GPT-4の解放：AIチャットボットにとって何を意味するのか

OpenAIは本日、ChatGPTとMicrosoftのBing AIチャットボットの技術基盤となる次世代大規模言語モデル「GPT-4」を発表しました。これは抜本的なアップグレードであり、今日のAI技術の能力と特徴の両方において、大きな進歩への扉を開く可能性を秘めています。

OpenAIは今朝、ブログでGPT-4の新たなアップグレードを発表し、同社がウェブ上に公開しているAIチャットボット「ChatGPT」で既に試用できる。（ただし、有料版の「ChatGPT Plus」のみ。こちらも4時間あたり100件のメッセージ送信に制限されている。）Microsoftも、最新バージョンの「Bing Chat」ツールが基盤としてGPT-4を採用していることを確認した。

なぜこれが重要なのでしょうか? GPT-4 が提供する主要なアップグレードをいくつか挙げました。まずは最大のものから見ていきましょう。もはや単なる単語ではありません。

GPT-4は視覚入力で世界を認識できるようになりました

OpenAIによると、「GPT-4は画像を入力として受け取り、キャプション、分類、分析を生成できます」とのことです。まさにご想像通りです。ChatGPTとBingは周囲の世界を「見る」ことができるようになる、あるいは少なくとも画像検索のように視覚的な結果を解釈できるようになるのです。

これは現実世界で何を意味するのでしょうか？GPT-4が実際に現実世界を見るようになることを意味します。これは、視覚に障がいのある人のためのツールであるBe My Eyesのようなアプリで既に実現されています。Be My Eyesはスマートフォンのカメラを捉え、その映像を視覚的に説明します。

開発者向けの GPT-4 ビデオでは、OpenAI の社長兼共同創設者である Greg Brockman 氏が、GPT-4 がスケッチを解釈し、それを Web サイトに変換し、そのサイトのコードを提供する仕組みを説明しました。

GPT-4の長文出力：ファンフィクションが壮大なものになった

OpenAIによると、「GPT-4は25,000語以上のテキストを処理できるため、長文コンテンツの作成、拡張会話、文書の検索と分析といったユースケースが可能になります」とのことです。同僚のマイケル・クライダーが言ったように、「Kindleのセルフパブリッシング・モデレーターのために祈ってください」

なぜでしょうか？それは、ChatGPTのGPT-4を使った出力は、より長くなるだけでなく、より創造的になるからです。「GPT-4はこれまで以上に創造的で協調的です」とOpenAIは述べています。「作曲、脚本執筆、ユーザーのライティングスタイルの学習など、創造的かつ技術的なライティングタスクにおいて、ユーザーと協力して生成、編集、反復処理を行うことができます。」

しかし、実際には別の利点もあります。OpenAIが示した例から、より多くのウェブページをプロンプトに直接入力できるようになるようです。確かにGPT-4はインターネットを理解するはずですが、GPT-3は2021年までしか学習されていませんでした。GPT-4とChatGPTがまだ最新のものではないとしても、より多くのコンテキストを与えることができるようになるようです。

GPT-4は単純に賢い

大規模言語モデルは、ネイティブな知能を備えていません。しかし、単語間の関係性を理解しており、より洗練されたGPT-4モデルは、関係性と文脈をさらに深く理解します。例えば、ChatGPTは統一司法試験で10パーセンタイルのスコアを獲得しました。GPT-4は90パーセンタイルのスコアを獲得しました。生物学オリンピックと呼ばれる大会では、視覚情報を活用したGPT-4は99パーセンタイルのスコアを獲得しましたが、ChatGPTは31パーセンタイルのスコアでした。