微软：多模态大模型GPT-4就在下周，撞车百度？
欢迎关注“
计算机视觉研究院
”
计算机视觉研究院专栏
作者：Edison_G
扫描二维码 关注我们
大家都在猜 GPT-4 发布时间，现在有人提前公布答案了，还是微软自己的 CTO。
转自《机器之心》
我们知道，引爆如今科技界军备竞赛的 ChatGPT 是在 GPT-3.5 上改进得来的，OpenAI 很早就预告 GPT-4 将会在今年发布。最近各家大厂争相入局的行动似乎加快了这个进程。
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。
参考内容：
https://www.heise.de/news/GPT-4-is-coming-next-week-and-it-will-be-multimodal-says-Microsoft-Germany-7540972.html
https://news.microsoft.com/reinventing-productivity/
© THE END
转载请联系本公众号获得授权
计算机视觉研究院学习群等你加入！
计算机视觉研究院主要涉及深度学习领域，主要致力于人脸检测、人脸识别，多目标检测、目标跟踪、图像分割等研究方向。研究院接下来会不断分享最新的论文算法新框架，我们这次改革不同点就是，我们要着重”研究“。之后我们会针对相应领域分享实践过程，让大家真正体会摆脱理论的真实场景，培养爱动手编程爱动脑思考的习惯！
扫码关注
计算机视觉研究院
公众号ID｜ComputerVisionGzq
学习群｜扫码在主页获取加入方式
往期推荐
ICCV2021涨点神器：新方式在视觉类领域提升精度（附源代码）
ResNet超强变体：京东AI新开源的计算机视觉模块！（附源代码）
YOLOS：通过目标检测重新思考Transformer（附源代码）
自己觉得挺有意思的目标检测框架，分享给大家（源码论文都有）
CVPR2021：IoU优化——在Anchor-Free中提升目标检测精度（附源码）
多尺度深度特征（上）：多尺度特征学习才是目标检测精髓（干货满满，建议收藏）
多尺度深度特征（下）：多尺度特征学习才是目标检测精髓（论文免费下载）
ICCV2021目标检测：用图特征金字塔提升精度（附论文下载）
CVPR21小样本检测：蒸馏&上下文助力小样本检测（代码已开源）