如果你对GPT-4V带来的广泛经济变革想要深入研究兴趣，这篇《LMM的黎明：与GPT-4V(ision)的初步探索》论文有着

如果你对GPT-4V带来的广泛经济变革想要深入研究兴趣，这篇《LMM的黎明：与GPT-4V(ision)的初步探索》论文有着深入原理、行业应用层面的讨论（图9）。Enjoy～https://arxiv.org/abs/2309.17421当然，这些令人振奋的演示背后，AI教育专业人士也不断提醒表示「演示是一回事，实际使用是另一回事。」AI模型还会犯错，值得我们保持批判性思考，不断在日常生活和工作流持续探索。欢迎来到AI多模态的新时代～

GPT-4V 开启了AI 多模态时代

GPT-4V开启了AI多模态时代越来越多人拿到ChatGPT新的多模态能力，让我们先望梅止渴，看看海外玩家们如何探索出的大批新场景和应用案例；相信你也和我一样能意识到，GPT-4V正在推动世界进入全新的阶段。无论你是学生、父母、老师、医生、程序员、设计师、创作者、工程师，或是传统农业和制造业，都能在以下场景找到启发。教学场景。Peteryang演示了一个教育场景：他使用ChatGPT的图像识别和分析能力，他的孩子讨论了人体结构，从大脑到心脏的精确说明令人振奋。提示词只有一句：“我现在一年级。给我解释一下。”这代表着学生将进入前所未有1:1的个性化指导时代。（图1）停车场景。面对眼花撩乱的停车指示牌，Peter还请GPT-V智能识别并推理分析了一下具体的可行性，「请一句话告诉我：现在周三下午4点，我能在这停车吗？」结果秒出～（图2）饮食健康。MckayWrigley测试了GPT-4V作为健康管理工具的能力，智能分析了图片中所有的蔬菜水果「转换」成了基于热量、蛋白、脂肪的结构化数据（Json格式便于后续编程，图3）故事脚本分析。MckayWrigley还让GPT-V分析了《盗梦空间》的设计图标，发现ChatGPT对图表的结构和流程、各个部分的位置有着深入的理解，并能够连贯、智能地将其拼凑在一起。（图4）图片对照。AndrewMorgan发现GPT-V非常擅长对比图片差异。「找不同」功能看起来微不足道，但是想一想库存管理、取证扫描、甚至制造业等生产场景，他认为视觉智能的应用前景不可估量。（图5）学术研究。教授EthonMollick让GPT-4V识别了一个手稿，识别率惊人的高。他认为对于许多学术领域来说，这可能会是一件大事，特别是因为AI还可以对文本进行「推理」。（图6）室内设计。PietroSchirano请GPT-4V给出了改进建议，结合自定义说明将其进行了个性化建议中，从颜色到触感（图7）。Pietro感到难以置信！摄影技巧。Pietro还尝试GPT-4V对指定的摄影作品给建议，其专业建议的推理能力令人大开眼界。参数设置建议，如图8。

ChatGPT Siri 「快捷指令」

ChatGPTSiri「快捷指令」通过Siri启动「快捷指令」连接ChatGPTAPI，让Siri变身AI聊天助手。你可以直接和Siri说出你的问题，Siri会回答你。现在我们的Siri终于变得智能了，可以和我们对答如流！而这一切只需要一个快捷指令和APIkey就可以做到了。https://github.com/Yue-Yang/ChatGPT-Siri/blob/main/README-zh_CN.md投稿：@ZaiHuabot频道：@TestFlightCN

GPT-4论文竟有隐藏线索：GPT-5或完成训练、OpenAI两年内接近AGI

GPT-4论文竟有隐藏线索：GPT-5或完成训练、OpenAI两年内接近AGI1.ARC(AlignmentResearchCenter)是一个非营利性研究机构，其使命是使未来的机器学习系统与人类利益保持一致。ARC的目标是训练AI模型，使其不会操纵、欺骗甚至伤害人类）。OpenAI曾经选择让ARC去测试评估GPT-4会不会主动避免自己被“挂掉”，说明此前必定出现过这种情况。OpenAICEOSamAltman认为人类需要对AI做更多的监管，以符合人类的利益。OpenAI担忧科技竞赛会导致安全标准的下降、不良规范的扩散、AI发展进程的加速，加剧与人工智能相关的社会风险。但是微软CEO和CTO希望OpenAI的模型能尽快让用户用起来。可以肯定的一点是OpenAI和微软在这件事的想法是相悖的。OpenAI雇佣了预测专家，来预测当他们部署了GPT-4之后会带来怎样的风险。“超级预测员”建议将GPT-4部署时间推迟6个月，也就是今年秋季左右；但很显然，OpenAI并没有采纳他们的建议。OpenAI这么做的原因，可能是来自微软的压力。2.OpenAI会协助超越它的公司：OpenAI做出了一个非常大胆的承诺："如果另一家公司在我们之前实现了接近AGI（通用人工智能），那我们承诺不会跟它做竞争，相反，会协助完成那个项目。但这种情况发生的条件，可能是另一家公司需得在未来两年内，成功接近AGI的机会在一半或以上"而这里提到的AGI，OpenAI和Altam在官方博客中已经给出了定义——普遍比人类更聪明，并且有益于全人类的人工智能系统。3.GPT-4确实已经达到了人类的常识水平。博主在论文中找到了相关数据，在“人类”那一栏中，分数分布在了94-96.5之间。而GPT-4的95.3，便正好在这个区间之间。4.OpenAI在去年年底推出ChatGPT的时候，已经有了GPT-4。GPT-5可能已经完成训练5.像ChatGPT、GitHubCopilot这些工具导致某些工作的自动化。GPT-4的能力可以在某些特定领域中以人类10倍甚至更高的效率来完成。5.OpenAI让GPT-4学会拒绝的方法，叫做基于规则的奖励模型（RBRMs）。这种方法的工作流程：给GPT-4一组要遵守的原则，如果模型遵守了这些原则，那么就会提供相应的奖励。他认为OpenAI正在用人工智能的力量，让AI模型朝着符合人类原则的方向发展。()参考链接：[1]https://www.youtube.com/watch?v=ufQmq6X22rM[2]https://cdn.openai.com/papers/gpt-4.pdf投稿：@ZaiHuabot频道：@TestFlightCN

iPhone支持Siri操作关机 感觉电源键更耐用了

iPhone支持Siri操作关机感觉电源键更耐用了身为苹果自家的语音助手，Siri不仅可以用来拨打电话、播放音乐、查找苹果设备等，甚至还能帮你把手机关机。这不，有网友反馈称，在升级iOS16最新预览版后，iPhone已支持通过Siri来语音操控关机。据悉，此前iPhone关机必须长按电源键+音量键，而如今只需喊一下“Siri，关机”就会出现弹窗提示，提示写有“确认一下，你要关闭这台设备的电源吗？”弹窗提示下方有两个按钮，分别是“取消”和“确认”，点击“确认”按钮后即可关机。据了解，在目前iOS15.6正式版中呼叫Siri进行关机，会弹出“若要关闭你的iPhone，请按住侧边按钮和任意音量按钮三秒钟，再拖移屏幕上出现的滑块。”对于Siri语音关机这项功能，有网友表示，“电源键耐用了”“比之前方便”等等，但也有人吐槽称，“小米一直支持小爱关机”“2022年了，苹果才出这个功能”“那关机状态下，能让Siri开机吗”。PC版：https://www.cnbeta.com/articles/soft/1301619.htm手机版：https://m.cnbeta.com/view/1301619.htm

GPT-4不会图形推理？“放水”后准确率依然只有33%

GPT-4不会图形推理？“放水”后准确率依然只有33%△虚线表示16项任务的平均表现这项实验结果发表后，迅速在YC上引发了广泛热议。赞同这项结果的网友表示，GPT确实不擅长抽象图形处理，“位置”“旋转”等概念理解起来更加困难。但另一边，不少网友对这个结论也有所质疑，简单说就是：不能说是错的，但说完全正确也无法让人信服。至于具体的原因，我们继续往下看。GPT-4准确率仅33%为了评估人类和GPT-4在这些图形题上的表现，研究者使用了自家机构于今年5月推出的ConceptARC数据集。ConceptARC中一共包括16个子类的图形推理题，每类30道，一共480道题目。这16个子类涵盖了位置关系、形状、操作、比较等多个方面的内容。具体而言，这些题目都是由一个个像素块组成的，人类和GPT需要根据给定的示例寻找出规律，分析出图像经过相同方式处理后的结果。作者在论文中具体展示了这16个子类的例题，每类各一道。结果451名人类受试者平均正确率，在各子项中均不低于83%，16项任务再做平均，则达到了91%。而GPT-4（单样本）在“放水”到一道题可以试三次（有一次对就算对）的情况下，准确率最高不超过60%，平均值只有33%。早些时候，这项实验涉及的ConceptARCBenchmark的作者也做过类似的实验，不过在GPT-4中进行的是零样本测试，结果16项任务的平均准确率只有19%。而多模态的GPT-4v，准确率反而更低，在一个48道题组成的小规模ConceptARC数据集中，零样本和单样本测试的准确率分别只有25%和23%而研究者在进一步分析了错误答案后，发现人类的有些错误看上去很可能是“粗心导致”，而GPT则是完全没有理解题目中的规律。针对这些数据，网友们普遍没什么疑问，但让这个实验备受质疑的，是招募到的受试人群和给GPT的输入方式。受试者选择方式遭质疑一开始，研究者在亚马逊的一个众包平台上招募受试者。研究者从数据集中抽取了一些简单题目作为入门测试，受试者需要答对随机3道题目中的至少两道才能进入正式测试。结果研究人员发现，入门测试的结果显示，有人只是想拿钱，但根本不按要求做题。迫不得已，研究者将参加测试的门槛上调到了在平台上完成过不少于2000个任务，且通过率要达到99%。不过，虽然作者用通过率筛人，但是在具体能力上，除了需要受试者会英语，对图形等其他专业能力“没有特殊要求”。而为了数据的多样化，研究者在实验后期又将招募工作转到了另一个众包平台，最终一共有415名受试者参与了实验。尽管如此，还是有人质疑实验中的样本“不够随机”。还有网友指出，研究者用来招募受试者的亚马逊众包平台上，有大模型在冒充人类。再来看GPT这边的操作，多模态版本比较简单，直接传图然后用这样的提示词就可以了：零样本测试中，则只要去掉相应的EXAMPLE部分。但对于不带多模态的纯文本版GPT-4（0613），则需要把图像转化为格点，用数字来代替颜色。针对这种操作，就有人表示不认同了：把图像转换成数字矩阵后，概念完全变了，就算是人类，看着用数字表示的“图形”，可能也无法理解OneMoreThing无独有偶，斯坦福的华人博士生JoyHsu也用几何数据集测试了GPT-4v对图形的理解能力。这个数据集发表于去年，目的是测试大模型对欧氏几何的理解，GPT-4v开放后，Hsu又用这套数据集给它测试了一遍。结果发现，GPT-4v对图形的理解方式，似乎“和人类完全不同”。数据上，GPT-4v对这些几何问题的回答也明显不如人类。论文地址：[1]https://arxiv.org/abs/2305.07141[2]https://arxiv.org/abs/2311.09247参考链接：[1]https://news.ycombinator.com/item?id=38331669[2]https://twitter.com/joycjhsu/status/1724180191470297458...PC版：https://www.cnbeta.com.tw/articles/soft/1398629.htm手机版：https://m.cnbeta.com.tw/view/1398629.htm