Eh bien, il y a une bonne nouvelle pour les fans d’IA générative. Mais aussi une mauvaise nouvelle pour ceux qui s’inquiètent d’un avenir plein de contenu bon marché et généré de manière procédurale. Le modèle de langage GPT-4 d’OpenAI est meilleur que GPT-3, qui a été utilisé pour exécuter ChatGPT, le chatbot qui est devenu viral à la fin de l’année dernière. Les différences sont très claires, selon les propres rapports d’OpenAI.
Par exemple, OpenAI indique que GPT-3 a échoué à un examen du barreau simulé avec des scores terribles dans les 10 % inférieurs, tandis que GPT-4 a obtenu des résultats parmi les 10 % supérieurs au même examen. La plupart des gens qui n’ont jamais fait ça “examen du barreau simulé” sera impressionné rien qu’en voyant comment cela fonctionne.
Et par rapport à d’autres modèles, le nouveau s’en sort bien, mais pas aussi bien que ses résultats aux tests pourraient le faire penser. En fait, sur certains de nos tests, GPT-3 a donné la meilleure réponse. Pour être clair, le public ne peut pas essayer toutes les choses dont OpenAI a parlé lors de son lancement hier.
A lire aussi : Bing AI Chatbot Vs Open AI ChatGPT ! Les chatbots sont-ils meilleurs que ChatGPT ?
Ce qui est particulièrement intéressant, c’est qu’il peut prendre des images en entrée et les transformer en texte. Cela signifie qu’en théorie, il pourrait répondre à des questions telles que, où devriez-vous construire une boutique sur une capture d’écran de Google Earth ? Nous n’avons cependant pas pu en être sûrs.
Qu’y a-t-il de mieux entre ChatGPT 4 et ChatGPT 3 ?
Dans cet article, nous allons plonger dans le monde de l’intelligence artificielle (IA) et examiner de plus près deux des algorithmes d’IA les plus avancés en cours d’élaboration : GPT-3 et GPT-4. Nous comparerons ces algorithmes en fonction de leurs fonctionnalités, de leur efficacité et de leur utilisation. Cela vous montrera en quoi ils sont différents et lequel est le plus excitant. Cet article vous donnera des informations utiles sur l’avenir de l’IA, que vous soyez intéressé par la technologie ou que vous travailliez dans les affaires. Alors, commençons!
Une révolution dans l’optimisation
Le fait qu’ils prennent beaucoup de temps et d’argent pour se former est l’un des plus gros problèmes avec les modèles linguistiques. Les entreprises choisissent souvent d’échanger la précision contre un prix inférieur, ce qui rend les modèles d’IA moins bons qu’ils pourraient l’être. L’IA n’est souvent enseignée qu’une seule fois, ce qui signifie qu’elle n’obtient pas le meilleur ensemble d’hyperparamètres pour des éléments tels que le taux d’apprentissage, la taille du lot et la longueur de la séquence, entre autres.
Auparavant, les gens croyaient que la taille d’un modèle était le facteur le plus important de son bon fonctionnement. C’est pourquoi de grandes entreprises comme Google, Microsoft, Facebook et d’autres ont dépensé beaucoup d’argent pour construire les plus gros systèmes possibles. Mais cette méthode ne tenait pas compte de la quantité d’informations fournies aux modèles.
Récemment, il a été démontré que l’un des moyens les plus importants d’améliorer les performances consiste à régler les hyperparamètres. Mais des modèles plus grands ne peuvent pas être construits de cette façon. À plus petite échelle, il en coûte beaucoup moins cher pour entraîner de nouveaux modèles de paramétrage. Ensuite, les hyperparamètres peuvent être déplacés vers un système plus grand presque gratuitement.
Comme c’est le cas, GPT-4 n’a pas besoin d’être beaucoup plus grand que GPT-3 pour être plus fort. Son optimisation est basée sur l’amélioration de choses autres que la taille du modèle, comme l’obtention de meilleures données, mais nous ne connaîtrons pas l’ensemble de l’image tant qu’elle ne sera pas publiée. Un GPT-4 bien réglé qui utilise les meilleures tailles de modèle, le bon nombre de paramètres et le bon ensemble d’hyperparamètres peut faire des gains énormes dans tous les benchmarks.
A lire aussi : Choses que vous n’aviez aucune idée que Chat GPT peut faire ! Plongez et vérifiez
Plus petit mais plus puissant
GPT-4 n’est peut-être pas beaucoup plus grand que GPT-3. Le nouveau modèle réfute l’idée que la seule façon de s’améliorer est de grossir en donnant aux paramètres d’apprentissage automatique plus de poids que de taille. Même s’il sera toujours plus grand que la plupart des réseaux de neurones du passé, sa taille ne sera pas aussi importante pour son bon fonctionnement. Certains des logiciels de langage les plus récents utilisent des modèles plus de trois fois plus gros que GPT-3.
Mais plus grand ne signifie pas toujours que quelque chose fonctionne mieux. D’un autre côté, il semble que la formation à l’intelligence numérique se fasse mieux avec des modèles plus petits. De nombreuses entreprises obtiennent de meilleurs résultats en passant à des systèmes plus petits. Ils peuvent non seulement améliorer leurs performances, mais aussi réduire leurs coûts de calcul, leur empreinte carbone et les barrières à l’entrée.
Une énorme amélioration des performances par rapport à GPT 3
GPT-4 est censé être beaucoup plus rapide que GPT-3, et il facilitera également la création de texte qui bouge et agit comme une personne. GPT-4 est plus flexible et peut faire plus de choses. Il peut traduire des langues, résumer des textes et faire d’autres choses. Lorsqu’il est utilisé pour former des logiciels, il sera mieux à même de comprendre ce que veulent les utilisateurs, même lorsque les humains font des erreurs.
Moins d’hallucinations que GPT 3
GPT-3 aime toujours autant halluciner. Pour que les mauvaises réponses sonnent juste, vous devez beaucoup changer la géographie. Par exemple, le pont symbolique dont on parle en Corée est proche de la Corée du Nord, mais les deux côtés sont en Corée du Sud. GPT-4 était plus prudent.
Il a dit qu’il ne savait rien du présent et a donné une liste beaucoup plus courte qui était également un peu décalée. Les gens ont des idées différentes quant à savoir si oui ou non la ligne sur une carte entre Gaza et Israël est même une frontière nationale, mais la réponse de GPT-4 est meilleure que celle de GPT-3. Dans quelques tests, GPT-3 tombe dans d’autres pièges logiques que GPT-4 a pu éviter.
A lire aussi : Open AI lance ChatGPT et Whisper API ! Découvrez tous les avantages et inconvénients.
De plus, la plupart des poèmes que les gens écrivent ne sont pas très bons. Étant donné que GPT-3 est censé agir comme une personne, se moquer de sa mauvaise poésie n’était pas vraiment une fouille dans la technologie elle-même. Pourtant, il est beaucoup plus facile de lire les absurdités dans GPT-4 que dans GPT-3.
Conclusion
GPT-4 est susceptible de continuer à avoir un effet sur l’activité de création de logiciels. L’IA peut aider les développeurs lorsqu’ils écrivent du code pour de nouveaux logiciels. Cela les aidera à automatiser la plupart des tâches qu’ils faisaient à la main et qu’ils faisaient encore et encore. Dans le domaine des modèles de langage, GPT-3 et GPT-4 sont des avancées très importantes.
Même si GPT-4 n’est pas encore sorti, il est susceptible d’avoir de nombreux changements qui rendront ces puissants modèles de langage encore plus flexibles. Il sera intéressant de voir comment ces modèles changeront à l’avenir, car ils pourraient complètement changer la façon dont nous parlons aux robots et dont ils comprennent le langage naturel.
GPT-4 est un grand pas en avant pour la technologie qui fonctionne avec le langage naturel. Cela pourrait être un outil très utile pour quiconque a besoin de créer du texte. L’objectif principal de GPT-4 est de faire en sorte que les choses fonctionnent mieux et de mieux utiliser les ressources. GPT-3 a été utilisé de différentes manières, ce qui montre à quel point la technologie est populaire et tout ce qu’elle peut faire de plus.
Il est configuré pour tirer le meilleur parti des petits modèles au lieu de compter sur les grands. S’ils sont suffisamment optimisés, les petits modèles peuvent suivre et même battre les grands. De plus, l’utilisation de modèles plus petits vous permet de créer des solutions à la fois moins chères et meilleures pour l’environnement.
Piyusha écrit tous les articles et nouvelles les plus récents sur la technologie et les problèmes liés à la technologie. Elle aime particulièrement la technologie, les instruments modernes et tout ce qui se trouve entre les deux. Elle aime regarder des vidéos et lire sur la technologie, elle convient donc parfaitement à notre catégorie technologie.