GPT-5要来了？AI行业会发生哪些剧变

从chatGPT问世至今，AI就在以月为单位飞速进化着，其模型之多，迭代之快，让很多人不不禁惊觉：人类似乎真的站在了AGI大门的边缘。

而最近，美国专利商标局(USPTO)披露的一份文件显示：OpenAI于7月18日提交了「GPT-5」的商标申请。并且已经被接收。

USPTO文件截图

尽管在今年上半年，各个AI专家、学者已经多次联合发表公开信，呼吁人们重视生成式AI的潜在风险，而OpenAI当时也宣布短期内不会有训练GPT-5的计划。

然而，科技的诱惑，终究还是让人类打破了禁忌的边界。

在这次披露的申请书中，OpenAI提到，尚未发布的GPT-5将具备众多GPT-4所没有的能力，而且几乎每一项都剑指AGI。

USPTO文件截图

那么，这样的改变，对AI和人类而言，又意味着什么？

今天，本文就将尝试从OpenAI的申请文件中披露的有限信息，对GPT-5可能的功能、变化，及所造成的影响，进行一番简单的剖析。

意大利隐私监管机构将与OpenAI代表会面，讨论ChatGPT禁令:4月5日消息，意大利隐私监管机构将于当地时间周三与OpenAI代表会面，讨论在该国暂时禁止使用ChatGPT的问题。OpenAI表示，该公司愿意同意大利当局合作，以确保遵守隐私法规。

此前消息，意大利数据保护机构对OpenAI公司非法收集用户信息展开调查。意大利个人数据保护局于3月31日宣布，即日起禁止使用聊天机器人ChatGPT，并限制开发这一平台的美国人工智能公司OpenAI处理意大利用户信息。[2023/4/5 13:45:41]

01通往AGI之路

在此次披露的文件中，OpenAI最先提到的一个变化，就是多模态功能的加强。

具体来说，GPT-5的功能包括把文本或语音从一种语言翻译成另一种语言、语音识别、生成文本和语音等。

虽然在现在的GPT-4中，用户同样可以实现不同语种间的翻译，但既然翻译功能在这里被单独挑出来，想必是重新优化过了。

那OpenAI为何会如此突出GPT-5的翻译能力？

这或许是因为，GPT走向通用的前提之一，就是尽可能缩

港大禁用ChatGPT等AI工具，为全港大学首例:金色财经报道，由美国人工智能公司OpenAI开发的语言模型ChatGPT推出后，引发关注及热议。香港大学日前向师生发出内部邮件，表明禁止在港大所有课堂、作业和评估中使用ChatGPT或其他AI工具，成为香港首间大学明文禁止在课堂等教学行为使用ChatGPT或其他人工智能工具。[2023/2/19 12:15:23]

小不同语言使用大模型的成本差距。

此前，牛津大学的研究成果显示，由于OpenAI等服务所采用的服务器成本衡量，和计费的方式的不同，英语输入和输出的费用要比其他语言低得多。

其中简体中文的费用大约是英语的两倍，西班牙语是英语的1.5倍，而缅甸的掸语则是英语的15倍。

因为像中文这样的语言有着不同、更复杂的结构，导致它们需要更高的词元化率。

例如，根据OpenAI的GPT3分词器，“你的爱意”的词元，在英语中只需要两个词元，但在简体中文中需要八个词元。

这意味着，除了英语之外的其他语言，使用和训练模型要贵得多。

而一旦翻越了“语言障碍”这道槛，无疑会直接地扫清横亘在GPT面前的这条通用性障碍。

三六零计划推出类ChatGPT产品:金色财经报道，三六零表示，公司的人工智能研究院从2020年开始一直在包括类ChatGPT技术在内的AIGC技术上有持续性的投入，但截至目前仅作为内部业务自用的生产力工具使用，且投资规模及技术水平与当前的ChatGPT 3相比还有较大差距，各项技术指标只能做到略强于ChatGPT 2。公司也计划尽快推出类ChatGPT技术的demo版产品。[2023/2/7 11:52:19]

除此之外，文件中突出的语音识别功能，看似只是一个不起眼的改动，但从某种程度上说，这也是OpenAI对GPT-5在通往AGI的道路上铺下的又一块路砖。

众所周知，在今后的大模型发展方向上，模型变得边缘化、终端化，已经成了一个愈发明显的趋势。

自从今年7月，高通发布了能在手机上运行的10亿参数大模型后，荣耀、苹果等厂商，也相继宣布要推出自身的“大模型”手机。

以手机为起点，将来的AI数据，将会越来越多地在摄像头、传感器、自动驾驶等终端侧进行处理。

而在这样的应用场景中，语音识别无疑更便捷、高效。

例如，AI语言模型可以让驾驶员可以通过语音控制车辆行驶。将驾驶员的语音指令转化为可执行的指令，例如启动、停止、加速、刹车等操作。

ECOC于2020年12月9日17:00开启对DEFI合约延期产品GPT的挖矿:据官方消息，近日，ECOC官方推出的新DEFI产品GPT，EFG持有者可以通过质押EFG来进行挖矿，从而获得GPT。质押挖矿活动在其官网通过智能合约进行，并于2020年12月9日17:00 （UTC+8）正式开始。 ?

据了解， GPT（宽限期令牌）是用于延迟抵押资产结算的令牌。 总量及流通量： token总量为10,000枚。 首期流通1000枚。 挖矿产出方式及周期： 100万枚EFG质押 90天产出总量为 9000枚GPT。不足基础质押数量，合约将自动延长挖矿周期。详情点击原文链接。[2020/12/9 14:41:37]

而类似于SIri那样存在于手机系统中的智能助手，也会优先考虑通过语音指令来进行控制。

由此可见，语音识别并非只是锦上添花，而是GPT-5进入终端侧的“标配”，

而通过在这一个个终端设备的下沉，GPT-5也将由此获得更多边缘化的、非语言的数据结构。

毕竟，大模型发展至今，能汲取的文本数据，已经差不多了，要想在通往AGI的路上再上一个台阶，这种“非文本”的数据，就显得至关重要。

02挑战专家模型

除了上述特点外，OpenAI提交的文件中还提到：“GPT-5可能还具备学习、分析、分类和回应数据的能力”。

DGPT：测试版已发布 将上线新交易所:DGPT（DigiPulse）称已于3月6日发布测试版，并将上线 Upcoin.com。DGPT现全球均价3.2美元，24小时涨幅5.96%。[2018/3/10]

从目前人工智能的发展趋势来看，这很可能是指GPT-5具备了类似智能体的主动学习能力。

而这样的能力，将会使GPT-5与以往只能被动地通过人类投喂数据，来学习新知识的模型相比，产生本质的区别。

具体来说，主动学习的能力，是指模型可以根据自身的目标和需求，自主地选择、获取和处理数据，而不是仅仅依赖于人类提供的数据。

这样可以让模型更有效地利用数据中的信息和知识，更灵活地适应不同的数据环境和任务场景，而不只是被动地接收和输出数据。

而这样的能力，在GPT-5面临一些比较陌生、垂直的领域时，就显得尤为重要。

一些特定的领域，比如医学、法律、金融等，通常有着自己特定的术语、规则和知识体系，对于普通的语言模型来说，可能难以理解和处理。

如果GPT-5具备了主动学习的能力，它可以自动地从网络上搜集和更新这些领域的相关数据，分析和分类这些领域的基本概念、重要原理和最新动态，以及回应这些领域的常见问题、典型案例和实际应用。

如此，可以让GPT-5更快地掌握这些领域的专业知识，更准确、高效地完成这些领域的相应任务。

而这一切，正是其迈向真正的通用大模型的关键。

因为如果GPT始终需要接入特定的“专家模型”，才能解决专业任务，那它就谈不上真正的“通用”。

因为这样会导致GPT对于不同领域和场景的智能能力存在差异和依赖，而且也会增加GPT与“专家模型”的沟通和协调成本，而不能保证在任何情况下都能实现高质量的服务。

此前，外媒Semianalysis就对今年3月发布的GPT-4进行了揭秘，曝光了OpenAI采用混合专家模型来构建GPT-4。

根据爆料，GPT-4使用了16个混合专家模型(mixtureofexperts)，每个有1110亿个参数，每次前向传递路由经过两个专家模型。

然而，更多的专家模型意味着更难泛化，也更难实现收敛。

这是因为每个专家模型都有自己的参数和策略，往往很难协调一致，进而使得GPT难以平衡和“顾全大局”。

而在具备了主动学习的能力后，GPT-5将有可能利用多模态的理解和推理能力，以及知识图谱和数据库，来分析和理解获取到的数据，并通过聚类算法和分类器，对相关数据进行关联和归纳。

如此，GPT-5就能根据不同的数据环境和任务场景，有效地利用数据中的信息和知识。

03取代更多工作

如前所述，在扫清了语言障碍，并以便捷的语音识别功能进入终端侧后，GPT-5将通过持续的主动学习能力，不断汲取不同场景、领域和模态下的知识，进而向着AGI的道路高速前行。

可以预见的是，当具备了这样强大“通用性”的GPT-5，开始向各领域扩散后，除了少数具有数据壁垒的行业外，大部分垂直领域的大模型，都将会逐渐黯然失色。

因为说到底，相当一部分专家或垂直大模型，本质上是某些企业算力、数据不足，无法高攀“通用大模型”，而不得不退而求其次的产物。

倘若一个通用大模型，凭借强大的学习能力，就能够精通大部分行业，那谁又会愿意繁琐地在不同的模型之间切换，并为不同的模型承担多份训练、使用成本呢？

从这点上来说，专家模型逐渐被通用模型取代，是人类在通往AGI道路上一个不可避免的历史过程。

而与此相伴的另一个现象，则是更多细分的、琐碎的工作被取代。

因为在有了更强大的通用大模型后，人们将会发现，其实很多岗位的工作内容，是可以被合并、被统合的。

产品经理和数据分析师就是一个可能的例子。

例如，在一个新产品开发的项目中，GPT-5可以根据给定的产品概念或需求，从网络上搜索相关的市场调研、竞品分析、用户画像等数据，并下载到自己的内存中。

之后，它会通过自己的多模态的理解和逻辑推理能力，以及知识图谱和数据库，来分析和理解获取到的数据。

在得到了相应的数据，并将其进行分类和组织后，GPT-5就会通过语言理解能力，从对话系统的反馈中学习相关的营销策略、用户反馈等信息，并将其与给定的产品概念或需求进行比较和评估。

如此一来，产品经理和数据分析师这两个岗位，就被高效地“合并”了。

而在通往AGI的未尽之路上，这样被合并和取代的岗位，还有无数种。

因此，一个通用性更强的GPT-5，对人类而言，既是生产力进步的福音，但同时也是行业大地震的前奏。

到了那时，许多尚不具备通用大模型能力，又缺乏行业壁垒的企业，将会如沙子堆起的城堡一样，脆弱地倒下。

而更多普通的个体，面对不断被取代的岗位，将会更深刻地感受到时代的不确定性……

标签：GPTAGISPTGPT价格GPT币AGI价格AGI币SPT币SPT价格

OKB热门资讯