据了解，目前的AI聊天机器人ChatGPT，由 GPT-3.5 系列中的模型微调而成。GPT-4是未来进一步升级的模型。

　　微软德国公司的技术总监Andreas Braun表示，「有了GPT-4，AI就有可能生成文本、图像甚至视频。」而以前版本的ChatGPT只能够生成文本。」

　　GPT-4作为多模态语言的另一个强大功能在于，它可以管理不同语言的数据输入和输出。

　　比方说，你可以用西班牙语对ChatGPT提出要求，而得到的生成文本是英语。显然，这种新奇的东西对翻译工具也会有很大的帮助。

　　Braun将GPT-4描述为人工智能领域的游戏规则改变者，它将向着拥有人类的解释能力这一目标更进一步。

　　GPT，即 Generative Pre-trained Transformer，是由 OpenAI 提出的一系列非常强大的预训练语言模型。该系列模型基于互联网上的可用数据上进行训练，在 NLP（自然语言处理）方面表现卓越，可用于问答、文章生成、机器翻译、代码生成和对话 AI 等。

　　在 GPT 系列模型推出之前，传统的 NLP 模型都是针对特定任务（如分类、翻译等）进行训练的，并且往往使用监督学习，这就导致了两个问题：缺乏大量的标注数据，模型也无法概括和泛化任务。

　　于是，OpenAI 在 2018 年推出了 GPT-1，模型参数数量为 1.17 亿，通过未标注的数据训练出一种生成式语言模型，再根据特定的下游任务进行微调，将无监督学习作为有监督模型的预训练目标。

　　时隔一年后，2019 年具有 15 亿参数的 GPT-2 出现。与 GPT-1 相比，GPT-2 在结构上并没有太多创新与设计，使用了更大的数据集和更多的模型参数进行训练，以此强化并提高模型性能。

　　从 GPT-1 的 1.17 亿到 GPT-2 的 15 亿，超 10 倍的参数差距带来了性能上的飞跃。这似乎意味着，随着容量和参数量的增多，模型性能还有更大的潜力——因此，2020 年 GPT-3 的参数量翻了 100 倍：1750 亿，其预训练数据量也高达 45TB（GPT-2 是 40GB，GPT-1 约 5 GB）。

　　事实证明，海量参数确实让 GPT-3 具备了更强大的性能，它在下游任务表现的非常好。即便是复杂的 NLP 任务，GPT-3 也表现惊艳：可以模仿人类写作，编写 SQL 查询语句、React 或 JavaScript 代码等。

　　回顾 GPT-1 、GPT-2 和 GPT-3 这一路的发展，许多人对 GPT-4 寄予厚望，甚至还有消息称 GPT-4 的参数量将高达 100 万亿。