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。
摩根大通正开发类似于ChatGPT的AI投资咨询服务“IndexGPT”:5月26日消息，摩根大通正在开发一款类似ChatGPT的人工智能服务，为客户选择投资标的。文件显示，该银行本月申请了一个名为“IndexGPT”的产品商标，IndexGPT将利用“云计算软件和人工智能”来“分析和选择符合客户需求的证券”。
OpenAI的ChatGPT迫使整个行业都在努力应对人工智能的到来，包括高盛和摩根士丹利在内的多家银行已经开始在内部对该技术进行测试，但据华盛顿特区的商标律师Josh Gerben表示，摩根大通可能是首家打算直接向客户推出类似ChatGPT产品的老牌金融企业。（CNBC）[2023/5/26 10:41:03]
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。
OpenAI创始人：ChatGPT移动应用程序的专业订阅数量“显著增长”:金色财经报道，OpenAI创始人Sam Altman：将利用欧洲之行研究新办公室的建设。ChatGPT移动应用程序的专业订阅数量“显著增长”。[2023/5/23 15:21:05]
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（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。
谷歌宣布推出人工智能机器人Bard 与ChatGPT展开竞争:金色财经报道，据英国金融时报报道，谷歌宣布推出AI聊天机器人Bard，以试图与OpenAI的ChatGPT展开竞争。该公司正寻求在生成人工智能技术商业化的竞赛中收复失地。谷歌表示，Bard将只生成英语答案，而不是计算机代码或其他语言的答案，并将以先到先得的方式向在美国和英国的等候名单上注册的用户提供访问权限。[2023/3/22 13:18:07]
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。
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”，
OpenAI推出GPT-4文本生成AI系统:金色财经报道，OpenAI推出GPT-4文本生成AI系统。[2023/3/15 13:04:08]
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。
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。
腾讯正有序推进ChatGPT和AIGC相关方向的专项研究:2月9日消息，腾讯相关人士向记者表示，腾讯目前在ChatGPT和AIGC相关方向上已有布局，专项研究也在有序推进。腾讯持续投入AI等前沿技术的研发，基于此前在AI大模型、机器学习算法以及NLP等领域的技术储备，将进一步开展前沿研究及应用探索。（科创板日报）[2023/2/9 11:57:22]
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
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。