¿Cuáles son las características especiales de GPT-4?
- GPT-4 es el sistema más avanzado de OpenAI y ofrece respuestas más seguras y útiles.
- GPT-4 es más creativo y colaborativo que nunca. Puede generar, editar e iterar tareas de escritura creativas y técnicas en colaboración con los usuarios, como componer canciones, redactar guiones o aprender el estilo de escritura de un usuario.
- GPT-4 puede resolver problemas difíciles con mayor precisión debido a su amplio conocimiento general y capacidades de resolución de problemas.
- GPT-4 puede aceptar imágenes como entrada y generar subtítulos, clasificaciones y análisis de imágenes (aún no disponible en ChatGPT).
- GPT-4 es mejor en sus capacidades avanzadas de razonamiento.
Se han dedicado 6 meses a hacer GPT-4 más seguro y mejor alineado. En evaluaciones internas, GPT-4 es un 82% menos propenso a responder a solicitudes de contenido inapropiado y un 40% más probable que GPT-3.5 a proporcionar respuestas factuales. El enfoque de aprendizaje profundo sigue la dirección de investigación de GPT, GPT-2 y GPT-3, y utiliza más datos y más potencia de cómputo para desarrollar modelos de lenguaje cada vez más sofisticados y poderosos.
Seguridad y Coherencia
Entrenamiento con retroalimentación humana
Se ha incrementado la integración de la retroalimentación humana en la mejora del comportamiento de GPT-4, incluyendo la retroalimentación de los usuarios de ChatGPT. Más de 50 expertos fueron consultados para proporcionar retroalimentación temprana en áreas como la seguridad y la aseguración de la IA.
Mejora continua a través del uso real
Las experiencias del uso real de modelos anteriores se han utilizado e integrado en el sistema de investigación y monitoreo de seguridad de GPT-4. Al igual que con ChatGPT, se realizan actualizaciones y mejoras regulares a medida que más personas utilizan GPT-4.
Investigación de seguridad asistida por GPT-4
Las avanzadas capacidades de razonamiento y seguimiento de instrucciones de GPT-4 han acelerado el trabajo de seguridad. Utilizando GPT-4, se crearon datos de entrenamiento para ajustes de modelos y se iteraron clasificadores a través de entrenamiento, evaluaciones y monitoreo.