OPEN AI 正式推出 GPT-4，透過大量資料訓練，改善原本 GPT-3 的問題，並產生更多創造力，不僅可以解讀圖片，回答也變得更精準，但仍有不少人對使用 AI 語言模型有許多顧慮，台灣科技媒體中心邀請專家說明，ChatGPT 就是一個會超級多語言的口譯員。
GPT-4 仍有一定模型偏見
中央大學資訊電機學院資訊工程學系教授蔡宗翰表示，GPT-4 透過學習大量的文字和圖像資料，獲得更高的創造力和想像力，能生成更有趣和獨特的文字和圖像描述，並具備解讀圖片的能力，可以從圖像中發掘關鍵資訊，生成相關的文字描述。
蔡宗翰提醒，GPT-4 在生成文字時可能會編造非事實性的回答，而這可能會對使用者造成誤導和負面影響，所以可以考慮引入更多的事實驗證機制和檢查機制，同時需要給予模型更加高品質的訓練資料。
蔡宗翰認為，語言模型的訓練資料可能存在一定的模型偏見，例如性別、種族、文化背景等方面的偏見，為了解決這個問題，需要更加細緻的調整和訓練模型，同時更加嚴格的審查和檢查模型的輸出結果。
GPT-4 是一個會超級多語言的口譯員
政治大學傳播學院助理教授李怡志說明，一般人因為先會使用 Google 才會使用 ChatGPT，所以常以 Google 的概念來看 ChatGPT，Google 是一個資料索引目錄，當你輸入關鍵字，索引目錄協助你找到資料。
李怡志表示，ChatGPT 是學習資料後建立模型，當你輸入提示，ChatGPT 會解讀你的提示之後，給你 GPT 學會的東西，若將這兩個角色擬人化後，Google 是一個圖書館員，它不會告訴你任何東西，只會幫你找東西，而 ChatGPT 是一個會超級多語言的口譯員，它不會幫你找東西，但是很愛幫你「翻譯」或「轉譯」，並樂於自己補充，簡單來說，前者是用「查」，後者用「翻譯」。
李怡志建議，使用 ChatGPT 比較好的方式是讓它好好地「翻譯」，讓它提供開放型的內容，也就是說，如果內容有明確的「是非對錯」，最好不要完全依賴它，但如果答案只有「好壞高下」，那麼可以開始練習如何使用它。
李怡志說明，如果看到一篇文章，已經註明利用 ChatGPT 或人工智慧工具完成或協作，那就要假設裡面的事實可能有錯、會腦補，但假如沒有註明，那就跟平常看到任何文章一樣，隨時保持注意，保持懷疑，若對內容有任何疑慮，就回頭求助圖書館員。
GPT-4 文字處理效率更好
政治大學應用數學系副教授兼學務長蔡炎龍表示，GPT-4 比 GPT-3 更優秀的是能一次看超過 25,000 個字，這比 GPT-3 大約只能看 2,048 個字好非常多，這也是為什麼長一點的文章，要 GPT-3 作摘要就無法做得那麼好。
蔡炎龍指出，GPT-4 的限制，最主要來自它其實只是「用前一個字預測下一個字」的模型，只是依過去訓練的經驗，覺得放哪個字合理，不是真的基於事實，但 GPT-4 的重點不是它還能更強，而是現在就可以怎麼使用它。
蔡炎龍引用 Microsoft 執行長納德拉（Satya Nadella）說明，要讓 GPT-4 產生有用、正確的東西是使用者的責任，而文字生成模型並不是有意識的提供不正確的資訊，所以刻意要造假消息的，用 GPT-4 不一定能更快速造出一個人要的假消息。
蔡炎龍強調，這說不定反而會讓大家更認為，堅持把關文字的媒體、出版社，或是知名人物才是值得信賴的。相反的，照片、影片和聲音，反而不會再被大家認為是「有圖有真相」，未來可能要即早思考如何因應。
GPT-4 錯誤仍高須辨識
師範大學圖書資訊學研究所特聘教授曾元顯說明，GPT-3.5、GPT-4 是進一步用人類導師的導引以及強化學習的方式加以訓練，抑制較差的輸出、獎勵較好的回應，所以誤導、偏見的資訊並沒有從 ChatGPT、GPT-4 中刪除，只是被抑制，但仍然可能由某種提示被引導出來。
曾元顯表示，GPT-4的限制跟前一代一樣，仍舊會有無中生有、推理錯誤、各種偏見（如性別、種族、職業等偏見）、不理解訓練資料之後發生的事物，因為訓練資料只到 2021 年 9 月的網路資料，因此使用仍須小心，必須盡力求證，但 GPT-4 回應出事實的能力仍比前一代高出 40%。
曾元顯補充，其實最近有些研究可降低 GPT-4 對社會的負面衝擊，某種程度上可以偵測 AI 生成的文句、協助偵測 GPT 生成的文字，以及協助辨別是否有錯用 AI 文字而有欺騙、造假、不公平的情事等。
（首圖來源：Unsplash）
科技新報粉絲團
加入好友
訂閱免費電子報
