OpenAI发布了GPT的最新一代版本ChatGPT-4，相比上一代，其AI能力再度提升，同时支持输入的内容不再仅限于文字，而且支持图像内容的输入，成为一个能够理解照片的人工智能。
GPT-4 能够接受图像和文本输入，输出文本，在各项测试和基准上的表现已经与人类水平相当。
Sam Altman 称，GPT-4 是“我们迄今为止最强大、对齐最好的模型”。
GPT-4 可以实现从图片中提取文字信息并输出到 HTML，比如尝试手绘一个笑话网站模型，让 GPT-4 尝试自动生成网站的原型图（程序员嗅到了危险的味道）：
手绘的笑话网站模型图
在官方宣传视频中，也演示了一段GPT-4识别手绘的网页草图的效果
而在文字问答方面，GPT-4 也有非常大的提升，它在专业领域上的回答，全方位碾压了老版本。
比如，在统一律师考试（ Uniform Bar Exam ）中，GPT-4 可以超过 90% 的人类考生，而老版本只能超过 10% 的人类考生，相当于一个是考第一名，一个是考倒数第一名。
在 GRE 数学考试中 GPT-4 可以考 163 分（ 170 分满 ）超过 80% 的考生，老版本只能超过 25% 的考生。
在 GRE 语文（ 阅读与填空 ）考试中 GPT-4 可以考 169 分（ 170 分满 ）超过 99% 的考生，而老版本只能超过 63% 的考生。
单从这两门的分数来看，GPT-4 到了可以申请哈佛、麻省理工、斯坦福大学的水平。
不只是知识渊博，GPT-4 相较于老版本，还可以成为更好的导师。
如果你提出一个问题，老版本的 ChatGPT 会一股脑的回答，而 GPT-4 可以像一名真正的人类老师一样一步一步引导、鼓励你思考并获得答案。
GPT-4 开启了多模态大模型的时代，遗憾的是，OpenAI 这次并没有公布 GPT-4 在多模态方面的技术细节。
自然语言是多模态的基础
目前 GPT-4 还只是文本+图像输入、文本输出，可以预测文本+图像不久也将实现。ChatGPT 已经带火了 NLP，GPT-4 想必对于视觉领域的研究者们也是一大机遇，也或许是一次冲击。不过，在多模态大模型中，自然语言仍被认为是核心。UCL 计算机系教授、上海数字大脑研究院院长汪军告诉 AI科技评论，Chat 构建了一个相对清晰的逻辑描述，它或许不是百分百严谨，但已经足够让我们去表达一些非常复杂的逻辑关系。但他认为，这是一个 Free power，也即是说，它可以能把这个问题表述得很清晰、但这是表象，最主要的是 Chat 里面含载的语义关系，当其他多模态来了之后，匹配上相应的语义表达，就可以迁移到其他的模态当中。
知识体系和自动化体系时代
在通过交互界面获取信息这一点上，ChatGPT 已经对用户完成了科普任务。GPT-4 出现后，Chat 将不再是大家关注的重点，GPT-4 能力的跃升正在引发大家思考 GPT 时代的产业变革将怎样发生。在前维卓CTO 张烜看来，ChatGPT 背后的时代变化，是从信息时代 AI 向用户快速提供丰富的信息，到AI直接提供完整的知识体系。ChatGPT 的贡献是提供了一个便捷易用的交互界面，让普通人都能用得起来，功不可没，GPT-4 是在此基础上的再一次飞跃。他认为，除了模型变得更大、更强以外，AI 技术本身的变化可能不显著，但从应用的角度看，新的时代已经到来。这个新时代便是知识体系和自动化的时代，AI 优化的目标是自动化地输出最终结果和完整的知识体系。
能够适应这种新形势的是以 RPA（Robotic process automation）为代表的自动流程化分发，但是目前的 RPA 起始于20年前，不适用于现在的媒体方式和交互内容，需要在文字、图像和视频化处理上加以改进，才能和 GPT 完美匹配。张烜对 AI科技评论透露，这是 GPT 影响产业的一个重要方式，也将是他接下来的创业方向。
目前，有一部分企业已经提前用上了 GPT-4，其中就包括了 Stripe、摩根士丹利和 Duolingo 等。Stripe 团队列出了50个潜在应用程序来测试 GPT-4，经过审查和测试，当中有15个原型被认为是集成到平台中的有力候选者，包括支持定制、回答有关支持的问题和欺诈检测。
最终ChatGPT会成为人们工作、学习的帮手，还是会成为替代人们的人工智能呢，我们无从得知？但是我们知道，在不断学习之下，ChatGPT势必会变得更为聪明、有用，这点不仅限于ChatGPT，更适用于所有的人。
