Open AI از هوش مصنوعی چند رسانه‌ای GPT-4 با قابلیت درک تصویر رونمایی کرد

Open AI از یک مدل هوش مصنوعی جدید با قابلیت درک تصویر و تولید متن رونمایی کرده است. مدل جدید که GPT-4 نام گرفته، از سوی شرکت سازنده به عنوان جدی‌ترین تلاش برای دستیابی به قابلیت‌های تازه در فناوری‌های مبتنی بر یادگیری عمیق معرفی شده است. با ادامه خبر در شهر سخت افزار همراه باشید.

Open AI از هوش مصنوعی چند رسانه‌ای GPT-4 رونمایی کرده است. این AI می‌تواند سریع‌تر و بهتر از نسل قبلی مدل‌های زبانی به تولید محتوا بپردازند. Open AI گفته که مشترکان سرویس ChatGPT Plus اکنون به سرویس جدید البته با محدودیت دسترسی دارند و توسعه دهندگان نیز می‌توانند با نام نویسی در یک لیست، در آینده از آن استفاده کنند.

در همین رابطه بخوانید:

- آموزش ثبت نام و استفاده از چت بات ChatGPT با شماره مجازی در ایران
- ربات ChatGPT چیست و چگونه می توانید از آن استفاده کنید؟

قابلیت ها و ویژگی‌های GPT-4 چیست؟

باید به این نکته اشاره کرد که اکنون چت بات موتور جستجوی بینگ نیز از GPT-4 استفاده می‌کند. از دیگر سرویس‌های استفاده کننده از GPT-4 می‌توان به Stripe اشاره کرد که از هوش مصنوعی جدید برای بررسی وبسایت‌های کسب‌وکار و ارائه تحلیل به کارمندان بخش پشتیبانی بهره می‌برد. نرم‌افزار محبوب Duolingo نیز GPT-4 را به عنوان یک سرویس قابل خریداری به قابلیت‌های آموزش زبان خود اضافه کرده است.

GPT-4 قادر است ورودی‌هایی به شکل تصویر و متن از کاربر بگیرد و متن‌های متناسب با آن تولید نماید. Open AI ادعا کرده در شش ماه گذشته روی قابل اعتماد بودن و امکان کنترل GPT-4 کار کرده و تلاش داشته تا امکان رد شدن از خطوط قرمز توسط آن را به حداقل برساند. GPT-4 در گفتگوهای ساده فرق چندانی با GPT-3.5 ندارد و تفاوت در موضوعات پیچیده‌تر آشکار می‌شود.

بدون شک یکی از قابلیت‌های مهم GPT-4 را باید امکان فهم تصویر و ساخت کپشن یا متن برای آن دانست که در دیگر نسخه‌های هوش مصنوعی Open AI حاضر نبوده است. البته این قابلیت برای همه مشتریان فعال نیست و امکان تست آن تنها در اختیار پلفرم مخصوص افراد نابینای Be My Eyes قرار گرفته است.

برای مثال، کاربران این پلتفرم می‌توانند عکسی از داخل یخچال خود را برای GPT-4 ارسال نمایند و علاوه بر دانستن محتویات آن، آموزش پخت غذا با مواد موجود در یخچال را نیز دریافت نمایند. با این وجود Open AI تاکید کرده که GPT-4 هنوز به طور کامل از اشتباه و خطاهای منطقی در امان نیست.

GPT-4 البته تا 82 درصد نسبت به ChatGPT 3 احتمال پاسخ دادن به سوالات غیر قانونی مانند نحوه ساخت بمب را کاهش داده است. اطلاعات پزشکی که می‌توانند باعث آسیب دیدن افراد شوند نیز در این بخش جای می‌گیرند.

در ادامه دو مدل زبانی GPT-4 و GPT-3.5 را مقایسه خواهیم کرد. در ابتدا باید به عملکرد خوب GPT-4 در آزمون‌هایی SAT که برای انسان‌ها طراحی شده‌اند اشاره کرد. یک دانش آموز با نمره‌های مشابه می‌تواند در بسیار از رشته‌ها و دانشگاه‌ها تحصیل نماید.

نحوه دسترسی به GPT-4

باید به این نکته اشاره کرد که چت بات موتور جستجوی بینگ در حال حاضر از مدل زبانی GPT-4 استفاده می‌کند و میلیون‌ها کاربر به آن دسترسی دارند. GPT-4 برای کاربران اپلیکیشن‌هایی مانند Duolingo و سرویس ChatGPT Plus نیز در دسترس قرار گرفته است. این سرویس پولی است و کاربران باید مبالغی را برای استفاده از آن پرداخت نمایند.

آیا کاربران ایرانی می‌توانند از GPT-4 استفاده کنند؟

امکان استفاده از GPT-4 یا دیگر خدمات شرکت Open AI برای کاربرانی با شماره موبایل ایرانی وجود ندارد. با این حال شهر سخت افزار آموزشی تولید کرده که ثبت نام و استفاده از ChatGPT با کمک شماره مجازی را به شما یاد می‌دهد.

در همین رابطه بخوانید:

- آموزش ثبت نام و استفاده از چت بات ChatGPT با شماره مجازی در ایران

با ثبت نام در لیست انتظار موتور جستجوی بینگ نیز می‌توانید از GPT-4 و قابلیت‌های آن استفاده کنید. 

تفاوت GPT-4 با نسخه های قبلی چیست؟

در ابتدا باید به این نکته اشاره کرد که چت بات ChatGPT از مدل زبانی مولد GPT-3 و GPT-3-5 برای پاسخ دادن به کاربران استفاده می‌کرده و با آپدیت جدید، امکان استفاده از GPT-4 را به کاربران می‌دهد. در ادامه برخی تفاوت‌های GPT-4 و GPT-3 را با یکدیگر مرور می‌کنیم.

درک و فهم تصاویر توسط GPT-4

مهم‌ترین تفاوت نسخه جدید مدل زبانی Open AI را باید امکان استفاده از تصویر به عنوان ورودی دانست. این یعنی GPT-4 بر خلاف ChatGPT و GPT-3 به متن محدود نیست و قادر است در مورد تصاویر بنویسد و محتوایی بر اساس آن‌ها تولید نماید.

درک تصاویر توسط GPT-4 با نشان دادن یک گوشی آیفون با کانکتور شارژ بزرگ‌تر از حد معمول . شببه به اتصال VGA به آن به نمایش گذاشته شده است. این مدل زبانی توانسته دلیل بامزه بودن تصویر را درک کند و آن را به کاربر توضیح دهد.

در ویدئوی منتشر شده توسط پلتفرم مخصوص افراد نابینای Be My Eyes که امکان استفاده از قابلیت‌های تصویری GPT-4 را در اختیار کاربران قرار داده، هوش مصنوعی می‌تواند الگوهای یک لباس، نحوه کار با دستگاه ورزشی یا ترجمه تابلوها را با دریافت ورودی تصویری انجام دهد. از دیگر کاربردهای مهم GPT-4 می‌توان به امکان خواندن نقشه اشاره کرد.

GPT-4 کمتر گول می‌خورد

در هفته‌های گذشته کاربران با ترفندهایی توانسته بودند چت بات هایی مانند ChatGPT را به گفتگوهای عجیب بکشانند و از آن‌ها پاسخ‌های ممنوعه بگیرند. با این وجود هوش مصنوعی GPT-4 با بسیاری از ترفندهای فوق تعلیم داده شده تا قابل پیش‌بینی، قابل کنترل و قابل اعتمادتر از GPT-3.5 باشد.

GPT-4 حافظه طولانی مدت‌تری دارد

مدل‌های زبانی بزرگی همچون GPT-4 با میلیون‌های صفحه وب، کتاب و داده‌های متنی دیگر تعلیم داده شده‌اند، اما در هنگام گفتگو با کاربر، نمی‌توانند همه آنچه مطرح شده را به خاطر بسپارند. GPT-4 تنها می‌تواند تا 8000 کلمه را در خاظر نگه دارد.

این محدودیت برای GPT-4 به بیشتر از 64 هزار کلمه یا تقریباً 50 صفحه گفتگو را در یاد نگه می‌دارد تا بتواند راهنمایی بهتری برای کاربران فراهم آورد. برای مثال GPT-4 قادر است به موضوعی که شاید 25 صفحه قبل به آن اشاره کردید برگردد و به آن اشاره کند.

پشتیبانی GPT-4 از زبان‌های بیشتر

دنیای هوش مصنوعی توسط زبان انگلیسی تسخیر شده و بسیار از تحقیقات، مقالات و تست‌ها به این زبان انجام می‌گیرند. با این وجود قابلیت‌های ییک مدل زبانی بزرگ همچون GPT-4 به همه زبان‌های نوشتاری دنیای قابل تعمیم است.

مدل زبانی GPT-4 یک قدم مثبت برای این هدف برداشته و می‌تواند به هزاران سوال چند گزینه‌ای در 26 زبان زنده دنیا از روسی گرفته تا کره‌ای پاسخ دهد. با این وجود قابلیت‌های چند زبانه GPT-4 هنوز چندان قدرتمند نیستند و احتمالاً در آینده امکانات بهتری برای کاربران غیر انگلیسی زبان عرضه خواهند شد. البته باید اشاره کنیم که GPT-4 توانسته در 24 از 26 زبان مورد اشاره، مدل زبانی GPT-3.5 را در پاسخ دادن به سوالات چند گزینه‌ای شکست دهد.

GPT-4 شخصیت‌های متفاوت دارد

امکان تغییر رفتار با توجه به خواسته کاربر را باید یکی از جذاب‌ترین کاربردهای مدل زبانی GPT-4 دانست. قابلیت تغییر رفتار در مدل زبانی جدید نسبت به GPT-3.5 پیشرفت کرده و کاربران می‌توانند لحن و شخصیت ChatGPT را بسته به پسند خود تغییر دهند.

در انتها باید به این نکته اشاره کنیم که تفاوت‌های GPT-4 و GPT-3 در همین موارد خلاصه نمی‌شوند و فرق‌های فنی و البته گاهی کوچک زیادی بین این دو نسخه از مدل زبانی شرکت Open AI وجود دارد.