OpenAI GPT-4 발표회 요약: 코드 생성, 이미지 설명, 복잡한 추론 등
지난 2년 동안 우리는 GPT-4의 개발에 집중해 왔습니다. 먼저 전체 훈련 스택을 재구성하고, 모델을 실제로 학습시킨 후 그 능력과 위험성을 파악하며, 파트너들과 협력하여 실제 시나리오에서 이를 테스트하고, 행동을 조정하며, 모델을 실용적으로 최적화하는 작업을 진행했습니다.
일, 텍스트 요약 및 가공
오늘은 여러분께 GPT-4의 주요 기능을 소개하고, 이를 효과적으로 활용해 좋은 도구이자 동반자로 만드는 방법을 보여드리겠습니다. 우선 첫 번째 과제를 시연하겠습니다.
GPT-4는 가능하지만 GPT-3.5는 불가능한 작업입니다. 블로그 글 일부를 복사하여 인터페이스에 붙여넣기 하면(아래 이미지 참조), GPT-3.5와 GPT-4 모두 동일한 API 인터페이스와 상호작용 방식을 사용합니다. 모델에게 어떤 작업을 수행할지 지시하면 됩니다. 이 모델들은 매우 쉽게 제어할 수 있도록 설계되어 있어서 원하는 모든 지시를 내릴 수 있으며, 모델은 이를 잘 따릅니다. 앞으로 점점 더 신뢰성 있게 모델을 제어할 수 있게 되고, 모델은 어시스턴트로서 메시지를 반환하게 될 것입니다.
첫 번째 과제는 한 문장으로 된 요약인데, 모든 단어가 'G'로 시작되어야 합니다. GPT-3.5는 시도조차 하지 않고 포기했지만(GPT-3.5의 경우 매우 딱딱한 문장이라면 성공할 수도 있음), GPT-4는 이 과제를 훌륭히 수행합니다.
By GPT-3.5
By GPT-4
따라서 저는 기존 기사를 요약하는 것을 보여드렸으며, GPT-4는 서로 다른 여러 기사들 사이에서도 공통점을 유연하게 요약하고 정리할 수 있습니다. 어제 뉴스에 실린 기사를 같은 대화창에 붙여넣었습니다. PyneCone에 관한 기사인데, PyneCone은 Python 웹 애플리케이션 개발 프레임워크입니다. GPT-4는 어떻게 요약할까요? "두 사례 모두 기술 접근성을 높이고 사용자 친화성을 중시한다"라고 요약합니다. 만약 이것이 충분히 깊지 않다고 느껴진다면, 모델은 언제든지 추가적인 피드백을 제공할 수 있습니다.
이제 GPT-4 블로그 내용을 운율 있게 만들어 달라고 요청했습니다. 결과는 다음과 같습니다:
이, 코드 생성
우리는 오픈소스 평가 프레임워크(Eval)를 보유하고 있으며, 이를 통해 사용자가 모델 기능을 이해하고 새로운 수준으로 끌어올릴 수 있도록 지원합니다. 다음은 GPT-4를 사용하여 어떻게 구축하는지 보여드리겠습니다. Discord 봇을 만들어보겠습니다. 제가 실시간으로 구축 과정과 디버깅 과정을 보여드리겠습니다. 먼저 의사코드(pseudocode)로 작성한 후 실제 코드를 작성하는 방식입니다. 이 방법은 문제를 더 작은 부분으로 분해하는 데 매우 유용합니다. 따라서 한 번에 매우 복잡한 해결책을 생각해내도록 요구하지 않아도 됩니다. 또한 이해하기도 매우 쉬워집니다. (단, 이 모델의 학습 데이터는 2021년까지이므로 GPT-4가 최신 인터페이스나 모듈에 대해 알지 못하는 문제가 있을 수 있지만, 지시문을 통해 이를 조정할 수 있습니다)
주의할 점은 시간이 지남에 따라 Discord API가 크게 변화했다는 점이며, 특히 모델이 학습된 이후에 크게 변경된 기능이 하나 있습니다. 따라서 GPT-4는 현재 어떤 버전의 Discord API를 사용하고 있는지 모릅니다.
다시 한 번 시도해보고, 코드가 무엇을 하는지 확실히 이해하도록 하겠습니다.
이제 두 번째 문제가 발생합니다. 바로 제가 어떤 환경에서 실행하고 있는지 모른다는 점입니다. 모델에게 "저는 Jupyter를 사용하고 있는데, 이게 작동하도록 고쳐줘"라고 말하면, 문제없이 해결됩니다.
삼, 이미지 설명
GPT-4는 단순한 언어 모델을 넘어 시각 모델이기도 합니다. 사실상 문서처럼 임의의 이미지와 텍스트를 입력으로 받아들이며, 원하는 어떤 질문도 할 수 있습니다. 예를 들어, "이 이미지를 자세히 설명해 줄 수 있나요?"라고 묻는다면, 모델은 시스템의 다양한 구성 요소들을 파악하여 매우 상세하게 설명할 수 있습니다. (시스템 속도를 높이는 것이 우리가 반드시 해결해야 할 과제 중 하나이며, 현재 최적화를 위해 노력하고 있습니다.) 이제 관객들의 요청을 받아보겠습니다. 이것은 Discord 애플리케이션 인터페이스의 스크린샷입니다. GPT-4가 인터페이스를 매우 상세하게 설명하는 것을 확인할 수 있으며, 모든 대화 내용과 시간, 발언 순서뿐 아니라 많은 알림 메시지와 채널 내 사용자들까지 설명하고 있습니다.
GPT-4의 새로운 특징 중 하나는 맥락 길이(context length)로, 현재 지원하는 최대치는 32,000 토큰입니다. 모델은 긴 문서를 유연하게 활용할 수 있으며, 이 역시 우리가 계속 최적화하고 있는 영역입니다. 만약 정말 긴 텍스트 처리에 관심이 있다면 알려주세요. 어떤 종류의 응용 프로그램이 가능한지 함께 살펴보고 싶습니다.
사, 이미지-텍스트-웹페이지 생성
또 다른 예시를 보여드리겠습니다. 여기 아주 잘 그려진 웃긴 웹사이트 스케치가 있습니다. GPT-4에게 이 스케치를 바탕으로 자동으로 웹사이트 프로토타입을 생성해보도록 시도했습니다. GPT-4는 이미지에서 텍스트 정보를 추출하여 HTML로 출력할 수 있습니다. 우리는 여전히 이를 위한 새로운 활용 방법을 탐색 중이며, 파트너들과 협력하여 확장해 나갈 예정입니다. 하지만 모든 사람이 이용할 수 있게 되기까지는 시간이 필요하므로 조금만 기다려주시기 바랍니다.
오, 복잡한 추론(세금)
GPT는 세무 전문가는 아니지만, 밀도 높은 콘텐츠를 이해하는 것은 문제 해결에 도움이 되며, 당신이 해결할 수 없을 때에도 일을 처리할 수 있습니다. 지금 제가 모델에게 "당신은 세금 전문가 GPT입니다"라고 지시하고, 약 16페이지 분량의 세법을 붙여넣었습니다. 그리고 Alice와 Bob에 관한 문제입니다. 그들은 결혼했었고, 각자의 소득과 공동 신청 여부가 주어졌습니다. 첫 번째 질문: 2018년 그들의 표준 공제액은 얼마였을까요?
모델은 빠르게 정답을 도출하였으며, 그 설명을 읽어볼 수 있습니다. 모델이 추론 과정을 자세히 설명하도록 요구함으로써, 우리는 세법을 직접 읽지 않았음에도 불구하고 이 문제를 이해할 수 있게 되었습니다. 이제 그들의 총 부채를 계산해보겠습니다. 이 모델은 암산 능력도 매우 뛰어나며, GPT-4는 다양한 유연한 기본 기능을 갖추고 있으므로 여러분은 이를 기반으로 다양한 확장 방법을 시도해볼 수 있습니다.
TechFlow 공식 커뮤니티에 오신 것을 환영합니다
Telegram 구독 그룹:https://t.me/TechFlowDaily
트위터 공식 계정:https://x.com/TechFlowPost
트위터 영어 계정:https://x.com/BlockFlow_News
