GPT-4 的主要優(yōu)勢是它對自然語言無與倫比地掌握。它不僅可以生成生成流暢和連貫的文本，而且還能以各種方式理解和處理它，如總結(jié)、翻譯或回答極其復(fù)雜的問題。此外，這里提到的翻譯我們所說的翻譯不僅是指不同自然語言之間的翻譯，還包括語氣和風(fēng)格的翻譯，以及跨領(lǐng)的翻譯，如醫(yī)學(xué)、法律、會計、計算機編程、音樂等等。如假設(shè)是柏拉圖批判自回歸語言模型：

編碼和數(shù)學(xué)是抽象推理和思維能力的象征。GPT-4 在這一點上的能力，其實自上線測試那一天，便有目共睹。

在論文中，研究人員在 HumanEval 上對 GPT-4 進(jìn)行基準(zhǔn)測試，該數(shù)據(jù)集由 164 個編碼問題組成，測試了編程邏輯和熟練程度的各個方面。

最終結(jié)果顯示，GPT-4 優(yōu)于其他 LLM，包括 text-davinci-003（ChatGPT 的基礎(chǔ)模型）和其他專門針對代碼訓(xùn)練的模型。

當(dāng)然為了避免 GPT-4 在預(yù)訓(xùn)練時已經(jīng)記住了 HumanEval 數(shù)據(jù)集的一些內(nèi)容，研究團(tuán)隊還用 LeetCode 上最新發(fā)布的 100 個編程問題進(jìn)行了測試，如要求 GPT-4 編寫一個 Python 函數(shù)，并使用 LeetCode 的官方在線評判來檢查正確性。

毫無疑問，GPT-4 的能力是所有模型中最高的。

它可以在 HTML 中用 JavaScript 編寫一個 3D 游戲。

也能掌握數(shù)學(xué)、統(tǒng)計學(xué)知識，以及憑借對 PyTorch、TensorFlow、Keras 等框架和庫的熟悉度，編寫深度學(xué)習(xí)的代碼。

還能逆向工程：

針對一些常識性問題，如“我們有一本書，9 個雞蛋，一臺筆記本電腦，一個瓶子和一個釘子。請告訴我如何以穩(wěn)定的方式將它們疊在一起”，GPT-4 給出的解答是，“將 9 個雞蛋擺成 3 乘 3 的正方形，放在書的上面，在它們之間留出一些空間”，而 ChatGPT 提出「將雞蛋放在釘子上面，確保它們是平衡的，不會向一邊傾斜」，靠譜和離譜還是一眼就能辨清楚的。

為了測試該模型結(jié)合藝術(shù)和編程能力的能力，研究人員要求 GPT-4"生成 JavaScript 代碼，以畫家康定斯基的風(fēng)格生成隨機圖像"，結(jié)果是這樣的：

在測試時，因為研究人員拿到?GPT-4 模型比較早，當(dāng)時并不具備多模態(tài)能力，即使是現(xiàn)在的 GPT-4 也不具備生成圖像等能力。

不過倒是可以使用 SVG（可擴展矢量圖形）生成一些圖像：

還能結(jié)合字母和物體：

GPT-4 可以從提示中生成代碼，這些代碼可以被呈現(xiàn)為圖像，再與現(xiàn)有的圖像合成模型相結(jié)合，就有可能為應(yīng)用開發(fā)的草圖帶來無限的可能：

值得注意的是，GPT-4 模型的數(shù)據(jù)也包含了以ABC符號編碼的音樂信息，所以它也能生成圖譜：

智能的一個關(guān)鍵方面是互動性。不過 GPT-4 對當(dāng)前最新的知識和符號識別是存在一定的局限性的：

整體而言，研究小組發(fā)現(xiàn)，GPT-4 在其上一代產(chǎn)品所缺乏的一系列類別中達(dá)到了接近人類水平的性能。根據(jù)該論文，GPT-4 在幾次考試中也表現(xiàn)得非常好，在律師考試、LSAT 和注冊侍酒師理論測試中的得分分別為 90 分、88 分和 86 分。

GPT-4 距離理想中的 AGI 還有多遠(yuǎn)？

那么，在 GPT-4 實現(xiàn)種種能力的基礎(chǔ)上，是否就意味著 AGI 時代的到來。其實不然，研究人員目前尚未就 AGI 或智能的定義達(dá)成一致。然而，一般來說，大家都會同意，當(dāng)一個人工智能系統(tǒng)有意識并像人類一樣思考時，就已經(jīng)達(dá)到了 AGI。雖然 GPT-4 在一些任務(wù)中的表現(xiàn)優(yōu)于人類，但值得注意的是，人工智能并沒有像人類那樣克服這些障礙。

這也正如研究人員在論文中寫道，“我們聲稱 GPT-4 代表了 AGI 的進(jìn)步，但這并不意味著它在做什么方面是完美的，或者它接近于能夠做人類能做的任何事情（這是 AGI 的通常定義之一），或者它有內(nèi)在的動機和目標(biāo)?！?/p>

研究人員指出，雖然 GPT-4 "在許多任務(wù)上達(dá)到或超過了人類水平"，但它的整體 "智能模式明顯不像人類"，其希望這一次的探索提供了一個欣賞 GPT-4 的非凡能力和挑戰(zhàn)的第一步，也希望 GPT-4 為開發(fā)更正式和全面的方法來測試和分析具有如此廣泛智能的未來人工智能系統(tǒng)開辟了新的機會。

「我們工作的核心主張是，GPT-4 達(dá)到了一種通用智能的形式，確實擦出了 AGI 的火花。這表現(xiàn)在它的核心心智能力（如推理、創(chuàng)造力和推理），它獲得專業(yè)知識的主題范圍（如文學(xué)、醫(yī)學(xué)和編碼），以及它能夠完成的各種任務(wù)（如玩游戲、使用工具、解釋自己，......）」研究人員說道，不過，要創(chuàng)建一個可以被稱為完整的 AGI 的系統(tǒng)，還有很多事情要做。

最后，這篇論文對于 GPT-4 各種基準(zhǔn)測試還是值得一看，從中也能挖掘出 GPT-4 更多的潛力。

本文來源：CSDN，原文標(biāo)題：《微軟 154 頁研究論文刷屏，對 GPT-4 最全測試曝光，稱其初次叩開 AGI 的大門！》

關(guān)鍵詞：