GPT 4 چیست؟ – مزایا و تغییرات نسبت به GPT-3

از متن گرفته تا تصاویر، قرار است GPT 4 انقلابی در نحوه تعامل انسان با هوش مصنوعی پدید آورد. GPT4 یا به بیان درست‌تر، GPT-4 نسخه جدیدتر ChatGPT یا در واقع GPT-3 و GPT-3.5 به حساب می‌آید. در این مطلب به این پرسش پاسخ داده می‌شود که GPT 4 چیست و تمام آنچه شرح داده خواهد شد که لازم است راجع به این مدل جدید هوش مصنوعی آزمایشگاه تحقیقاتی OpenAI بدانید. در این نوشتار به کند و کاو پیرامون ویژگی‌ها و قابلیت‌های عملکردی GPT 4 یا همان Chat GPT 4 پرداخته شده است.

GPT 4 چیست ؟

در سال‌های اخیر، توسعه مدل‌های زبانی حوزه تخصصی کلیدی در حیطه هوش مصنوعی بوده است. مدل‌های GPT که کوته‌نوشتی برای عبارت «Generative Pre-trained Transformer» به معنی «مبدل آموزش دیده مولد» است و به وسیله گروه OpenAI توسعه داده شده‌اند، پیشتاز این عرصه به حساب می‌آیند. GPT 4 آخرین نسخه از سری مدل‌های GPT محسوب می‌شود که بر پایه نقاط قوت نسخه‌های قبلی بنا نهاده شده است و ویژگی‌ها و قابلیت‌های جدیدی نیز در آن به کار گرفته شده‌اند.

فیلم آموزش کار با چت جی پی تی ChatGPT در فرادرس

کلیک کنید

GPT 4 یک مدل زبانی بزرگ مقیاس به حساب می‌آید که توسط گروه تحقیقاتی OpenAI توسعه داده شده است و می‌تواند متن‌هایی به زبان طبیعی را پیرامون موضوع‌های مختلف تولید کند. GPT 4 نسخه ارائه شده بعد از نسخه GPT-3.5 محسوب می‌شود. GPT-3.5 در واقع همان نسخه‌ای است که در حال حاضر ChatGPT نسخه رایگان را تغذیه می‌کند.

در حال حاضر GPT 4 تنها از طریق ChatGPT Plus یعنی نسخه پولی ChatGPT در دسترس است و فقط کاربرانی که حق اشتراک خریداری کرده‌اند می‌توانند به آن دسترسی داشته باشند. همچنین برنامه‌نویسان و توسعه‌دهندگان نیز می‌توانند برای دسترسی به API جی پی تی ۴ وارد فهرست انتظار شوند.

GPT 4 Playground چیست ؟

گروه OpenAI ویژگی و قابلیت جدیدی را به نام «Playground» (به معنی زمین بازی) منتشر کرده است که در آن می‌توان هر پُست وبلاگی را خلاصه‌سازی کرد.

این قابلیت تا زمان انتشار این نوشته همچنان تنها برای «ChatGPT Plus» در دسترس است و تنها افرادی که حق اشتراک پرداخت کرده‌اند می‌توانند به آن دسترسی داشته باشند. همچنین، برنامه‌نویسان و توسعه‌دهندگانی که دسترسی به API جی پی تی ۴ دارند هم می‌توانند از GPT 4 Playground استفاده کنند.

معرفی تخصصی GPT 4

GPT 4 یک شبکه عصبی عمیق به حساب می‌آید که از روشی به نام «خودنگرش» (Self-Attention) برای یادگیری با استفاده از حجم زیادی از داده‌ها و تولید متن بر اساس ورودی دریافتی استفاده می‌کند.

مدل GPT 4 تعداد ۱٫۸ هزار میلیارد پارامتر دارد که این میزان ۱۰ برابر نسبت به مدل استفاده شده برای ChatGPT بیشتر است. علاوه بر این، GPT 4 به مجموعه داده‌ای بزرگ‌تر و متنوع‌تر با حجم یک پتابایت (یک میلیون گیگا‌بایت) دسترسی دارد. این مجموعه داده حاوی متن‌های موجود در وب، کتاب‌ها، مقاله‌های خبری، پُست‌های شبکه‌های اجتماعی، قطعه کدها و بسیاری از موارد دیگر است.

GPT 4 از «معماری مبدل» (Transformer Architecture) همراه با «لایه‌های خودنگرشی» (Self-Attention Layers) استفاده می‌کند که GPT 4 را قادر می‌سازند تا متعلقات دوربُرد و اطلاعات زمینه‌ای را از متن‌های ورودی یاد بگیرد و بیاموزد. همچنین، در GPT 4 روش‌هایی از جمله «دقت نظر تُنُک» (Sparse Attention)، «لایه‌های برگشت‌پذیر» (Reversible Layers) و «بازرسی فعال‌سازی» (Activation Checkpointing) برای کاهش میزان مصرف حافظه و هزینه محاسبات به کار گرفته می‌شوند.

GPT 4 با استفاده از «یادگیری خودنظارتی» (Self-Supervised Learning) آموزش داده شده است. این یعنی GPT 4 از متن‌های تولید شده به وسیله خودش و بدون هیچ گونه برچسب‌گذاری یا بازخورد توسط انسان آموزش می‌بیند و یاد می‌گیرد. مدل زبانی GPT 4 از تابع هدفی به نام «Masked Language Modeling» (مدلسازی زبانی نقاب‌دار) یا همان MLM استفاده می‌کند که در آن برخی از توکن‌ها در متن‌های ورودی به صورت تصادفی نقاب‌دار (پنهان) می‌شوند و از مدل خواسته می‌شود تا آن‌ها را بر اساس توکن‌های اطرافش پیش‌بینی کند.

GPT 4 می‌تواند وظیفه‌های مربوطه به زبان طبیعی مختلفی را انجام دهد که از جمله می‌توان به خلاصه‌سازی متن، پاسخگویی به سوال، تولید محتوای متنی، تحلیل احساسات، ترجمه ماشینی و بسیاری از موارد دیگر اشاره کرد. علاوه بر این GPT 4 می‌تواند چندین وظیفه را در داخل متنی واحد با استفاده از اعلان‌ها یا دستورالعمل‌های زبان طبیعی مدیریت کند.

قابلیت جدید پردازش تصویر در GPT 4 چیست ؟

GPT 4 می‌تواند هم ورودی‌های متنی و هم ورودی‌هایی را در قالب تصویر پردازش کند، در نتیجه GPT 4 قادر است خروجی‌های متنی را برای اساس ورودی‌های ترکیبی (متن و تصویر) تولید کند.

فیلم آموزش پردازش تصویر و بینایی ماشین با اپن سی وی OpenCV در فرادرس

کلیک کنید

برای مثال، با ارائه تصویری از برج ایفل و پرسیدن ارتفاع آن، GPT 4 می‌تواند پاسخی را تولید کند که در آن به طور دقیق شرح می‌دهد برج ایفل دارای ارتفاعی برابر با ۳۲۴ متر است.

اگرچه، قابلیت ورودی بصری این مدل زبانی هنوز در مرحله تحقیقاتی و پیش‌نمایش قرار دارد، اما همچنان قابلیت‌های قیاس‌پذیری را نسبت به نتایج حاصل شده از ورودی‌های متنی و بدون تصویر به نمایش می‌گذارد و عملکردش نسبت به گذشته بسیار بهتر شده است.

به عنوان یکی از اولین کاربردهایش، GPT 4 به عنوان یک «داوطلب مجازی» (Virtual Volunteer) برای نابینایان و افرادی که مشکلات بینایی دارند مورد استفاده قرار گرفته است. با استفاده از اپلیکیشنی به نام «Be My Eyes»، افراد نابینا می‌توانند از سایر افراد در خصوص تشریح محتوای بصری کمک بگیرند. با استفاده از فناوری‌های قدرت گرفته از هوش مصنوعی، حالا این اپلیکیشن قابلیتی به نام «داوطلب مجازی» را اضافه کرده است تا پشتیبانی افزوده بدون محدودیت زمانی فراهم شود.

تفاوت GPT-3 با GPT-4 چیست ؟

GPT 4 و GPT-3 هر دو در زمره پیشرفته‌ترین مدل‌های زبانی هوش مصنوعی به حساب می‌آیند که می‌توانند متن‌های زبان طبیعی را بر اساس ورودی‌های دریافتی تولید کنند. اگرچه، این ۲ در خصوص اندازه، داده‌ها، معماری، نحوه یادگیری، عملکرد و کاربردها تفاوت‌های بارز و قابل توجهی با یکدیگر دارند.

فیلم آموزش هوش مصنوعی – مقدماتی در فرادرس

کلیک کنید

در ادامه فهرستی از تفاوت‌های GPT-3 با GPT-4 ارائه شده است.

• تفاوت به لحاظ اندازه: با ۱٫۸ هزار میلیارد پارامتر، GPT 4 بسیار بزرگ‌تر از GPT-3 است و GPT-3 تنها ۱۷۵ میلیارد پارامتر دارد.
• مقایسه GPT-3 و GPT-4 به لحاظ داده‌ها: GPT 4 از مجموعه داده‌ای بزرگ‌تر و متنوع‌تر استفاده می‌کند و حجم آن هم یک پتابایت است، در حالی که GPT-3 مجموعه داده کوچک‌تری به اندازه ۴۵ ترابایت دارد.
• معماری: GPT-4 از سیستم یادگیری هیبریدی استفاده می‌کند که در آن «یادگیری خودنظارتی» و «یادگیری نظارت شده» با هم ترکیب شده‌اند. این در حالی است که در GPT-3 تنها از یادگیری خودنظارتی استفاده شده است.
• عملکرد: بر اساس داده‌های فراهم شده توسط گروه OpenAI، ادعا شده که در برخی از سنجش‌های زبان طبیعی نظیر SuperGLUE ،GLUE و SQuAD، مدل زبانی GPT-4 به «عملکردی در سطح انسان» دست یافته است. علاوه بر این، GPT 4 در خصوص بسیاری از شاخص‌های «درک زبان طبیعی» (Natural Language Understanding | NLU) و «تولید زبان طبیعی» (Natural Language Generation | NLG) نظیر ROUGE ،BLEU و سایر موارد عملکرد بسیار بهتری را نسبت به GPT-3 از خود نشان داده است.
• تفاوت در کاربردها: کاربردهای GPT 4 و GPT-3 تقریباً مشابه یکدیگر هستند، اما دقت و تنوع پاسخ‌ها و خروجی‌های GPT-3 نسبت به GPT 4 کمتر است. همان‌طور که پیش‌تر هم اشاره شد، GPT 4 می‌تواند وظایف زبان طبیعی مختلفی را نظیر جمع‌بندی و خلاصه‌سازی، پاسخگویی به سوالات، تولید متن، تجزیه و تحلیل احساسات، ترجمه ماشینی و سایر موارد انجام دهد. علاوه بر این GPT 4 می‌تواند چندین وظیفه را در داخل یک متن واحد با استفاده از اعلان‌ها یا دستورالعمل‌های زبان طبیعی اجرا کند.

GPT 4 سرویسی ابری و پلتفرمی چند وجهی

GPT 4 به عنوان سرویسی ابری استقرار یافته است که به کاربران و برنامه‌نویسان (توسعه‌دهندگان) امکان می‌دهد تا به قابلیت‌های آن در خصوص تولید زبان طبیعی از طریق API یا واسط وب دسترسی پیدا کنند.

فیلم آموزش پردازش زبان های طبیعی NLP در پایتون Python با پلتفرم NLTK در فرادرس

کلیک کنید

API جی پی تی ۴ راهی آسان و قابل انعطاف را برای ارسال ورودی‌های متنی به GPT 4 و دریافت خروجی‌های متنی در قالب‌های مختلفی مثل XML ،JSON یا متن خام در اختیار کاربران قرار می‌دهد. واسط تحت وب GPT 4 روشی کاربرپسند و تعاملی را برای کند و کاو در ویژگی‌ها و قابلیت‌های GPT 4 با استفاده از اعلان‌های زبان طبیعی یا دستورالعمل‌ها فراهم می‌سازد.

مدل زبانی کاربردی GPT-4 به طور یکپارچه و پیوسته در مجموعه محصولات OpenAI گنجانده می‌شود که باعث خواهد شد پتانسیل آن برای حوزه‌ها و کاربردهای مختلف چندین برابر شود. هوش مصنوعی Codex از قدرت GPT 4 برای ترجمه توصیف‌ها یا تصویرسازی‌های بیان شده به زبان طبیعی به کد بهره‌برداری خواهد کرد.

هوش مصنوعی DALL-E که یکی دیگر از محصولات شاخص OpenAI به حساب می‌آید، از مدل زبانی GPT-4 برای تولید تصاویری مبتنی بر پرسمان‌های زبان طبیعی یا زیرنویس استفاده خواهد کرد. در عین حال، CLIP از قابلیت GPT 4 در یادگیری مفاهیم بصری با استفاده از برچسب‌ها یا توصیف‌های زبان طبیعی سود خواهد برد.

برتری GPT 4 نسبت به نسخه های قبلی با بهبود نرخ رفتار نادرست و میان داری فعال سازی های API

نرخ رفتار نادرست درصد دفعاتی است که GPT-4 متن‌هایی را بر خلاف خط مشی محتوای OpenAI یا تمایل‌های کاربران تولید می‌کند. در سند مربوطه گزارش داده شده که اولین نسخه GPT 4 دارای رفتار نادرست بسیار کم‌تری معادل با ۰٫۰۲ درصد است که نسبت به GPT-3.5 یا همان ChatGPT با نرخ ۰٫۰۷ درصدی و مقدار ۰٫۱۱ درصدی در GPT-3 عملکردی به مراتب بهتر دارد.

فیلم آموزش هوش مصنوعی – مقدماتی در فرادرس

کلیک کنید

این یعنی در نسخه اولیه GPT-4 متن‌هایی تولید می‌شود که تنها ۲ بار از ۱۰ هزار دفعه خط مشی محتوایی تعیین شده توسط OpenAI یا تمایلات کاربران را نقض می‌کند. این مسئله مشخص می‌سازد که GPT 4 توانایی‌ها و قابلیت‌های خود را به منظور جلوگیری از تولید متن‌های آسیب‌زا یا نامناسب به میزان قابل توجهی بهبود داده است.