وقتی ChatGPT منتشر شد، مردم شگفت زده شدند و تحت تأثیر توانایی‌های زبانی آن به عنوان یک چت بات هوش مصنوعی قرار گرفتند. اما زمانی که مدل زبان GPT-4 پیشرفته تر به بازار آمد، آنچه را که ما درباره هوش مصنوعی فکر می‌کردیم، تغییر داد. برخی آن را AGI (artificial general intelligence) می‌نامند.
خالق این مدل، OpenAI، آن را پیشرفته ترین سیستم شرکت، تولید کننده پاسخ‌های ایمن تر و مفیدتر می‌نامد. در این مقاله به هر آنچه لازم است تا در مورد GPT-4 بدانید از جمله نحوه استفاده از آن و کارهایی که می‌تواند انجام دهد، اشاره می‌شود.
دسترسی پذیری (Availability)
GPT-4 به طور رسمی در 13 مارس معرفی شد. در حال حاضر، فقط در اشتراک پولی ChatGPT Plus در دسترس است. نسخه رایگان فعلی ChatGPT همچنان مبتنی بر GPT-3.5 خواهد بود که در مقایسه با GPT-4 از دقت و توانایی کمتری برخوردار است.
GPT-4 همچنین به عنوان یک API برای توسعه دهندگان ساخت اپلیکیشن‌ها و خدمات در دسترس قرار گرفته است. برخی از شرکت‌هایی که قبلاً GPT-4 را به کار برده‌اند عبارتند از Duolingo، Be My Eyes، Stripe و Khan Academy. اولین نمایش عمومی GPT-4 نیز به صورت زنده در یوتیوب پخش شد و برخی از قابلیت‌های جدید آن به نمایش گذاشته شد.
قابلیت‌های جدید GPT-4
GPT-4 یک مدل زبان جدید است که توسط OpenAI ایجاد شده است که می‌تواند متنی شبیه به گفتار انسان تولید کند. این فناوری، ChatGPT که در حال حاضر مبتنی بر GPT-3.5 است، پیشرفت می‌دهد. GPT مخفف Generative Pre-trained Transformer است، فناوری یادگیری عمیق که از شبکه‌های عصبی مصنوعی برای نوشتن مانند یک انسان استفاده میکند.
طبق گفته OpenAI، این مدل زبان در سه زمینه کلیدی از ChatGPT پیشرفته تر است: خلاقیت (creativity)، ورودی بصری (visual input) و متن طولانی تر (longer context).
از نظر خلاقیت، OpenAI می‌گوید که GPT-4 هم در ایجاد و هم در همکاری با کاربران در پروژه‌های خلاقانه بسیار بهتر است. نمونه‌هایی از این موارد شامل موسیقی، فیلمنامه، نگارش فنی و حتی یادگیری سبک نوشتن کاربر است.
در مورد متن طولانی تر نیز گفته شده است که GPT-4 می‌تواند حداکثر 25000 کلمه متن را از کاربر پردازش کند. شما حتی می‌توانید فقط یک لینک وب برای GPT-4 ارسال کنید و از آن بخواهید با متن آن صفحه تعامل داشته باشد. OpenAI می‌گوید این قابلیت می‌تواند برای ایجاد محتوای طولانی و همچنین مکالمات طولانی مفید باشد.
GPT-4 همچنین می‌تواند تصاویر را به عنوان مبنایی برای تعامل دریافت کند. در مثال ارائه شده در وب سایت GPT-4، به چت بات تصاویری از چند ماده برای پخت و پز داده می‌شود و از آن پرسیده می‌شود که با آنها چه چیزی می‌توان درست کرد. در حال حاضر مشخص نیست که آیا می‌توان از ویدئو نیز به همین روش استفاده کرد یا نه.
در نهایت، OpenAI همچنین می‌گوید که استفاده از GPT-4 نسبت به نسل قبلی بسیار ایمن‌تر است. طبق گزارش‌ها، می‌تواند 40 درصد پاسخ‌های واقعی‌تری را در آزمایش داخلی OpenAI ایجاد کند، در حالی که 82 درصد کمتر احتمال دارد که به درخواست‌های محتوای غیرمجاز پاسخ دهد.
OpenAI می‌گوید با بازخورد انسانی آموزش دیده است تا این پیشرفت‌ها را انجام دهد و ادعا میکند که با بیش از 50 متخصص برای بازخورد اولیه در حوزه‌هایی از جمله ایمنی و امنیت هوش مصنوعی تعامل داشته است.
طی هفته‌هایی که از عرضه آن می‌گذرد، کاربران برخی از کارهای شگفت‌انگیز را که با آن انجام داده‌اند، از جمله اختراع زبان‌های جدید، و ساختن انیمیشن‌های پیچیده را منتشر کرده‌اند. ظاهراً یکی از کاربران GPT-4 را با استفاده از ترکیبی از HTML و جاوا اسکریپت تنها در شصت ثانیه ساخت و یک نسخه فعال از Pong ایجاد کرد.
ورودی بصری (visual input) در GPT-4
یکی از ویژگی‌های مورد انتظار در GPT-4 ورودی بصری است که به ChatGPT Plus اجازه می‌دهد تا با تصاویر و نه فقط متن تعامل داشته باشد. به گفته سام آلتمن، مدیر عامل OpenAI، توانایی آنالیز تصاویر یک امتیاز بزرگ برای GPT-4 خواهد بود، اما این ویژگی به دلیل کاهش چالش‌های ایمنی متوقف شده است.
می‌توانید در بینگ چت که اخیراً ویژگی ورودی بصری را برای برخی از کاربران باز کرده است، با کارهایی که ورودی بصری می‌تواند انجام دهد، آشنا شوید. همچنین این قابلیت را می‌توان با استفاده از برنامه دیگری به نام MiniGPT-4 بررسی کرد.
بهترین پلاگین‌های GPT-4
پلاگین‌ها می‌توانند برخی امکانات را به این مدل اضافه کنند. دو مورد از قدرتمندترین پلاگین‌ها توسط خود OpenAI ایجاد شده‌اند: مفسر کد (code interpreter) و افزونه‌های مرورگر وب (web browser plugin).
با استفاده از این افزونه‌ها در ChatGPT Plus می‌توانید قابلیت‌های GPT-4 را تا حد زیادی گسترش دهید. مفسر کد ChatGPT می‌تواند از پایتون در یک جلسه دائمی استفاده کند و حتی می‌تواند بارگذاری و دانلود را مدیریت کند. از سوی دیگر، افزونه مرورگر وب به GPT-4 دسترسی به کل اینترنت می‌دهد و به آن اجازه می‌دهد محدودیت‌های مدل را دور بزند و اطلاعات زنده را مستقیماً از طرف شما از اینترنت دریافت کند.
برخی دیگر از بهترین پلاگین‌های GPT-4 عبارتند از Zapier، Wolfram و Speak که همگی به شما این امکان را می‌دهند هوش مصنوعی را به مسیرهای جدیدی هدایت کنید.
نحوه استفاده از GPT-4
روش اصلی دسترسی به GPT-4 در حال حاضر ارتقا به ChatGPT Plus است. برای ورود به اشتراک پرداختی 20 دلاری، فقط روی Upgrade to Plus در نوار کناری ChatGPT کلیک کنید. هنگامی که اطلاعات کارت اعتباری خود را وارد کردید، می‌توانید بین GPT-4 و نسخه‌های قدیمی LLM جابجا شوید.
استفاده از GPT-4 با استفاده از ChatGPT Plus با GPT-3.5 یکسان است؛ این مدل از ChatGPT توانایی بیشتری دارد و به شما امکان می‌دهد کارهایی مانند تنظیم دقیق مجموعه داده‌ها را انجام دهید تا نتایجی متناسب با نیازهای خود به دست آورید.
اگر نمی‌خواهید پول بپردازید، راه‌های دیگری نیز وجود دارد که می‌توانید از GPT-4 استفاده کنید. شما می‌توانید آن را به عنوان بخشی از Bing Chat مایکروسافت امتحان کنید. مایکروسافت اعلام کرد که از GPT-4 در بینگ چت استفاده میکند و استفاده از آن کاملاً رایگان است. با این حال، برخی از ویژگی‌های GPT-4 در Bing Chat وجود ندارد و به وضوح با برخی از فناوری‌های اختصاصی مایکروسافت ترکیب شده است، اما همچنان بهLLM توسعه یافته (large language model) و هوش پیشرفته همراه با آن دسترسی خواهید داشت. لازم به ذکر است با اینکه که Bing Chat رایگان است اما محدودیت‌هایی نیز دارد از جمله اینکه به 15 چت در هر جلسه و 150 جلسه در روز محدود می‌شود.
بسیاری از اپلیکیشن‌های کاربردی دیگر نیز وجود دارند که در حال حاضر از GPT-4 استفاده می‌کنند مانند سایت پاسخگویی به پرسش Quora.
محدودیت‌های GPT-4
هنگام بحث در مورد قابلیت‌های جدید GPT-4، OpenAI همچنین به برخی از محدودیت‌های مدل زبان جدید اشاره میکند. مانند نسخه‌های قبلی GPT، OpenAI می‌گوید که آخرین مدل هنوز هم مشکلاتی با سوگیری‌های اجتماعی، توهمات و درخواست‌های متخاصم دارد.
این نسخه نیز هنوز کامل نیست؛ همچنان پاسخ‌های اشتباه ایجاد میکند و نمونه‌های زیادی به صورت آنلاین نشان داده شده‌اند که محدودیت‌های آن را نشان می‌دهند. اما OpenAI می‌گوید همه این‌ها مسائلی هستند که شرکت برای حل آن تلاش میکند و اینکه، GPT-4 در پاسخ‌ها «خلاق‌تر» است.
محدودیت اصلی دیگر این است که مدل GPT-4 فقط می‌تواند از ترینینگ دریافت شده تا سال 2021 استفاده کند. در این مورد نیز افزونه مرورگر وب به دور زدن این محدودیت کمک میکند.
آیا Bing Chat از GPT-4 استفاده میکند؟
مایکروسافت در ابتدا بیان کرد که بینگ جدید یا بینگ چت، قدرتمندتر از ChatGPT است. از آنجایی که چت OpenAI از GPT-3.5 استفاده میکند، در آن زمان این تفکر وجود داشت که بینگ چت می‌تواند از GPT-4 استفاده کند و اکنون، مایکروسافت تأیید کرده است که بینگ چت بر مبنای GPT-4 ساخته شده است.
با این حال، ویژگی‌هایی مانند ورودی بصری (visual input) در بینگ چت در دسترس نیست، بنابراین هنوز مشخص نیست که دقیقاً چه ویژگی‌هایی در Bing Chat ادغام شده‌اند و کدام‌ها نیستند.
صرف نظر از این، بینگ چت به وضوح با قابلیت دسترسی به اطلاعات فعلی از طریق اینترنت ارتقا یافته است، پیشرفتی بزرگ نسبت به نسخه فعلی ChatGPTاست که فقط می‌تواند از ترینینگ دریافت شده تا سال 2021 استفاده کند.
علاوه بر دسترسی به اینترنت، مدل هوش مصنوعی مورد استفاده برای چت بینگ بسیار سریعتر است و این قابلیت بسیار مهمی است.
یک تکامل، نه یک انقلاب؟
شاید برخی از ما هنوز GPT-4 را در ChatGPT Plus امتحان نکرده باشیم، اما مطمئناً بر اساس موفقیت ChatGPT، این مدل نیز تأثیرگذار خواهد بود. اگر قبلا چت جدید بینگ را امتحان کرده باشید، تا حدودی با GPT-4 آشنا شده‌اید؛ پس انتظار نداشته باشید که با چیزی کاملاً جدید مواجه شوید.
قبل از راه اندازی GPT-4، سام آلتمن، مدیر عامل OpenAI در مصاحبه‌ای با StrictlyVC که توسط Connie Loizos در یوتیوب منت شر شد، به پتانسیل AGI (هوش عمومی مصنوعی) برای ایجاد تغییر در اقتصادهای جهان اذعان کرد و بیان کرد که ایجاد سریع چندین تغییر کوچک بهتر از یک پیشرفت تکان دهنده است که فرصت کمی برای جهان فراهم میکند تا با تغییرات سازگار شود؛ بنابراین می‌توان گفت GPT-4 بیش از اینکه یک انقلاب تمام عیار باشد یک تکامل دقیق است.
