GPT-4 的主要優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、翻譯或回答極其復雜的問題。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，還包括語氣和風格的翻譯，以及跨領的翻譯，如醫學、法律、會計、計算機編程、音樂等等。如假設是柏拉圖批判自回歸語言模型：

編碼和數學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 進行基準測試，該數據集由 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。

最終結果顯示，GPT-4 優于其他 LLM，包括 text-davinci-003（ChatGPT 的基礎模型）和其他專門針對代碼訓練的模型。

當然為了避免 GPT-4 在預訓練時已經記住了 HumanEval 數據集的一些內容，研究團隊還用 LeetCode 上最新發布的 100 個編程問題進行了測試，如要求 GPT-4 編寫一個 Python 函數，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。

也能掌握數學、統計學知識，以及憑借對 PyTorch、TensorFlow、Keras 等框架和庫的熟悉度，編寫深度學習的代碼。

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。

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

在測試時，因為研究人員拿到?GPT-4 模型比較早，當時并不具備多模態能力，即使是現在的 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為圖像，再與現有的圖像合成模型相結合，就有可能為應用開發的草圖帶來無限的可能：

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

智能的一個關鍵方面是互動性。不過 GPT-4 對當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，研究小組發現，GPT-4 在其上一代產品所缺乏的一系列類別中達到了接近人類水平的性能。根據該論文，GPT-4 在幾次考試中也表現得非常好，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？

那么，在 GPT-4 實現種種能力的基礎上，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 或智能的定義達成一致。然而，一般來說，大家都會同意，當一個人工智能系統有意識并像人類一樣思考時，就已經達到了 AGI。雖然 GPT-4 在一些任務中的表現優于人類，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），或者它有內在的動機和目標?！?/p>

研究人員指出，雖然 GPT-4 "在許多任務上達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 的非凡能力和挑戰的第一步，也希望 GPT-4 為開發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開辟了新的機會。

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

最后，這篇論文對于 GPT-4 各種基準測試還是值得一看，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！》

關鍵詞：