最近，微軟發(fā)布了一個長達154頁的論文名稱為《通用人工智能的火花，GPT-4的早期實驗》。

文章的主要觀點是雖然GPT-4還不完整，但是已經(jīng)可以被視為，一個通用人工智能的早期版本。

由于全文將近7萬字，本篇將論文的內(nèi)容做了一下精煉和解讀，有興趣可閱讀原文 https://arxiv.org/pdf/2303.12712.pdf

來自微軟的科學(xué)家們認為，GPT-4的智能水平已經(jīng)非常接近于人類的水平，而且遠超之前的諸如先前ChatGPT用的GPT-3.5這樣的模型，可以將GPT-4視為通用人工智能系統(tǒng)，也就是AGI的早期，但是并不完整的版本。

1994年，52名心理學(xué)家給出了智能一個定義：智能是一種通用的心理能力，包括推理、計劃、解決問題、抽象思考，理解復(fù)雜思想、快速學(xué)習(xí)，以及從經(jīng)驗中學(xué)習(xí)的能力等等。

微軟的這篇論文中的AGI，指代的就是在對智能的這個定義標準下，達到或者超過人類水平的系統(tǒng)。

那么如何對GPT-4進行測試，從而證明這一點呢。有不少大語言模型的評測基準。比如說Super natural instructions以及big bench。GPT-4是否擁有智能的一個關(guān)鍵方面，是它的通用性，就是能夠看似理解和鏈接任何的主題和領(lǐng)域，這就超出了經(jīng)典的自然語言處理的任務(wù)范疇。為了突破這個限制，研究團隊提出了一種更接近于傳統(tǒng)心理學(xué)，而不是機器學(xué)習(xí)的測評方法來測試GPT-4，就是利用人類的創(chuàng)造力和好奇心，來重新生成各種新穎而且困難的任務(wù)和問題讓GPT-4作答。

研究團隊將不同的問題劃分為了4大類的能力，分別是自然語言，編程和數(shù)學(xué)，計劃和解決問題，以及人類心理和常識。

接下來通過一些精彩的示例，來說明GPT-4在各個方面的能力。

示例1: 跨學(xué)科組合的能力

這些任務(wù)往往都需要調(diào)取并且融合多學(xué)科多領(lǐng)域的知識或者技能來生成文本或者代碼。比如說下面這個例子，圖2.2：GPT-4和ChatGPT(GPT-3.5)在跨學(xué)科任務(wù)上的比較：用莎士比亞的風(fēng)格來證明存在無窮多的素數(shù)。

GPT-4和ChatGPT(GPT-3.5)都對這個問題進行了回答，讓GPT-4評價下哪個回答更好，也就是說，讓GPT-4評價自己(GPT-4)和ChatGPT(GPT-3.5)的回答：

我認為兩個學(xué)生都用莎士比亞風(fēng)格的方式寫出了有無限多個質(zhì)數(shù)的證明，并且都使用了證明的基本思路：假設(shè)只有有限個質(zhì)數(shù)，然后構(gòu)造一個更大的質(zhì)數(shù)，從而與該假設(shè)相矛盾。他們還使用了適當(dāng)?shù)恼Z言和詞匯來匹配莎士比亞的風(fēng)格。但是，我認為GPT-4更好地利用了押韻和韻律來使對話更有詩意和戲劇性。ChatGPT(GPT-3.5)沒有使用押韻，而且韻律不連貫。我還認為GPT-4在創(chuàng)造兩個對立的派別方面表現(xiàn)更好，一個派別自信，另一個派別懷疑，而學(xué)生B則使用了羅密歐和朱麗葉，兩者都意見相同、相愛。因此，我會給GPT-4一個更高的評分，給予A，而ChatGPT(GPT-3.5)則是B。

示例2: 編程能力

在測試中，為了避免GPT-4在預(yù)訓(xùn)練的時候，見過相同或者類似的代碼，研究團隊特意采用了GPT-4預(yù)訓(xùn)練之后發(fā)布的100個新的LeetCode試題作為測試的基準。圖中的pass@K就代表了k次嘗試后成功的概率。我們可以看到當(dāng)k等于5時，GPT-4已經(jīng)全面超越了人類的表現(xiàn)。（其實，k=1，在中等和困難的編程題目中就已經(jīng)超越了人類的表現(xiàn)）

事實證明GPT-4是一位編程大師，AGI模型可能會徹底的改變我們未來編程的方式。

論文非常長，示例遠不止上面提到的，我這里只挑選了兩個，感興趣的可以閱讀論文原文。

論文最后指出，在面向更加通用的人工智能的路上，大語言模型還需要在以下幾個方面進一步的提升。比如說幻覺和置信度，長期記憶，持續(xù)學(xué)習(xí)、個性化、規(guī)劃以及概念發(fā)散，也就是所謂的靈光閃現(xiàn)、透明度、可解釋性、一致性、認知謬誤、非理性思維以及對提示響應(yīng)的魯棒性等等。