微软：多模态大模型GPT-4下周就出

最新消息是，万众期待的 GPT-4 下周就要推出了：在 3 月 9 日举行的一场名为“AI in Focus - Digital Kickoff”的线下活动中，四名微软德国员工展示了 GPT 系列等大型语言模型（LLM）的颠覆性力量，以及 OpenAI 技术应用于 Azure 产品的详细信息。

在活动中，微软德国首席技术官 Andreas Braun 表示 GPT-4 即将发布，自从 3 月初多模态模型 Kosmos-1 发布以来，微软一直在测试和调整来自 OpenAI 的多模态模型。

GPT-4，下周就出

“我们将在下周推出 GPT-4，它是一个多模态的模型，将提供完全不同的可能性 —— 例如视频（生成能力），”Braun 说道，他将语言大模型形容为游戏规则改变者，因为人们在这种方法之上让机器理解自然语言，机器就能以统计方式理解以前只能由人类阅读和理解的内容。

与此同时，这项技术已经发展到基本上“适用于所有语言”：你可以用德语提问，然后用意大利语得到答案。借助多模态，微软和 OpenAI 将使“模型变得全面”。

微软德国 CTO Andreas Braun。

改变业界

微软德国公司首席执行官 Marianne Janik 全面谈到了人工智能对业界的颠覆性影响。Janik 强调了人工智能的价值创造潜力，并表示，当前的人工智能发展和 ChatGPT 是“iPhone 发布一样的时刻”。她表示，这不是要代替人类工作，而是帮助人们以不同于以往的方式完成重复性任务。

改变并不一定意味着失业。Janik 强调说，这意味着“许多专家会开始利用 AI 实现价值增长”。传统的工作行为正在发生变化，由于新的可能性出现，也会产生全新的职业。她建议公司成立内部“能力中心”，培训员工使用人工智能并将想法整合到项目中。

此外，Janik 还强调，微软不会使用客户的数据来训练模型（但值得注意是，根据 ChatGPT 的政策，这不会或至少不会适用于他们的研究合作伙伴 OpenAI）。

微软德国 CEO Marianne Janik。

实际用例

微软的两位 AI 技术专家 Clemens Sieber 和 Holger Kenn 提供了关于 AI 实际使用的一些信息。他们的团队目前正在处理具体的用例，他们讲解了用例涉及的技术。

Kenn 解释了什么是多模态人工智能，它不仅可以将文本相应地翻译成图像，还可以翻译成音乐和视频。除了 GPT-3.5 模型之外，他还谈到了嵌入，用于模型中文本的内部表征。根据 Kenn 的说法，“负责任”的 AI 已经内置到微软的产品中，并且可以通过云将数百万个查询映射到 API 中。

Clemens Siebler 则用用例说明了今天已经成为可能的事情，例如可以把电话呼叫的语音直接记录成文本。根据 Siebler 的说法，这可以为微软在荷兰的一家大型客户每天节省 500 个工作小时。该项目的原型是在两个小时内创建的，一个开发人员在两周内完成了该项目。据他介绍，三个最常见的用例是回答只有员工才能访问的公司信息、AI 辅助文档处理和在呼叫中心处理口语的半自动化。

微软表示人们很快就会与其全新的 AI 工具见面。特别是在编程领域，Codex 和 Copilot 等模型可以更轻松地创建代码，令人期待。

当被问及操作可靠性和事实保真度时，Siebler 表示 AI 不会总是正确回答，因此有必要进行验证。微软目前正在创建置信度指标来解决此问题。通常，客户仅在自己的数据集上使用 AI 工具，主要用于阅读理解和查询库存数据，在这些情况下，模型已经相当准确。然而，模型生成的文本仍然是生成性的，因此不容易验证。Siebler 表示微软围绕生成型 AI 建立了一个反馈循环，包括赞成和反对，这是一个迭代的过程。

看来在 AI 大模型的竞争中，领先的一方也加快了脚步。微软在过去一周左右接连发布了展示多模态的语言大模型论文 Kosmos-1 和 Visual ChatGPT，这家公司显然非常支持多模态，希望能够做到使感知与 LLM 保持一致，如此一来就能让单个 AI 模型看文字图片，也能“说话”。

微软的下次 AI 活动选在了 3 月 16 日，CEO 萨蒂亚・纳德拉将亲自上台演讲，不知他们是否会在这次活动上发布 GPT-4。有趣的是，微软的活动和百度推出文心一言选在了同一天。

距离 3 月 16 日百度推出类 ChatGPT 聊天机器人还有一周时间，最近有报道称，百度正在抓紧时间赶在发布最后期限前完成任务。目前看来，百度打算分阶段推出文心一言的各项功能，并首先向部分用户开放公测。知情人士称，在春节假期过后，李彦宏就要求包括自动驾驶部门在内的全公司 AI 研究团队将英伟达 A100 支援给文心一言的开发。

我们期待下周各家科技公司能带来惊喜。