微软德国表示，GPT-4 将于下周推出——它将是多模式的

正如微软德国首席技术官 Andreas Braun 在 2023 年 3 月 9 日的 AI 启动活动中提到的那样，GPT-4 的发布迫在眉睫。

(Bild: maxuser/Shutterstock.com)

GPT-4将于下周发布：在2023年3月9日举行的一场大约一个小时的混合信息活动“AI in Focus - Digital Kickoff”上，四名微软德国员工详细介绍了像GPT系列这样的大型语言模型（LLM）作为公司及其Azure-OpenAI提供的破坏性力量。启动活动以德语进行，新闻媒体Heise也在现场报道。微软德国首席技术官兼数据与人工智能领导Andreas Braun随口提到了即将发布GPT-4的事实。自从三月初Kosmos-1发布以来，微软正在通过OpenAI调整多模式功能已经不再是秘密。

微软德国首席技术官兼 Microsoft Digital Kickoff 数据和 AI STU 主管 Andreas Braun 博士：“KI im Fokus”（图片来源：微软）

“我们将在下周介绍GPT-4”

我们将在下周介绍GPT-4，那里我们将拥有多模型，提供完全不同的可能性 - 例如视频。Braun表示，LLM是“改变游戏规则”的技术，因为它们教会机器理解自然语言，并以统计方式理解先前仅可由人类阅读和理解的内容。与此同时，该技术已经发展到基本上“适用于所有语言”：您可以用德语问问题并获得意大利语的答案。通过多模式，Microsoft（-OpenAI）将使这些模型更加全面。

破坏和“杀死老宠儿”

Braun与微软德国CEO Marianne Janik一起，就公司中人工智能所带来的颠覆性进行了讨论。Janik强调了人工智能的价值创造潜力，并谈到了一个时间的转折点——当前的人工智能发展和ChatGPT是“iPhone时代”的体现。她说，这不是要取代工作岗位，而是以不同于以前的方式完成重复性任务。在公共讨论中经常被忽视的一点是，“我们在德国公司仍然有很多遗产”，并且“保留旧宝藏已经多年”。

颠覆并不一定意味着失业。Janik强调，“需要许多专家使得AI使用具有增值效果”。传统职业描述正在改变，并因新可能性而出现令人兴奋的新职业。她建议企业组建内部“能力中心”，可以培训员工使用AI并汇集项目想法。“应考虑老爱好者迁移”的问题。

德国工业的颠覆：微软德国首席执行官 Marianne Janik 在“KI im Fokus”上的主题演讲（图片：微软）

此外，首席执行官强调微软不使用客户数据来训练模型（然而，根据OpenAI的ChatGPT政策，这至少不适用于他们的研究合作伙伴OpenAI）。Janik谈到了“民主化”，她承认这只是指在Microsoft产品范围内立即可用的模型，并特别提到通过将人工智能集成到Azure平台、Outlook和Teams中广泛提供。

今天已经可以实现的使用案例

克莱门斯·西伯（高级人工智能专家）和霍尔格·肯恩（微软德国业务发展AI和新兴技术首席技术官）提供了实用的AI使用见解和他们团队目前正在开发的具体用例，同时也介绍了技术背景。肯恩解释了多模态AI是什么，它不仅可以将文本相应地转换为图像，还可以转换为音乐和视频。他谈到嵌入式表示法，这种表示法在模型中用于文本的内部表示，并且除了GPT-3.5模型类之外还使用。根据肯恩的说法，负责任的AI已经内置在微软产品中，“数百万个查询可以通过云映射到API”。大多数观众可能都同意他对基本评估的看法，即现在是开始入手的时候。特别是在编程领域，在Codex和Copilot等模型下更容易创建样板代码。

首席技术专家 Business Development AI & Emerging Technologies Holger Kenn 博士生动地解释了多模式的工作原理（图片：微软）

克莱门斯·西布勒（Clemens Siebler）用案例说明了今天已经可以实现的事情。例如，语音转文本电话可以被记录下来，呼叫中心的代理商就不再需要手动总结和输入内容。据Siebler称，这可以为荷兰一家大型微软客户节省500个工作小时，该客户每天接收30,000个电话。而且该项目的原型在两小时内创建完成，并由单个开发人员在两周内实现（加上最终实施所需的时间）。根据他的说法，三种最常见的用例是回答只有员工才能访问公司知识、AI辅助文件处理以及通过处理呼叫和响应中的口头语言进行半自动化处理。

2023 年 3 月 9 日在微软德国举行的数字启动活动“AI in Focus”（图片：微软）

当被问及操作可靠性和事实准确性时，Siebler表示AI并不总是能够正确回答问题，因此有必要进行验证。微软目前正在创建信心指标来解决这个问题。客户通常仅在自己的数据集上使用AI支持，主要用于阅读理解和查询库存数据，在这些领域模型已经非常准确。然而，模型生成的文本仍然具有生成性质，并且难以验证。“我们围绕它建立了一个反馈循环，包括赞成和反对”，Siebler说道——这是一个迭代过程。有趣的是，在四名微软员工中没有人评论公司自己搜索引擎“新必应”的AI整合情况。最后一场讨论小组不接受观众提问，并且只允许预先注册的参与者进入会议现场。

文章来源：heise online   作者：Von Silke Hahn