へのアクセスを容易にし、ユーザーにとって使いやすいことに注力している」と答えました。もし回答が十分深くない場合、モデルはすぐにフィードバックを提供できます。
次に、GPT-4のブログ記事の内容を韻を踏んだ形に変えてもらいます。結果は以下の通りです：
二、コード生成
私たちはオープンソースの評価フレームワーク（Eval）を持っており、これにより指導を支援し、すべてのユーザーがモデルの機能を理解し、新たなレベルに引き上げることができます。次に、GPT-4を使ってどのように構築するか（コード生成）を紹介します。Discordボットを構築します。これを実際につくりながら、プロセスとデバッグ方法を紹介します。まず擬似コードで書くことで、問題をより小さな部分に分解できます。こうすることで、一度に非常に難しい解決策を考え出そうとする必要がなくなり、理解も容易になります。（ただし、このモデルの学習データは2021年までであるため、GPT-4が新しいインターフェースやモジュールを知らないという課題があります。しかし、指示によって調整可能です。）
注意点として、時間の経過とともにDiscord APIは大きく変化しており、特にモデルが学習した後に大幅に変更された機能があります。そのため、GPT-4はどのバージョンのDiscord APIを使用すべきかを知りません。
もう一度試して、コードの動作を正しく理解しましょう。
次に現れる第2の問題は、モデルが私の実行環境を知らないことです。モデルに「Jupyterを使っているので、それに対応して修正してくれ」と言えば、問題なく対応できます。
三、画像説明
GPT-4は単なる言語モデルではなく、視覚モデルでもあります。実際、任意の画像とテキストの組み合わせを柔軟に入力として受け取ることができ、まるでドキュメントのように扱えます。好きな質問をすることができ、「この画像を詳しく説明できますか？」と尋ねれば、システムの多くの異なる部分を捉え、詳細な説明を提供できます（私たちが取り組んでいる課題の一つは処理速度の向上であり、現在最適化を進めています）。次に、観客からのリクエストを受けます。これはDiscordアプリケーションの画面キャプチャです。GPT-4が非常に詳細にインターフェースを説明しており、すべての会話内容や時刻、発言順序、多数の通知メッセージやチャンネル内のユーザーについても述べています。
GPT-4の新機能の一つとして、コンテキスト長の拡張があります。現在サポートしている上限は32,000トークンです。このモデルは長いドキュメントを柔軟に扱うことができ、これもまだ最適化中の機能です。もし本当に長文の処理に関心がある場合は教えてください。どのようなアプリケーションが可能になるかを見ていきたいと思います。
四、画像→テキスト→ウェブページ生成
もう一つ例をご紹介します。ここには手書きの面白いジョークサイトのデザインがあります。GPT-4にこの画像から自動的にウェブサイトのプロトタイプを生成させます。GPT-4は画像からテキスト情報を抽出し、HTMLとして出力します。私たちはまだ新しい使い方を探求中であり、パートナーとも協力していきます。ここからさらに拡張していきますが、すべての人が使えるようになるまでには時間がかかるため、少々お待ちください。
五、複雑な推論（税務）
GPTは税務の専門家ではありませんが、密度の高い内容を理解することは助けになり、問題の補助や、あなたが解決できないときに代わりに対処することができます。ここで、モデルに「税務GPT」として振る舞ってもらい、約16ページ分の税法を貼り付けます。AliceとBobに関する問題です。彼らは結婚しており、収入があり、共同申告しています。最初の質問は、「2018年の標準控除額はいくらか？」です。
モデルは素早く正しい答えを導き出し、その説明を読むことができます。モデルに推論過程を詳しく説明させることで、私たち自身が税法を読まなくても状況を理解できます。次に、彼らの総負債を計算します。このモデルは暗算にも優れており、GPT-4は非常に柔軟な基本機能を持っており、皆さんはその上にさまざまな方法でシステムを強化することができるのです。
TechFlow公式コミュニティへようこそ
Telegram購読グループ：https://t.me/TechFlowDaily
Twitter公式アカウント：https://x.com/TechFlowPost
Twitter英語アカウント：https://x.com/BlockFlow_News
