GPT: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。

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。

RSS3研发的“Web3 User Activity”插件在ChatGPT商店中上线:6月21日消息，RSS3团队宣布，由他们研发的一款名为“Web3 User Activity”的插件已经在ChatGPT商店中正式上线。“Web3 User Activity”插件搜集整合链上信息，并提供给ChatGPT。这一行动弥补了AI领域中Web3数据的缺失，使ChatGPT用户能够访问到更加全面的链上内容。[2023/6/21 21:51:41]

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。

会畅通讯：类GPT大模型对公司三维元宇宙和虚拟人产品加强作用:金色财经报道，会畅通讯在互动平台表示，公司致力于以“AI+元宇宙”的视频通讯技术为垂直行业和大型头部企业提供三维云视讯产品和服务。未来的AI+视讯是基于客户场景的，公司在较早时间已落地基于知识图谱的AI2.0产品能力，覆盖混合办公，远程三维虚拟线上会议和活动多个场景。类GPT大模型对于公司三维元宇宙和虚拟人产品有至关重要的加强作用，公司对此已有相关预研和规划，考虑基于客户需求和场景适时接入，并基于客户专业数据调优。[2023/4/3 13:41:53]

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（your affection）” 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。

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。

Hemi：WGF与AI巨头ChatGPT-4达成合作，打造未来社交新生态:据官方消息，WFG发言人founder Hemi(巴基斯坦)在官方社交媒体平台称，去中心化社交平台WGF DeSocial与AI巨头ChatGPT-4共同打造未来社交新生态。WGF DeSocial倡导公平、透明、无审查的价值观，保障用户在安全环境中自由表达观点。结合ChatGPT-4强大的语言理解与生成能力，WGF DeSocial AI处理中心为用户带来丰富、智能的内容推荐与信息筛选，以及个性化的AI对话体验，提升沟通效率，拓宽交流视野，实现智能化社交。WGF DeSocial的去中心化体系与ChatGPT-4协同保护用户隐私，为用户带来高效、愉悦的社交体验。[2023/3/15 13:05:38]

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。

摩根大通：ChatGPT等生成式人工智能模式短期内可能成为传统服务的负担:2月10日，摩根大通分析师今日表示，ChatGPT 等生成式人工智能（Generative AI）模式短期内可能成为传统服务的负担，因为它将与传统服务展开价格竞争，迫使传统服务对员工再培训，并导致传统服务竞争力下降。分析师认为，ChatGPT 对传统服务的拖累可能最大，对应用服务的拖累最小。进一步地，这类模式还将减缓印度 IT 公司的市场份额增长，并压低其服务定价。[2023/2/11 12:00:04]

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。

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。

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”。

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。

GPT突破6100USDT后出现短线下跌:据MXC抹茶行情显示，GPT在突破6100USDT后出现回调，短线下跌最高幅度为6.77%，最低价格为4614USDT。截至目前，GPT价格已经稳步回升至5500USDT。据介绍，GPT为ECOC公链上的去中心化DEFI生态项目，主要作用为进行合约延时，其获取方式为通过使用EFG进行质押挖矿（EFG已上线MXC抹茶）。挖矿计算公式为：EFG的质押数量*0.00011（24小时）。[2020/12/16 15:22:42]

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 (mixture of experts)，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。

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（如医疗）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（这在国内尤为明显）。

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……

36氪

媒体专栏

阅读更多

金色财经

Web3活动

Techub Info

区块律动BlockBeats

金色财经 善欧巴

金色早8点

比推 Bitpush News

TaxDAO

SeeDAO见道

WJB

白话区块链

标签：GPTATGHATCHASoIGPTCatgirl OptimusHatch DAOtruechain

币安币热门资讯