Neue KI für ChatGPT und Bing: OpenAI veröffentlicht multimodales GPT-4-Sprachmodell
Microsoft Deutschland hat im Rahmen einer KI-Kickoff-Veranstaltung GPT-4 als neues multimodales KI-Modell angekündigt. Das Modell soll nächste Woche offiziell vorgestellt werden, so Microsoft Deutschland Chief Technology Officer Andreas Braun.
Nachfolger des ChatGPT-LLM
Bei GPT-4 handelte es sich um ein von OpenAI entwickeltes multimodales Large Language Model. Multimodalität bezeichnet im Kontext von KI-Modellen die Fähigkeit, mit mehreren Typen (Modalitäten) von Ein- und Ausgaben umgehen zu können – beispielsweise neben Text auch Video und Audio. GPT steht dabei für „Generative Pre-trained Transformer“ – eine Art künstlicher neuronaler Netze, die auf einem großen Datensatz trainiert wurden, um Ausgaben generieren zu können. Die bisherigen GPT-Modelle – die zuletzt auch in dem OpenAI Chatbot ChatGPT eingesetzt wurden – arbeiteten ausschließlich auf Text. Neben den bisherigen GPT-Modellen hat Forschungspartner OpenAI Erfahrung mit generativen Modellen in anderen Modalitäten gesammelt – beispielsweise DALL-E für Text-zu-Bild- und Whisper für Audio-zu-Text-Generierung.
Interessierte Leser können mehr Details zur Funktionsweise von Language-Models im Artikel „Large Language Models und Chatbots: Die Technologie hinter ChatGPT, Bing-Chat und Google Bard“ erfahren.
Wenige Details zum Modell
Auf der Veranstaltung gab Microsoft wenige Details zu dem aufkommenden Modell. Prinzipiell wurde die künstliche Intelligenz als „Gamechanger“ beworben, die bestimmte repetitive Aufgaben erheblich erleichtern konnte. Senior KI-Specialist Clemens Sieber gab als Beispiel ein niederländisches Callcenter mit 30.000 Anrufen pro Tag, das täglich bis zu 500 Arbeitsstunden dadurch sparte, Telefonanrufe automatisch zu Text zu transkribieren. Bezüglich des Problems von Large Language Models, Fakten ohne Belege zu erfinden, äußerte Siebert, dass Microsoft an einer Feedback-Schleife arbeitet. Ein ähnliches Verfahren wird bereits aktuell bei ChatGPT eingesetzt, bei dem Nutzer Ausgaben des Modells entweder mit einem Daumen nach oben oder unten bewerten können.
OpenAI hat GPT-4 nun offiziell vorgestellt. Es soll je nach Wunsch sowohl präzisere als auch kreativere Antworten liefern können. Wie beschrieben handelt es sich um ein multimodales Sprachmodell, das neben Texteingaben auch Bildeingaben verarbeiten kann. Laut OpenAIs internen Benchmarks schneidet es deutlich besser ab als die Vorgänger und vergleichbare LLMs.
So sinkt im Vergleich zu GPT-3.5 die Wahrscheinlichkeit, dass GPT-4 auf Anfragen nach unzulässigen Inhalten reagiert, um 82 Prozent. Dass Nutzer sachliche Antworten erhalten, ist um 40 Prozent wahrscheinlicher. Auch beim „Halluzinieren“ – also dem Erfinden von Fakten – will OpenAI deutliche Fortschritte verzeichnet haben.
Limitationen bestehen aber weiterhin, völlig zuverlässig ist es nach wie vor nicht. Details zu GPT-4 liefert ein Blog-Beitrag und die Übersichtsseite, technische Hintergründe sowie sämtliche Benchmarks finden sich in einem Paper (PDF).
API für Entwickler, ChatGPT mit GPT-4 für Plus-Abonnenten
Entwickler können das Sprachmodell über die kostenpflichtige GPT-4-API nutzen, die ersten erhalten bereits einen Zugang. Bis dato ist dieser aber limitiert, die Kapazitäten sollen nun schrittweise erhöht werden. Details zum Umgang mit GPT-4 präsentiert OpenAI in einem Developer Livestream.
Abonnenten von ChatGPT Plus, dem kostenpflichtigen Premium-Dienst für 20 US-Dollar, können über die bekannte Web-App auf das neue Sprachmodell zugreifen. Verfügbar ist es mit einer dynamisch angepassten Nutzungsobergrenze.
Microsoft integriert GPT-4 in Bing und Edge
Microsoft hat bereits verkündet, GPT-4 für Bing und Edge zu nutzen. Eine frühe Version des Sprachmodells kam schon in den letzten fünf Wochen zum Einsatz.
Weitere Organisationen und Dienste, die auf das neue Sprachmodell setzen, sind Duolingo, Stripe, Morgan Stanley und die Administration von Island.