OpenAI hat diese Woche GPT-4 veröffentlicht und damit eine neue Generation seines KI-Modells vorgestellt. Dieses kann sowohl Text- als auch Bildeingaben verarbeiten, Textantworten generieren und seinen Vorgänger in einer Vielzahl professioneller und akademischer Benchmarks übertreffen. Microsoft bestätigte gleichzeitig, dass die neue Bing-Suche bereits mit GPT-4 läuft. Der Debüt des Modells wird somit zu einem unmittelbaren Test dafür, wie schnell Spitzentechnologie im Bereich KI den Sprung von der Forschung in den Massenmarkt schafft.

OpenAI in seiner Ankündigung als ein großes multimodales Modell, das in vielen realen Situationen zwar noch hinter dem Menschen zurückbleibt, aber laut Unternehmen bei mehreren standardisierten Tests eine Leistung auf menschlichem Niveau zeigt. Der auffälligste Vergleichspunkt ist eine simulierte Anwaltsprüfung: GPT-4 erreichte dabei ein Ergebnis, das zu den besten 10 % der Prüflinge, während GPT-3.5 im unteren Bereich lag.

Multimodale Eingaben erweitern die Interpretationsmöglichkeiten des Modells

Die größte für Nutzer sichtbare architektonische Änderung ist die Multimodalität. GPT-3.5 und die ursprüngliche ChatGPT-Anwendung arbeiten primär mit Text. GPT-4 kann sowohl Bilder als auch Text verarbeiten und die Kombination analysieren. Nutzer können so ein Foto, ein Diagramm, eine Grafik oder einen Screenshot bereitstellen und Fragen zu dessen Inhalt stellen. OpenAI stellt die Textverarbeitung zunächst über ChatGPT Plus und eine Entwickler-API-Warteliste zur Verfügung, während die Bildeingabe noch in einer eingeschränkten Forschungsphase ist.

Der beigefügte technische Bericht dokumentiert die Benchmark-Ergebnisse in den Bereichen Recht, Medizin, Mathematik, Lesen, Schreiben und weiteren Gebieten. Laut OpenAI erzielt GPT-4 auch bei mehrsprachigen Varianten gängiger Sprachmodelltests hervorragende Ergebnisse. Das Unternehmen betont jedoch, dass diese Benchmark-Ergebnisse nicht bedeuten, dass das Modell über ein zuverlässiges professionelles Urteilsvermögen verfügt oder dass es ohne Überprüfung in kritischen Situationen eingesetzt werden sollte.

Der Bericht ist auch deshalb bemerkenswert, weil er einige Informationen nicht offenlegt. OpenAI liefert vergleichsweise wenige Details zu Modellgröße, Hardware, Trainingsrechenaufwand, Datensatzkonstruktion und Architektur und verweist dabei auf das Wettbewerbsumfeld und die Sicherheitsrisiken hochleistungsfähiger Modelle. Dies stellt eine Abkehr von der umfassenderen technischen Offenlegung dar, die frühere Forschungsarbeiten zu großen Sprachmodellen begleitete, und dürfte die Debatte darüber, wie viele Informationen Entwickler zukunftsweisender Modelle veröffentlichen sollten, weiter anheizen.

Microsoft bestätigt, dass GPT-4 bereits in Bing vorhanden war

Microsoft hat am Starttag ein großes Rätsel gelöst. In einem Blogbeitragbestätigte das Unternehmen, dass die neue Bing-Suche während der gesamten Testphase mit einer angepassten Version von GPT-4 lief. Nutzer, die die Konversationssuche von Bing in den letzten fünf Wochen getestet haben, kamen daher bereits mit einer frühen Version des Modells in Kontakt.

Diese Bestätigung verdeutlicht die enge Verknüpfung zwischen der Forschung von OpenAI und der Produktstrategie von Microsoft. Microsoft hat massiv in OpenAI investiert, stellt die Azure-Infrastruktur für dessen Modelle bereit und integriert generative KI in Such- und Unternehmenssoftware. Mit dem Start von GPT-4 erhält Microsoft eine neue Modellebene, die potenziell Produkte weit über Bing hinaus unterstützen kann, selbst während Google und andere Technologieunternehmen ihre eigenen KI-Lösungen beschleunigen.

Ein zeitgleich veröffentlichter Reuters-Bericht beschrieb die Einführung als Teil eines zunehmenden Wettbewerbs darüber, wie Büroangestellte, Entwickler und Verbraucher generative KI einsetzen werden. Der Bericht merkte an, dass die Texteingabeversion für ChatGPT Plus-Abonnenten und Entwickler über eine Warteliste verfügbar ist, während die Bildeingabe noch nicht allgemein verfügbar ist.

Erste Kunden zeigen, wie schnell GPT-4 in Produkte Einzug hält

OpenAI nutzt die Zusammenarbeit mit mehreren frühen Partnern, um zu demonstrieren, dass GPT-4 als Plattform und nicht nur als neuer Chatbot konzipiert ist. Das Zahlungsunternehmen Stripe setzt das Modell für Support, Geschäftsklassifizierung und Betrugsprävention ein. Laut einer Fallstudie mobilisierte Stripe 100 Mitarbeiter, um die Anwendungsmöglichkeiten von GPT-4 zu erforschen und identifizierte Dutzende potenzieller Anwendungsfälle, darunter die Zusammenfassung von Händler-Websites und die Unterstützung von Entwicklern bei der Navigation durch technische Dokumentationen.

Auch Bildungsunternehmen experimentieren mit dem Modell. Der Sprachlerndienst Duolingo hat GPT-4-basierte Funktionen für Rollenspielgespräche und Erklärungen eingeführt, warum eine Antwort richtig oder falsch war. Die Khan Academy testet einen GPT-4-basierten Tutorassistenten. Diese Anwendungsfälle verdeutlichen einen wichtigen Unterschied zwischen einem allgemeinen Modell und einem fertigen Produkt: Das Modell liefert die Sprach- und Denkfähigkeit, während der Anwendungsentwickler festlegt, welche Informationen es erhält, wie es angesprochen wird und wo menschliche Eingriffe erfolgen.

Ein TechCrunch-Bericht nannte auch Morgan Stanley, Stripe, Duolingo und die Khan Academy als frühe Anwender. OpenAI berechnet den API-Zugang anhand der Anzahl der verarbeiteten Eingabe- und Ausgabetoken und etabliert damit ein direktes Wirtschaftsmodell für Unternehmen, die GPT-4 in ihre Software integrieren möchten, anstatt ChatGPT als eigenständigen Dienst zu nutzen.

Sicherheitsmaßnahmen verbessern das Modell, beseitigen aber nicht die Halluzinationen

OpenAI gibt an, vor der Veröffentlichung etwa sechs Monate für iterative Anpassung und Adversarial Testing aufgewendet zu haben. Die separate Systembeschreibung von GPT-4 enthält detaillierte Informationen zu Evaluierungen in Bezug auf schädliche Inhalte, Cybersicherheit, Datenschutz, Informationen zu biologischen Risiken, unzulässige Anfragen und andere Bereiche, in denen ein leistungsfähigeres Modell bei unachtsamer Implementierung größere Sicherheitsprobleme verursachen kann.

Das Unternehmen berichtet, dass GPT-4 im Vergleich zu GPT-3.5 seltener bestimmte Arten unzulässiger Inhalte produziert und bei internen Faktenprüfungen besser abschneidet. OpenAI warnt jedoch wiederholt, dass GPT-4 noch nicht völlig zuverlässig ist. Es kann Fakten fälschlicherweise annehmen, Denkfehler begehen, falsche Prämissen akzeptieren und eine selbstsichere Sprache verwenden, die die Qualität seiner Antwort überbewertet. Diese Einschränkungen sind besonders wichtig, da eine verbesserte Sprachgewandtheit und bessere Benchmark-Ergebnisse es Nutzern erschweren können, Fehler zu erkennen.

Für professionelle Anwendungen geht es nicht nur darum, ob das Modell in einer Demonstration beeindruckt. Vielmehr geht es darum, ob Organisationen Systeme entwickeln können, die Ergebnisse verifizieren, den Zugriff auf sensible Daten einschränken, das Modellverhalten protokollieren und festlegen, wann eine Antwort von einem Menschen überprüft werden muss, bevor sie Auswirkungen auf Kunden, Patienten, finanzielle Entscheidungen oder rechtliche Verfahren hat.

Die Wettbewerbsfrage verschiebt sich von der Frage, ob KI eingesetzt werden soll, hin zu der Frage, wie schnell

GPT-4 erscheint nur dreieinhalb Monate nach dem öffentlichen Debüt von ChatGPT, das generative KI von einer Spezialtechnologie zu einem Massenphänomen gemacht hat. Dieses Tempo zwingt Technologieunternehmen nun zu ungewöhnlich schnellen Entscheidungen. Microsoft hat das Modell bereits in die Suche integriert. Entwickler stehen Schlange für den API-Zugriff. Unternehmen aus den Bereichen Zahlungsverkehr, Bildung und Finanzen testen Produktionsabläufe, noch bevor die Bildverarbeitungsfunktionen des Modells allgemein verfügbar sind.

Der kurzfristige Wettbewerbsvorteil hängt daher möglicherweise weniger davon ab, wer ein Sprachmodell vorweisen kann, sondern vielmehr davon, wer es sicher mit wertvollen Daten und Arbeitsabläufen verknüpfen kann. Suchmaschinen verfügen über Webindizes. Banken haben Forschungs- und Compliance-Systeme. Bildungsunternehmen verfügen über Lehrpläne und Lernhistorien. Anbieter von Unternehmenssoftware verfügen über Kunden-, Vertriebs- und Betriebsdaten. GPT-4 kann eine allgemeine Ebene für logisches Denken und Generierung bereitstellen, doch die umgebenden Daten, Kontrollen und das Produktdesign entscheiden darüber, ob diese Fähigkeit tatsächlich von Nutzen ist.

Die Veröffentlichung von OpenAI erinnert uns auch daran, dass bessere Benchmark-Ergebnisse die grundlegenden Fragen rund um KI nicht beantworten. Das Modell ist zwar leistungsfähiger, aber in wichtigen technischen Aspekten immer noch undurchsichtig und fehleranfällig. Es kann mehr Arten von Eingaben verarbeiten, doch der Zugriff auf diese Fähigkeit wird schrittweise eingeführt. Es ist bereits in einem wichtigen Microsoft-Produkt integriert, dennoch beginnen Unternehmen erst jetzt zu verstehen, wie sie seine Nutzung regulieren sollen.

Was sich diese Woche geändert hat, ist die Ausgangslage. Die generative KI, die bei ChatGPTs Start im November noch außergewöhnlich erschien, hat nun einen leistungsfähigeren Nachfolger, eine multimodale Schnittstelle und ein wachsendes kommerzielles Ökosystem. Die Bedeutung von GPT-4 wird sich letztendlich nicht an simulierten Prüfungen messen lassen, sondern daran, ob Entwickler diese Fähigkeiten in zuverlässige Werkzeuge umsetzen können, ohne dass das Vertrauen des Modells seine Genauigkeit übersteigt.