مدل زبانی شگف انگیز GPT ۴ چیست؟

شرکت OpenAI اخیراً جدیدترین پیشرفت بزرگ خود در هوش مصنوعی، GPT-۴ را ارائه کرده است. GPT-۴ به عنوان یک مدل چندوجهی قدرتمند، می‌تواند ورودی‌های تصویر و متن را برای تولید خروجی‌های متنی پردازش کند. این یک پیشرفت مهم در حوزه هوش مصنوعی، به‌ویژه در زمینه پردازش زبان طبیعی است. در این مطلب از مکتوب، به بررسی اینکه GPT ۴ چیست و ابعاد مختلف آن توضیحاتی ارائه خواهیم کرد. همچنین قابلیت‌های جدید این فناوری مدرن را نیز توضیح خواهیم داد. قبل از اینکه وارد بحث اینکه GPT ۴ چیست شویم، به عنوان یک پیش‌نیاز آشنایی با تاریخچه و ریشه GPT-۴ خالی از لطف نیست که در ادامه این مطلب از دسته آموزش هوش مصنوعی به آن خواهم پرداخت.

GPT چیست؟

«ترانسفورماتورهای از پیش آموزش‌دیده مولد» (Generative Pre-trained Transformers) که مخفف آن GPT (جی پی تی) است نشان‌دهنده دسته‌ای از مدل‌های یادگیری عمیق هستند که در تولید متنی شبیه به نوشتار انسان مهارت دارند. آن‌ها کاربردهای همه‌جانبه‌ای از جمله پاسخ به پرسش‌ها، خلاصه‌سازی متن، ترجمه محتوا به زبان‌های مختلف، تولید کد و ایجاد محتوای مبتنی بر متن مانند پست‌های وبلاگ، داستان‌ها و مکالمات دارند.

پتانسیل گسترده مدل‌های GPT را می‌توان با تنظیم دقیق آن‌ها بر روی داده‌های خاص بهینه‌سازی کرد و در هزینه محاسباتی، زمان و منابع دیگر صرفه‌جویی کرد.

قالب شما حاوی تگ‌ها، توابع یا متغیرهای عمومی ناامن Twig است. لطفاً آن را بررسی کرده و هر یک از این ساختارهای کد را حذف کنید: block, set, embed, macro, filter, apply, verbatim, sandbox, with, include, import, from, use, extends, do, flush, passthru, exec, eval, system, shell_exec, proc_open, popen, assert, file_put_contents, file_get_contents, unlink, fopen, fwrite, call_user_func, call_user_func_array, create_function, reduce, constant, function, fn, source, template_from_string, _self, _charset, _env, globals. همچنین مطمئن شوید که از الحاق رشته‌ها در داخل توابع یا فراخوانی فیلترها استفاده نمی‌کنید.

تاریخچه GPT

مدرنیته شدن هوش مصنوعی در زبان طبیعی به دلیل ایجاد مدل‌های ترانسفورماتور امکان‌پذیر شد که BERT گوگل در سال ۲۰۱۷ طلوعی درخشان برای آن بود. قبل از ترانسفورماتور. شبکه‌های عصبی حافظه مدت‌دار (LSTMs) موجود بودند. آن‌ها برای تولید کلمات یا عبارات کوتاه به خوبی کار می‌کردند ولی با تولید محتوای طولانی‌تر مشکل داشتند.

رویکرد ترانسفورماتور BERT پیشرفت قابل‌توجهی را نشان داد زیرا یک تکنیک یادگیری تحت نظارت نبود و ازاین‌رو برای آموزش به مجموعه داده‌های حاشیه‌نویسی گران قیمت نیاز نداشت. در کل نسل‌های GPT را می‌توان در دسته‌های به ترتیب زیر قرار دارد.

GPT-1
GPT-2
GPT-3
GPT-4

قبل از پرداختن به بحث اینکه GPT ۴ چیست هرکدام از نسل‌های مختلف GPT یا ترانسفورماتورها را به صورت مختصر بهتر است بررسی کنیم.

GPT-۱ چیست؟

در سال ۲۰۱۸، OpenAI مقاله‌ای تحت عنوان (Improving Language Understanding by Generative Pre-Training) به معنای «بهبود درک زبان با پیش‌آموزش مولد» منتشر کرد که جزئیات استفاده از درک زبان طبیعی را با مدل زبان پیشگام خود، GPT-۱ نشان می‌داد. این مدل به عنوان نوعی اثبات این مدل عمل کرد و در دسترس عموم قرار نگرفت. معماری این مدل به صورت تصویر زیر است:

GPT-۲ چیست؟

یک سال بعد، OpenAI مقاله دیگری تحت عنوان (Language Models are Unsupervised Multitask Learners) به معنای «مدل‌های زبان، یادگیرندگان چندوظیفه‌ای بدون نظارت»، منتشر و مدل به روز شده خود، GPT-۲ را معرفی کرد. این مدل با جامعه یادگیری ماشین به اشتراک گذاشته شد و شروع به استفاده برای وظایف تولید متن کرد. عملکرد این مدل در کارهای مختلفی مانند ترجمه، خلاصه نویسی، تولید پاسخ و درک مطلب به صورت نمودار زیر بود:

GPT-۳ چیست؟

در سال ۲۰۲۰، OpenAI مقاله دیگری تحت عنوان (Language Models are Few-Shot Learners) به معنای «مدل‌های زبان یادگیرندگان کمی هستند» منتشر کرد که این بار در مورد مدل نسل سوم خود،یعنی GPT-۳ بود. این مدل ۱۰۰ برابر پارامترهای بیشتری نسبت به GPT-۲ داشت و بر روی یک مجموعه داده متنی به میزان قابل‌توجهی بزرگ‌تر آموزش داده شد و در نتیجه عملکرد آن بسیار بهبود یافت. مدل GPT-۳ بیشتر به تکرارهای مختلف، معروف به سری GPT-۳.۵ که شامل گفتگو محور ChatGPT بود، اصلاح شد. نتایج مربوط به سه وظیفه QA دامنه باز برای این مدل به صورت زیر است:

ChatGPT، با توانایی خود برای تولید متن شبیه متن انسان به سرعت شهرت یافت. این برنامه به عنوان سریع‌ترین رشد اپلیکیشن وب تا این لحظه رکوردی را به نام خود ثبت کرد و تنها در دو ماه به رکورد ۱۰۰ میلیون کاربر رسید.

GPT ۴ چیست؟

اما اصل قضیه اینجاست و در این بخش به اینکه GPT ۴ چیست به صورت کامل خواهیم پرداخت. آخرین مدل زبانی OpenAI یعنی GPT-۴، جدیدترین جانشین مدل قبلی خود، GPT-۳.۵ است. GPT-۴ که در ۱۴ مارس ۲۰۲۳ رونمایی شد، پس از راه‌اندازی بسیار موفق چت ربات ChatGPT که بر روی GPT-۳.۵ اجرا می‌شد، در اواخر نوامبر ۲۰۲۲ معرفی شد.

GPT یا Generative Pre-trained Transformer یک مدل زبانی است که برای تولید متن محاوره‌ای شبیه به زبان انسان طراحی شده است. این مدل یادگیری عمیق بیشتر در GPT-۴ برای ترکیب عملکردهای چندوجهی توسعه یافته است. با استفاده از این ویژگی، GPT-۴ می‌تواند ورودی‌های متن و تصویر را برای تولید پاسخ‌های متنی انسان مانند پردازش کند. عملکرد این مدل هوش مصنوعی می‌تواند از تفسیر کاربرگ آپلود شده و ارائه پاسخ به سؤالات گرفته تا خواندن داده‌ها از نمودار و محاسبه نتایج بر اساس اطلاعات داده‌شده باشد. تصاویر زیر بیانگر این موضوع هستند:

همچنین تصویر زیر درک کامل این مدل زبانی از تصویر را به خوبی نشان می‌دهد:

ویژگی‌ های جدید GPT ۴ چیست؟

GPT-۴ دارای مجموعه‌ای از پیشرفت‌های جدید متمرکز بر «هم ترازی مدل» (Alignment) است که مستلزم درک بهتر مقاصد کاربر و ایجاد پاسخ‌های دقیق، ایمن و محترمانه‌تری خواهد بود. در ادامه دو تا از ویژگی و قابلیت‌های جدید GPT-۴ آورده شده است.

عملکرد تقویت شده

ممکن است که از خود سؤال بپرسید که مهمترین ویژگی GPT ۴ چیست؟ GPT-۴ پیشرفت‌های قابل‌توجهی را نسبت به GPT-۳.۵ از نظر ایجاد پاسخ‌های واقعی نشان می‌دهد. تمایل به پاسخ‌های توهم آمیز (hallucinations) یا مواردی که مدل مرتکب اشتباهات واقعی یا استدلالی می‌شود، در این مدل کاهش یافته است و این ویژگی GPT-۴ را به مدل قابل‌اعتمادتری تبدیل می‌کند. در واقع، در معیار عملکرد واقعی OpenAI داخلی، GPT-۴ ۴۰ درصد بیشتر از نسخه قبلی خود، GPT-۳.۵ امتیاز کسب کرده است.

هدایت‌پذیری پیشرفته یکی دیگر از ویژگی‌های باز این مدل است. این ویژگی به مدل اجازه می‌دهد تا خروجی خود را بر اساس ورودی‌های کاربر تغییر دهد. به عنوان مثال، کاربران می‌توانند به آن دستور دهند که سبک، لحن یا صدای خاصی را اتخاذ کند. کاربران می‌توانند با اعلان‌های مختلفی آزمایش کنند. برای مثال می‌توان به آن گفت که مفهومی را برای فردی مبتدی توضیح دهد و دوباره از آن بخواهیم که همان مفهوم را برای فردی متخصص توضیح دهد که پاسخ این مدل به هر دو درخواست بنابر پرامپت یا دستور ارائه شده متفاوت و متناسب خواهد بود. یکی دیگر از پیشرفت‌های قابل‌توجه، پایبندی قوی مدل به مرزهای اخلاقی است. این مدل اکنون در رد درخواست‌های غیرقانونی یا نامناسب ماهرتر است.

ورودی‌های بصری در GPT-۴

یک تغییر قابل‌توجه در GPT-۴ توانایی آن برای پردازش ورودی‌های تصویر در کنار متن است، اگرچه این ویژگی فقط در پیش‌نمایش تحقیق موجود بوده و هنوز عمومی نشده است. این رویکرد چندوجهی به کاربران اجازه می‌دهد تا متن و تصاویر را در تعریف وظایف بینایی یا زبانی ادغام کنند. در بالا نمونه هایی از این موضوع ارائه شد. نمونه زیر نیز برای نشان دادن این موضوع جالب توجه است و این عکس نحوه تفسیر مسائل پیچیده را به وسیله این مدل نشان می‌دهد.

معیارهای عملکرد GPT-۴

یکی دیگر از سؤالات رایجی که امکان دارد کاربران با آن مواجه شوند و بخواهند عملکرد این مدل را با آن ارزیابی کنند این است که معیارهای عملکردی GPT ۴ چیست و چرا این مدل بهترین مدل شناخته شده زبانی تا به حال است. OpenAI قابلیت‌های GPT-۴ را با استفاده از طیف وسیعی از آزمون‌های سطح انسانی مانند آزمون SAT برای پذیرش دانشگاه، آزمون Uniform Bar و LSAT برای متخصصان حقوقی ارزیابی کرد. نتایج نشان داد که GPT-۴ عملکردی قابل مقایسه با سطوح انسانی در چندین آزمون آکادمیک و حرفه‌ای از خود نشان داد. تصویر زیر این موضوع را بیان می‌کند:

علاوه بر این، GPT-۴ از طریق معیارهای یادگیری ماشین سنتی مورد ارزیابی قرار گرفت، جایی که از دیگر مدل‌های زبان بزرگ و بیشتر مدل‌های سطح بالا پیشی گرفت که ممکن است به‌طور ویژه برای این معیارها طراحی شده باشند یا تحت آموزش‌های اضافی قرار گرفته باشند. این آزمون‌ها از سؤالات چندگزینه‌ای در ۵۷ موضوع مختلف تا استدلال عقلانی در مورد رویدادهای روزانه و سؤالات در علوم مختلف را شامل می‌شد.

علاوه بر این، OpenAI مهارت GPT-۴ را در زبان‌هایی غیر از انگلیسی ارزیابی کرد. این شامل ترجمه معیار MMLU، مجموعه‌ای از ۱۴۰۰۰ سؤال چندگزینه‌ای در ۵۷ موضوع، به زبان‌های مختلف با استفاده از Azure Translate بود. GPT-۴ عملکرد برتر را در ۲۴ زبان از ۲۶ زبان آزمایش شده در مقایسه با GPT-۳.۵ و سایر مدل‌های زبانی قابل‌توجه به نمایش گذاشت. در نتیجه، عملکرد قوی GPT-۴ نشان دهنده گامی قابل‌توجه در مأموریت OpenAI برای تولید مدل‌های هوش مصنوعی با قابلیت‌های پیشرفته است.

نحوه دسترسی به GPT-۴

برخلاف مدل قبلی خود، GPT-۴ رایگان نیست و هم‌اکنون برای دسترسی به GPT-۴ شرکت اوپن ای آی ویژگی ورودی متن را از طریق اشتراک در ChatGPT Plus با هزینه ماهانه ۲۰ دلار ارائه می‌دهد. با این حال، توجه داشته باشید که مدل اشتراکی محدودیت‌هایی را برای کاربر اعمال می‌کند که ممکن است در دسترس بودن همیشگی را محدود کند.

برای دسترسی رایگان به قابلیت‌های متنی GPT-۴، از بینگ چت استفاده کنید. بینگ چت که در همان روز با GPT-۴ معرفی شد، از اولین بار توسط GPT-۴ پشتیبانی می‌شود. این سرویس رایگان است، اما نیاز به ثبت‌نام از طریق فهرست انتظار دارد. در حال حاضر، OpenAI قابلیت‌های ورودی بصری GPT-۴ را در دسترس عموم قرار نداده است. OpenAI در حال حاضر با یک شریک واحد برای ارائه این ویژگی همکاری می‌کند. همچنین برای آشنایی بهتر و بیشتر می‌توانید مقاله ما را در رابطه با نحوه استفاده از Chatgpt در این رابطه مطالعه کنید.

بینگ چت چیست؟

بینگ چت مایکروسافت یک ربات چت بوده که توسط OpenAI با استفاده از پیشرفته‌ترین مدل زبان خود یعنی GPT-۴ توسعه یافته است. این به سرعت محبوبیت پیدا کرد و ۴۵ میلیون کاربر در اولین ماه راه‌اندازی خود جمع‌آوری کرد و در حال حاضر به ۱۰۰ میلیون کاربر فعال روزانه، طبق گفته یوسف مهدی، معاون و مدیر ارشد مدیریت مایکروسافت، رسیده است.

بینگ چت، اگرچه از نظر قابلیت شبیه به ChatGPT است اما در یک جنبه کلیدی از آن پیشی می‌گیرد و آن هم دسترسی نامحدود و رایگان است. عموم مردم می‌توانند از بینگ چت استفاده کنند اما ابتدا باید به لیست انتظار بپیوندند.

تفاوت GPT-۳.۵ و GPT ۴ چیست؟

تفاوت GPT-۳.۵ و GPT ۴ چیست؟ سؤال جذابی است. ChatGPT از GPT-۳.۵ استفاده می‌کند که ربات چت را محدود کرده تا فقط ورودی و خروجی مبتنی بر متن را پردازش کند. پیشرفت اولیه GPT-۴ نسبت به GPT-۳.۵ قابلیت چندوجهی آن است که به آن امکان می‌دهد هم ورودی‌های تصویر و هم‌متن را پردازش کند.

از نظر تعامل مکالمه، تفاوت بین GPT-۳.۵ و GPT-۴ ممکن است کاملاً مشهود نباشد. با این حال، OpenAI ادعا می‌کند که GPT-۴ عملکرد برتر از نظر قابلیت اطمینان، خلاقیت و هوش را نشان می‌دهد، همان‌طور که با عملکرد بهبود یافته آن در معیارهای مختلف نشان داده شده است.

آیا امکان پاسخ اشتباه با GPT ۴ وجود دارد؟

اگرچه GPT-۴ پیشرفت قابل‌توجهی را نشان می‌دهد، اما بی‌عیب و نقص نیست. هنوز هم از محدودیت‌هایی مشابه با مدل‌های قبلی خود رنج می‌برد، از جمله عدم دقت واقعی و خطاهای استدلالی. OpenAI این کاستی‌ها را تأیید کرده اما همچنان بر این باور است که GPT-۴ بهتر از GPT-۳.۵ عمل می‌کند و در ارزیابی‌های واقعی شدید ۴۰ درصد امتیاز بالاتری کسب خواهد کرد، بنابراین تمایل کمتری به «پاسخ‌های مبنی توهم» یا تولید حقایق نادرست را نشان می‌دهد. تصویر زیر بیانگر این واقعیت است:

سخن پایانی

OpenAI GPT-۴ پیشرفته‌ترین مدل زبانی برای تولید متن است که در ۱۴ مارس ۲۰۲۳ معرفی شد. این مدل علاوه بر تفسیر ورودی‌های متنی، قابلیت تفسیر ورودی‌های بصری را هم دارد. استفاده از این مدل هوش مصنوعی در حال حاضر رایگان نیست و چیزی حدود ۲۰ دلار به صورت ماهانه برای خرید اشتراک آن لازم است.

GPT-۴ در اصل آخرین نسخه از ترانسفورماتورهای از پیش آموزش داده‌ شده مولد است، یک نوع مدل یادگیری عمیق که برای پردازش زبان طبیعی و تولید متن استفاده می‌شود. این یک نقطه عطف مهم در زمینه هوش مصنوعی، به‌ویژه در پردازش زبان طبیعی است. در مطلب فوق از مجله مکتوب در رابطه با اینکه GPT ۴ چیست، چه ویژگی‌هایی دارد و ریشه آن از کجا پیدا شد توضیحاتی نسبتاً مطلوب ارائه شد. به امید اینکه این مطلب برای شما مفید واقع شده باشد.

یادگیری هوش مصنوعی

اگر به فکر یادگیری برنامه نویسی هوش مصنوعی هستید و دوست دارید بدون اینکه تحصیلات آکادمیک بگذاردید در این حوزه جذاب و پررونق به بازار کار وارد شوید ملزم به یادگیری تخصصی آن هستید. در نگاه اول امکان دارد هوش مصنوعی سخت به نظر برسد اما این‌طور نیست، با استفاده از آموزش‌های هوش مصنوعی دستیابی به این هدف آسان است.

برای هدف نام برده در پلتفرم آموزشی مکتب خونه انواع دوره آموزش یادگیری ماشین و آموزش هوش مصنوعی به زبان ساده از مقدماتی تا پیشرفته وجود دارد که به کاربران کمک می‌کند در این زمینه به تخصص‌های کافی برسند. در کنار آموزش دیدن، اعطای گواهینامه و تسهیل فرایند استخدام در شرکت‌های معتبر هوش مصنوعی از دیگر اهداف مکتب خونه برای کاربران خود است.

https://maktabkhooneh.org/mag/what-is-gpt4/

کامل بهرامی

کامل بهرامی دانش‌آموخته کارشناسی ارشد رشته مهندسی کامپیوتر گرایش نرم‌افزار از دانشگاه ارومیه است. به تولید محتوا در حوزه کامپیوتر، برنامه‌نویسی و هوش مصنوعی علاقه‌مند‌ است و هم اکنون به عنوان عضو تیم سئو و مدیر تیم نویسنده‌های مکتب خونه در این مجموعه فعالیت می‌کند.