Mit großer Spannung wurde die Veröffentlichung der neuen Version des Chat-GPT-Modells erwartet, das in der Lage ist, mit Bildern umzugehen und bessere Antworten zu liefern als sein Vorgänger. Das Modell, das von OpenAI entwickelt wurde, ist eine der fortschrittlichsten künstlichen Intelligenzen auf dem Markt und wird in verschiedenen Branchen eingesetzt, um Prozesse zu automatisieren und die Effizienz zu steigern.
Mit GPT-4 können nun auch Bilder interpretiert werden
Eine Herausforderung für Künstliche Intelligenz: Die Weltkarte als Hähnchenbraten. (Foto: Twitter / Bryan Druzin)
Es gibt eine neue Entwicklung in der Welt der künstlichen Intelligenz: OpenAI hat am 14.03.2023 ihr neuestes Modell GPT-4 vorgestellt. Allerdings gibt es einen wichtigen Unterschied zu den vorherigen Modellen – GPT-4 ist nicht für jeden zugänglich. Nur zahlende Kunden oder Benutzer von Microsofts Suchmaschine Bing haben Zugang zu diesem Modell.
Mit GPT-4 steht uns eine der aufregendsten Entwicklungen im Bereich der Künstlichen Intelligenz bevor. Das neue Modell kann nicht nur Texte verstehen und generieren, sondern auch mit Bildern umgehen. Das bedeutet, dass GPT-4 zu einem multimodalen Modell geworden ist, das in der Lage ist, Informationen aus verschiedenen Datentypen zu verarbeiten. Die Kombination von Text und Bildern ermöglicht somit ganz neue Anwendungen, die bisher undenkbar waren.
Die Idee, die Weltkarte aus gebratenem Hühnchen darzustellen, stellt eine originelle Herausforderung für Künstliche Intelligenz dar. Es ist eine ungewöhnliche Art, eine bekannte visuelle Information neu zu interpretieren und in eine andere Form zu bringen. Das Meme mit den Chicken-Nuggets, die wie Kontinente angeordnet sind, zeigt auf humorvolle Weise, wie schwer es sein kann, Bilder und Informationen richtig zu verarbeiten.
In praktischen Anwendungsfällen bewährt sich das neue KI-Modell besonders gut bei der Interpretation von Infografiken. Durch seine Fähigkeit, Zahlen und Daten in solchen Grafiken zu erfassen und miteinander zu verknüpfen, kann es beispielsweise eine Statistik erklären oder die Bedeutung von Diagrammen in einem Geschäftsbericht verdeutlichen. Auch in wissenschaftlichen Papers kann das Modell eingesetzt werden, um komplexe Grafiken zu erläutern und dem Leser eine einfache Interpretation zu ermöglichen.
Mathematische Fortschritte durch GPT-4 erzielt.
Die KI-Entwickler von OpenAI haben eine Liste von für Menschen gemachten Prüfungen erstellt, um die Fortschritte des neuen GPT-4-Modells gegenüber dem Vorgänger GPT-3.5 zu zeigen. Bei einer simulierten Anwaltsprüfung konnte GPT-4 im Vergleich zur alten Version eine erhebliche Leistungssteigerung verzeichnen und erreichte ein ähnliches Niveau wie die besten zehn Prozent menschlicher Antwortgeber.
Es ist bemerkenswert, dass GPT-4 bei einer Mathematikprüfung, die von Schulabgängern abgelegt wird, eher schlecht abschnitt. Obwohl es sich hierbei um eine künstliche Intelligenz handelt, konnte es bei dieser Prüfung nicht mit menschlichen Leistungen mithalten und landete im unteren Mittelfeld der Kandidaten. Dies zeigt, dass es immer noch Bereiche gibt, in denen künstliche Intelligenz nicht mit menschlicher Intelligenz mithalten kann.
Um die Kritikpunkte an der Vorgängerversion von GPT-4 zu verbessern, hat OpenAI das Modell mit einer breiten Palette von Ideologien und Ideen trainiert. Hierdurch soll GPT-4 in der Lage sein, mit unterschiedlichen politischen Ausrichtungen und Standpunkten umzugehen und eine ausgewogenere Perspektive zu bieten.
Das Sprachmodell GPT-4 zeigt beeindruckende Fortschritte bei der Beantwortung von Fragen, die frühere Versionen überfordert hätten. So kann es nun beispielsweise die Frage „Annas Mutter hat drei Töchter: Maria und Ida ? und wie heisst die dritte?“ korrekt beantworten. Diese Fähigkeit zeigt, dass GPT-4 in der Lage ist, komplexe sprachliche Zusammenhänge zu verstehen und darauf basierend korrekte Antworten zu generieren.
In Situationen, in denen es um wichtige Angelegenheiten geht, ist es wichtig, dass GPT-4 von Menschen überwacht und kontrolliert wird. Dies liegt daran, dass das Modell zwar in der Lage ist, komplexe Probleme zu lösen und Muster in großen Datensätzen zu erkennen, aber nicht in der Lage ist, den Kontext zu verstehen oder moralische Überlegungen zu berücksichtigen.
Thomas Wolf: Huggingface hat gute Ergebnisse bei Standards, aber schwächelt in Multimodalität
Thomas Wolf, der Gründer von Huggingface, einem Unternehmen, das sich auf Open-Source-Sprachmodelle spezialisiert hat, hat in einem LinkedIn-Post die positiven Ergebnisse von Standardtests gelobt. Wolf äußerte jedoch auch seine Enttäuschung darüber, dass das Niveau der Multimodalität hinter den Erwartungen zurückbleibt. Obwohl OpenAI ein multimodales Modell angekündigt hatte, das in der Lage sein sollte, Bilder oder sogar Videos zu erzeugen, hat sich gezeigt, dass das Modell in der Praxis nicht ganz den Erwartungen entspricht.
Laut Thomas Wolf, dem Gründer von Huggingface, ist die Bezeichnung „multimodal“ für GPT-4 in der Tat angemessen, da das Modell verschiedene Arten von Daten verarbeiten kann. Allerdings ist es im Vergleich zu anderen KI-Modellen, die als multimodal bezeichnet werden, eher einfach gestrickt. Wolf kritisierte auch den technischen Bericht von OpenAI, der veröffentlicht wurde und behauptete, dass wichtige Informationen zum Training, Modell und zur Rechenleistung bewusst ausgelassen wurden.
Die Gerüchteküche rund um das kommende GPT-4-Modell hat in den letzten Wochen an Fahrt aufgenommen und viele waren davon überzeugt, dass das Modell grösser und leistungsfähiger als alle seine Vorgänger sein würde. Doch der CEO von OpenAI, Sam Altmann, hat diese Erwartungen kürzlich gedämpft und betont, dass die Gerüchte über das Modell „lächerlich“ seien.
Um das Potenzial von KI-Modellen zu maximieren, ist es wichtig zu verstehen, welche Faktoren zum Erfolg von GPT-4 beigetragen haben. Ein genaues Verständnis darüber, welche Datenmengen, Rechenleistung und Modell-Design eingesetzt wurden, könnte auch helfen, zukünftige Entwicklungen in der KI besser vorherzusagen.
