GPT-4 ओपनएआई द्वारा विकसित एक बड़ा भाषा मॉडल है, जिसे 14 मार्च 2023 को इसकी Generative pre-trained transformer श्रृंखला में चौथे मॉडल के रूप में जारी किया गया था। अपने पूर्ववर्तियों के विपरीत, GPT-4 एक बहुविध मॉडल है जो छवि और पाठ दोनों इनपुट स्वीकार करता है, जिससे यह लिखित भाषा के साथ-साथ दृश्य जानकारी भी संसाधित कर सकता है। यह क्षमता कृत्रिम बुद्धिमत्ता अनुसंधान में एक महत्वपूर्ण मील का पत्थर साबित हुई, जिसने बड़े भाषा मॉडल के संभावित अनुप्रयोगों को केवल पाठ-आधारित इंटरैक्शन से परे विस्तारित किया। GPT-4 से पहले GPT-3.5 आया और बाद में GPT-5 जारी हुआ, और इसे ChatGPT और बाद में OpenAI API में एकीकृत किया गया, जिसमें GPT-4V नामक एक संस्करण विशेष रूप से छवि प्रसंस्करण के लिए डिज़ाइन किया गया था।
ओपनएआई ने GPT-4 के बारे में तकनीकी विवरण, जैसे सटीक मॉडल आकार, वास्तुकला या प्रशिक्षण हार्डवेयर, सार्वजनिक रूप से उजागर नहीं किए हैं। तकनीकी रिपोर्ट ने प्रतिस्पर्धात्मक और सुरक्षा संबंधी विचारों का हवाला देते हुए इन मापदंडों को निर्दिष्ट करने से स्पष्ट रूप से परहेज किया। पारदर्शिता की यह कमी GPT-3 जैसे पहले के मॉडलों के विपरीत थी, जिनके बारे में अधिक जानकारी उपलब्ध थी। इसके बावजूद, GPT-4 की क्षमताओं को विभिन्न बेंचमार्क और वास्तविक दुनिया के अनुप्रयोगों, जिनमें मानकीकृत परीक्षण और चिकित्सा प्रश्न-उत्तर शामिल हैं, के माध्यम से प्रदर्शित किया गया।
पृष्ठभूमि
ओपनएआई ने 2018 में पहला GPT मॉडल (GPT-1) पेश किया, जो Transformer (architecture) वास्तुकला पर आधारित था और पुस्तकों के एक बड़े कोष पर प्रशिक्षित था। अगले वर्ष, GPT-2 जारी किया गया, जो सुसंगत पाठ उत्पन्न करने में सक्षम एक बड़ा मॉडल था। 2020 में, GPT-3 GPT-2 से 100 गुना से अधिक मापदंडों के साथ उभरा, जिसने क्षेत्र को और आगे बढ़ाया। GPT-3 को GPT-3.5 में परिष्कृत किया गया, जिसने नवंबर 2022 में लॉन्च किए गए चैटबॉट उत्पाद ChatGPT को शक्ति प्रदान की। ChatGPT की सफलता ने बड़े भाषा मॉडल की क्षमता को उजागर किया, जिससे GPT-4 के विकास का मार्ग प्रशस्त हुआ।
क्षमताएँ
GPT-4 के डिफ़ॉल्ट संस्करण में 8K संदर्भ विंडो थी, जिसमें 32K टोकन तक का समर्थन करने वाला एक विशेष API संस्करण था। एक बहुविध मॉडल के रूप में, यह छवियों और पाठ को संसाधित कर सकता था, जिससे उपयोगकर्ता फ़ोटो अपलोड कर सकते थे और दृश्य सामग्री के आधार पर सुझाव या उत्तर प्राप्त कर सकते थे। यह क्षमता पाठ-केवल पूर्ववर्तियों से एक अलग दृष्टिकोण थी और इंटरैक्शन के नए रास्ते खोलती थी।
GPT-4 को बाहरी इंटरफेस के साथ बातचीत करने के लिए भी प्रेरित किया जा सकता था। उदाहरण के लिए, मॉडल को एक वेब खोज करने के लिए <search></search> टैग के भीतर एक क्वेरी संलग्न करने का निर्देश दिया जा सकता था, जिसके परिणाम प्रतिक्रियाओं को सूचित करने के लिए प्रॉम्प्ट में डाले जाते थे। इसने GPT-4 को पाठ भविष्यवाणी से परे कार्य करने की अनुमति दी, जैसे कि API का उपयोग करना, छवियाँ उत्पन्न करना और वेबपेजों तक पहुँचना।
नेचर में 2023 के एक लेख में कहा गया कि प्रोग्रामरों ने GPT-4 को कोडिंग सहायता के लिए उपयोगी पाया, इसकी त्रुटि की प्रवृत्ति के बावजूद। यह मौजूदा कोड में त्रुटियों को खोजने और प्रदर्शन अनुकूलन का सुझाव देने में मदद कर सकता था। एक बायोफिज़िसिस्ट ने बताया कि MATLAB से Python में एक प्रोग्राम पोर्ट करने में, जो पहले दिनों का समय लेता था, GPT-4 की मदद से "लगभग एक घंटे" तक कम हो गया। 89 सुरक्षा परिदृश्यों के एक परीक्षण में, GPT-4 ने SQL इंजेक्शन हमलों के लिए असुरक्षित कोड 5% बार उत्पन्न किया, जो 2021 के GitHub Copilot की तुलना में एक उल्लेखनीय सुधार था, जिसकी भेद्यता दर 40% थी।
नवंबर 2023 में, ओपनएआई ने GPT-4 Turbo और GPT-4 Turbo with Vision की घोषणा की, जिसमें 128K संदर्भ विंडो और काफी कम मूल्य निर्धारण था।
मानकीकृत परीक्षणों पर योग्यता
अध्ययनों ने मानकीकृत परीक्षणों के लिए चैटबॉट के उपयोग की विश्वसनीयता पर बहस की है। टॉरेंस टेस्ट ऑफ़ क्रिएटिव थिंकिंग में, GPT-4 ने मौलिकता और प्रवाह के लिए शीर्ष 1% में स्कोर किया, जिसमें लचीलेपन के स्कोर 93वें से 99वें प्रतिशतक तक थे।
चिकित्सा अनुप्रयोग
Microsoft के शोधकर्ताओं ने चिकित्सा समस्याओं पर GPT-4 का परीक्षण किया और पाया कि, विशेष प्रॉम्प्ट निर्माण के बिना, यह USMLE पर उत्तीर्ण अंक से 20 अंक से अधिक आगे निकल गया, जो GPT-3.5 जैसे पहले के सामान्य-उद्देश्य मॉडल और Med-PaLM जैसे चिकित्सा ज्ञान पर सुधारित मॉडल से बेहतर प्रदर्शन कर रहा था। इस मजबूत प्रदर्शन के बावजूद, रिपोर्ट ने चिकित्सा अनुप्रयोगों के लिए बड़े भाषा मॉडल के उपयोग में "महत्वपूर्ण जोखिमों" की चेतावनी दी, जिसमें संभावित गलत सिफारिशें और भ्रामक तथ्यात्मक त्रुटियाँ शामिल हैं। अप्रैल 2023 में, Microsoft और Epic Systems ने स्वास्थ्य सेवा प्रदाताओं को रोगी प्रश्नों का उत्तर देने और चिकित्सा रिकॉर्ड का विश्लेषण करने के लिए GPT-4-संचालित सिस्टम प्रदान करने की योजना की घोषणा की।
GPT-4o
13 मई 2024 को, ओपनएआई ने GPT-4o ("o" "ओमनी" के लिए) पेश किया, जो GPT-4 का उत्तराधिकारी है जो पाठ, ऑडियो और छवि मोडैलिटी में वास्तविक समय में आउटपुट संसाधित और उत्पन्न करता है। GPT-4o ने मानव संवाद के तुलनीय तीव्र प्रतिक्रिया समय, गैर-अंग्रेज़ी भाषाओं पर बेहतर प्रदर्शन और बेहतर दृष्टि और ऑडियो समझ का प्रदर्शन किया। यह GPT-4 के विपरीत, मुफ्त-स्तरीय उपयोगकर्ताओं के लिए भी उपलब्ध था।
सीमाएँ
अपने पूर्ववर्तियों की तरह, GPT-4 को भ्रम उत्पन्न करने के लिए जाना जाता है, जिससे ऐसे आउटपुट उत्पन्न हो सकते हैं जिनमें इसके प्रशिक्षण डेटा में शामिल नहीं की गई जानकारी शामिल हो या जो उपयोगकर्ता के प्रॉम्प्ट का खंडन करती हो। यह सीमा उच्च विश्वसनीयता की आवश्यकता वाले अनुप्रयोगों के लिए चुनौतियाँ पेश करती है।
GPT-4 में अपनी निर्णय लेने की प्रक्रियाओं में भी पारदर्शिता का अभाव है। जबकि यह अपने निर्णयों के लिए स्पष्टीकरण प्रदान कर सकता है, ये स्पष्टीकरण पोस्ट-हॉक बनाए जाते हैं, और यह सत्यापित करना असंभव है कि क्या वे वास्तविक प्रक्रिया को दर्शाते हैं। कई मामलों में, जब इसके तर्क को समझाने के लिए कहा जाता है, GPT-4 ऐसे स्पष्टीकरण देता है जो सीधे इसके पिछले बयानों का खंडन करते हैं।
2023 में, शोधकर्ताओं ने GPT-4 का ConceptARC के खिलाफ परीक्षण किया, जो अमूर्त तर्क को मापने के लिए डिज़ाइन किया गया एक बेंचमार्क है, और पाया कि यह सभी श्रेणियों में 33% से नीचे स्कोर करता है, जबकि विशेष मॉडल अधिकांश पर 60% स्कोर करते हैं, और मानव सभी पर कम से कम 91% स्कोर करते हैं। सैम बोमन, जो अनुसंधान में शामिल नहीं थे, ने सुझाव दिया कि परिणाम अमूर्त तर्क की कमी का संकेत नहीं दे सकते हैं, क्योंकि परीक्षण दृश्य है जबकि GPT-4 एक भाषा मॉडल है।
पूर्वाग्रह
GPT-4 को दो चरणों में प्रशिक्षित किया गया था। पहले, इसे अगला टोकन भविष्यवाणी करने के लिए बड़े इंटरनेट पाठ डेटासेट पर प्रशिक्षित किया गया था। दूसरे, मानव समीक्षकों ने सिस्टम को सुधारने के लिए मानव प्रतिक्रिया से सुदृढीकरण सीखने का उपयोग किया, इसे ओपनएआई की हानिकारक व्यवहार की परिभाषा, जैसे अवैध गतिविधियाँ, आत्म-हानि सलाह, या ग्राफिक सामग्री अनुरोध, के खिलाफ प्रॉम्प्ट अस्वीकार करने के लिए प्रशिक्षित किया। Microsoft शोधकर्ताओं ने सुझाव दिया कि GPT-4 संज्ञानात्मक पूर्वाग्रह जैसे पुष्टिकरण पूर्वाग्रह, लंगर, और आधार-दर उपेक्षा प्रदर्शित कर सकता है।
प्रशिक्षण
ओपनएआई ने GPT-4 के प्रशिक्षण के तकनीकी विवरण जारी नहीं किए। तकनीकी रिपोर्ट ने मॉडल आकार, वास्तुकला या उपयोग किए गए हार्डवेयर को निर्दिष्ट करने से परहेज किया। इसने बड़े डेटासेट पर पर्यवेक्षित सीखने का उपयोग करके प्रशिक्षण का वर्णन किया, जिसके बाद मानव और एआई प्रतिक्रिया के साथ सुदृढीकरण सीखने का वर्णन किया गया, लेकिन डेटासेट निर्माण, कंप्यूटिंग शक्ति और हाइपरपैरामीटर के विवरण को छोड़ दिया। रिपोर्ट ने इस निर्णय के कारणों के रूप में "प्रतिस्पर्धी परिदृश्य और बड़े पैमाने के मॉडल के सुरक्षा निहितार्थ" का हवाला दिया।
सैम ऑल्टमैन ने कहा कि GPT-4 के प्रशिक्षण की लागत $100 मिलियन से अधिक थी। यह पर्याप्त निवेश मॉडल के पैमाने और इसके विकास के लिए आवश्यक संसाधनों को दर्शाता है।
स्वागत और प्रभाव
GPT-4 की रिलीज़ ने एआई समुदाय और उससे परे महत्वपूर्ण रुचि उत्पन्न की, जो जनरेटिव एआई में तीव्र प्रगति को उजागर करती है। इसकी बहुविध क्षमताओं ने एक नया मानक स्थापित किया, जो GPT-4o और Google के Gemini जैसे बाद के मॉडलों को प्रभावित करता है। फरवरी 2023 में Microsoft के Bing Chat में GPT-4 का एकीकरण खोज और संवादात्मक एआई में व्यावहारिक अनुप्रयोगों को प्रदर्शित करता है।
मानकीकृत परीक्षणों और पेशेवर परीक्षाओं, जैसे USMLE, पर GPT-4 का प्रदर्शन शिक्षा और स्वास्थ्य सेवा में एआई की क्षमता के बारे में चर्चाओं को जन्म देता है। हालाँकि, पूर्वाग्रह, भ्रम और पारदर्शिता के बारे में चिंताएँ बनी रहीं, जिससे अधिक जिम्मेदार एआई विकास के आह्वान हुए।
विरासत
GPT-4 मार्च 2023 में ChatGPT में जारी किया गया था और 2025 तक उपलब्ध रहा, जब इसे हटा दिया गया। इसे 23 अक्टूबर 2026 को OpenAI API से भी हटा दिया गया। इसका उत्तराधिकारी, GPT-5, GPT श्रृंखला के विकास को जारी रखता है। GPT-4 द्वारा बहुविध इनपुट प्रसंस्करण की शुरुआत एआई में एक महत्वपूर्ण क्षण था, जो प्रदर्शित करता है कि बड़े भाषा मॉडल पाठ से परे दृश्य जानकारी को समझने और तर्क करने के लिए विस्तारित हो सकते हैं, जिससे अधिक बहुमुखी और एकीकृत एआई सिस्टम का मार्ग प्रशस्त होता है।