文：于伟
博士毕业于美国马里兰大学电子和计算机工程系，博士期间主要研究方向包括模式识别，信号处理，网络安全，博弈论。睿企科技董事长、首席科学家。
3月16日深夜，微软宣布GPT-4全面接入Office全家桶，Word、PPT、Excel等办公软件均得到GPT-4的加持。相比较于上一代GPT，多模态预训练大模型GPT-4的能力变得更综合，它具备识图能力；文字输入限制提升至 2.5 万字；回答准确性显著提高；能够生成歌词、创意文本，实现风格变化。这再次拉近了AI与人类的距离。
有一类观点认为（图像甚至多模态的）zero-shot recognition已经不是梦了，意味着自动驾驶技术已经出来了；但另一个视角看，机器学习拟合出来的东西，并不具备真正的智能，本质上还是在让人产生幻觉。本文围绕十个问题解读GPT 4.
如果因为错误的判断丢掉一个人才，对于企业来说，绝对是一个巨大的损失！如何使用无代码赋能业务场景？如何提高无代码搭建效率？如何在8天内落地一套系统？这些问题在No-CodeCrushCamp无代码训练营中都可以找到答案。上周二（2月21日），第三十期No-CodeCrushCamp如期开营。本期营队学员来自信息科技、制造、批发和零售、咨询服务等15个行业、22家企业。问题1：和之前的版本相比，GPT-4有哪些核心技术突破？
GPT-4相对于之前的版本，主要包括以下三大核心技术突破：
1）更强的上下文感知与理解能力，能够理解更长、更复杂的文本结构，从而产生更准确、更连贯的输出；
2）支持跨模态学习和多模态交互，可以同时处理不同模态的输入，例如图像、声音和文本，能力更全面了，大大拓展了应用范围；
3）提供了更好的对齐机制，引入了新的控制机制，包括语言模式控制和句子级别的控制，用户可以更精细地控制模型的输出，让结果更符合预期。
问题2：GPT-3.5只接受文本输入，GPT-4能对相对复杂的图像进行说明和解释，其读图能力是如何构建的？音频、视频的难度相较图像到底有多难？
GPT-4的读图能力是通过一种称为图像到文本转换的技术实现的，这种技术先将图像通过多层注意力机制，从图像中提取相关特征，然后将特征向量输入到模型中进行处理，最终生成自然语言描述。和之前的技术相比，GPT-4在图像到文本转换方面取得了很大的突破，可以生成相对复杂的图像描述，甚至能够回答与图像相关的问题。
相比图像而言，视频处理的难度更大，视频包含的内容非常多，数据规模也大很多，同时需要考虑时间和空间信息。因此，要实现类似于视频到文本转换的技术，需要克服的困难和技术挑战要多很多。目前GPT-4尚不能很好地处理视频数据。
相比图像而言，音频处理的难度体现在不同的方面。音频数据是连续的信号，多样性也更高，包括音调、节奏、声音强度等各种因素，这些因素也会增「课程记录表」与「排课表」数据关联，根据排课表中预设的学生数量进行考勤记录，通过按钮配配合脚本功能进行消课。「消课记录表」根据「课程记录表」的考勤记录，将每一位同学的扣消课时逐条进行记录，并且统计出记录前后的课时数据，将扣消后的课时数汇总到「学生信息表」中。加模型处理的难度。
问题3：GPT-4有两个大版本，一个是8K，一个是32K，分别是ChatGPT上下文长度的2倍和8倍。更长的上下文会对长文本写作带来更强的帮助吗？
更长的上下文会对长文本写作带来更强的帮助！写作需要充分了解上下文，并基于上下文进行逻辑更流畅的写作。当模型能处理更长的上下文时，就可以获得更多的上下文信息来生成更连贯和合理的文本。此外，更长的上下文也能让模型对内容理解的更全面，更好地理解文本中的语义和逻辑关系，从而生成更高质量的文本。
问题4：与ChatGPT相比，GPT-4的API接入价格大幅上涨。根据所使用的型号，新价格至少高出 x15 倍，这对国内外的创业公司会有哪些影响？
价格大幅上涨对于依赖ChatGPT的创业公司会带来更高的成本，对于价格敏感型创业公司，有可能就会放弃使用或者使用更便宜的服务。不过这对其他公司是利好，可以用性价比更好的服务来吸引这些用户。譬如，这对中国的大模型供应商就是机会，他们可以通过提供更具竞争力的价格来吸引这些企业。
问题5：目前OpenAI对 “智能”的底层认知（什么是真正的智能），有没有公开正面阐释过？或者您认为他们是怎么理解的？
OpenAI在其官方网站上对“什么是真正的智能”进行了讨论和探究，并提出了其理解。OpenAI认为，真正的智能不仅仅是简单地完成特定任务的能力，而是指能够像人类一样运用广泛的智力和思考方式来解决复杂问题的能力。具体而言，OpenAI将真正的智能定义为：“一种灵活地应对复杂情境的能力，这种能力涉及认知过程、理解、推理、自我修正和学习”。OpenAI认为，实现这种真正的智能需要一个全面的、通用的智能系统，这个系统需要拥有对世界的深刻理解、推理和规划能力，能够自主地进行学习和改进。在这个系统中，各种模块应该具备高度的互动性和协同性，共同协作实现智能的目标。
网站内容的营销有句话说“网站的未来，源自于访客的体验”，访客进入网站时，他们的浏览时长对我们而言非常宝贵，如何在有限时间让访客看到他们需要的内容，是建站的内容规划要求。当我们网站的建设的十分成功，将会为网站的使用者在网站用户的心目中加分，同时可能留住访客成为对我们“有价值的人”。我认为OpenAI对“智能”的理解有一定的道理，但是并不全面，人类对智能的理解还处于进行时，目前尚未有定论。
问题6：真正的智能，是否必须具备“小样本学习”、“具身智能（Embodied Intelligence ）”、“情感AI”或其他特定的属性？
不同的人对“真正的智能”有不同的理解和定义。具备这三种属性固然能变的更智能，但是我个人认为这些属性并不是必要条件。以人类为例，有些人学习能举一反三，有些人学习则需要大量的强化训练。因为智能到底是什么到目前还没有形成完整统一的定义。
问题7：如果没有学会“如何在AI时代生存和生活”，很多普通人会被卷得非常痛苦（不仅是失业），我们人类社会，需要先做好哪些准备，以便更好地应对AI时代？
其实现在已经有很多人在呼吁让AI的发展慢下来，因为无节制的发展会带来很多问题，包括伦理道德、失业、不平等、隐私泄露、安全风险等。然而，因为AI的发展可以带来很多好处，比如提高生产力、改善医疗保健、解决环境问题等，要控制AI发展的速度是一个非常复杂的问题，需要权衡不同的利益。未来让AI的发展更符合人类社会的长期利益，我们需要梳理准备的东西很多，包括AI伦理道德约束、安全隐私、社会公平等。
问题8：模型是不是越大越好？模型变大会带来哪些负面影响？OpenAI曾经是大模型规模扩张的支持者，这种变化给行业什么启示？大家都有一种认识，外贸网站建设那就是域名愈简单愈好，方便记忆。目前，从国内的域名注册习惯来看，这个原则好像是对的，我们经常会用一个名词的首字母简称或者全称。但对于外贸网站建设来说还是有点差别的，因为对于外贸企业来说域名词条的含义要更广，外国人不喜欢域名里面加数字的形式，觉得好的域名是包含产品名或者是品牌名。所以在选择外贸网站域名的时候要注意这些，并不是越短就越好。
现在都在疯狂的追逐大模型，因为大模型展示了超强的能力。然而，很多情况，单一的追求更大的模型并不是最好的选择，因为大模型的训练和使用都需要更多的计算资源和存储空间，以及更高的训练、运行和维护成本。
OpenAI曾经是大模型规模扩张的支持者，但在发布GPT-3之后，他们的态度也在发生变化，因为他们发现进一步扩大模型规模的效益将逐渐减弱，因为随着模型规模的增加，模型的性能提升将变得越来越微小，而与此同时，模型的复杂度和运行成本却在不断增加。因此，OpenAI转而探索如何通过其他方法来提高模型的性能，例如改进模型结构、改进训练算法、利用少量数据进行迁移学习等。
问题9：在大模型框架之下，创业者和投资人怎么拥抱LLM时代？GPT-4给国内的创业公司带来哪些机会？
大模型会带来巨大的生产力提升，而生产力的提升进而会带来生产关系的改变。这次人工智能的突破是个十年难遇的良机，对于创业者和投资人来说，一定要拥抱及时并迅速拥抱大模型，一方面利用大模型的能力来提升公司另外一方面，定制网站涉及到很多专业人员，根据网站的复杂性，这些人需要花费几周到几个月的时间才能完成网站的建设，这也是它贵的原因。四、清晰的导航一个网站中有三个导航，一个是主导航(也就是菜单栏)，一个是次导航(也就是面包屑导航)，一个是底部导航(有些网站没有，有些有)。如果以用户的角度来看，如何布局导航才能留住用户呢?首先主导航，一般而言，推荐主导航放置的内容最好是整个网站中所有的分类，不管是什么分类都一一摆放在主导航上。的运营效率，另一方面基于大模型进行产品的升级迭代。
GPT-4给国内的创业公司带来了海量的机会，随着GPT-4的出现，语言已经不再成为障碍，经济全球化的速度会加速，国内的创业公司现在可以更好的开拓全球市场，通过更好的产品和服务来走出国门，走向全球。
