GPT-5要來了？AI行業(yè)會(huì)發(fā)生哪些劇變？
從chatGPT問世至今，AI就在以月為單位飛速進(jìn)化著，其模型之多，迭代之快，讓很多人不不禁驚覺：人類似乎真的站在了AGI大門的邊緣。
而最近，美國專利商標(biāo)局 (USPTO) 披露的一份文件顯示：OpenAI于7月18日提交了「GPT-5」的商標(biāo)申請(qǐng)。并且已經(jīng)被接收。盡管在今年上半年，各個(gè)AI專家、學(xué)者已經(jīng)多次聯(lián)合發(fā)表公開信，呼吁人們重視生成式 AI 的潛在風(fēng)險(xiǎn)，而OpenAI當(dāng)時(shí)也宣布短期內(nèi)不會(huì)有訓(xùn)練GPT-5的計(jì)劃。然而，科技的誘惑，終究還是讓人類打破了禁忌的邊界。在這次披露的申請(qǐng)書中，OpenAI提到，尚未發(fā)布的GPT-5將具備眾多GPT-4所沒有的能力，而且?guī)缀趺恳豁?xiàng)都劍指AGI。那么，這樣的改變，對(duì)AI和人類而言，又意味著什么？今天，本文就將嘗試從OpenAI的申請(qǐng)文件中披露的有限信息，對(duì)GPT-5可能的功能、變化，及所造成的影響，進(jìn)行一番簡單的剖析。1
通往AGI之路
在此次披露的文件中，OpenAI最先提到的一個(gè)變化，就是多模態(tài)功能的加強(qiáng)。具體來說，GPT-5 的功能包括把文本或語音從一種語言翻譯成另一種語言、語音識(shí)別、生成文本和語音等。雖然在現(xiàn)在的GPT-4中，用戶同樣可以實(shí)現(xiàn)不同語種間的翻譯，但既然翻譯功能在這里被單獨(dú)挑出來，想必是重新優(yōu)化過了。
那OpenAI為何會(huì)如此突出GPT-5的翻譯能力？這或許是因?yàn)椋珿PT走向通用的前提之一，就是盡可能縮小不同語言使用大模型的成本差距。此前，牛津大學(xué)的研究成果顯示，由于 OpenAI 等服務(wù)所采用的服務(wù)器成本衡量，和計(jì)費(fèi)的方式的不同，英語輸入和輸出的費(fèi)用要比其他語言低得多。其中簡體中文的費(fèi)用大約是英語的兩倍，西班牙語是英語的 1.5 倍，而緬甸的撣語則是英語的 15 倍。
因?yàn)橄裰形倪@樣的語言有著不同、更復(fù)雜的結(jié)構(gòu)，導(dǎo)致它們需要更高的詞元化率。
例如，根據(jù) OpenAI 的 GPT3 分詞器 ，“你的愛意（your affection）” 的詞元，在英語中只需要兩個(gè)詞元，但在簡體中文中需要八個(gè)詞元。這意味著，除了英語之外的其他語言，使用和訓(xùn)練模型要貴得多。而一旦翻越了“語言障礙”這道檻，無疑會(huì)直接地掃清橫亙?cè)贕PT面前的這條通用性障礙。除此之外，文件中突出的語音識(shí)別功能，看似只是一個(gè)不起眼的改動(dòng)，但從某種程度上說，這也是OpenAI對(duì)GPT-5在通往AGI的道路上鋪下的又一塊路磚。眾所周知，在今后的大模型發(fā)展方向上，模型變得邊緣化、終端化，已經(jīng)成了一個(gè)愈發(fā)明顯的趨勢(shì)。自從今年7月，高通發(fā)布了能在手機(jī)上運(yùn)行的10億參數(shù)大模型后，榮耀、蘋果等廠商，也相繼宣布要推出自身的“大模型”手機(jī)。以手機(jī)為起點(diǎn)，將來的AI數(shù)據(jù)，將會(huì)越來越多地在攝像頭、傳感器、自動(dòng)駕駛等終端側(cè)進(jìn)行處理。
而在這樣的應(yīng)用場景中，語音識(shí)別無疑更便捷、高效。例如，AI語言模型可以讓駕駛員可以通過語音控制車輛行駛。將駕駛員的語音指令轉(zhuǎn)化為可執(zhí)行的指令，例如啟動(dòng)、停止、加速、剎車等操作。而類似于SIri那樣存在于手機(jī)系統(tǒng)中的智能助手，也會(huì)優(yōu)先考慮通過語音指令來進(jìn)行控制。由此可見，語音識(shí)別并非只是錦上添花，而是GPT-5進(jìn)入終端側(cè)的“標(biāo)配”，而通過在這一個(gè)個(gè)終端設(shè)備的下沉，GPT-5也將由此獲得更多邊緣化的、非語言的數(shù)據(jù)結(jié)構(gòu)。畢竟，大模型發(fā)展至今，能汲取的文本數(shù)據(jù)，已經(jīng)差不多了，要想在通往AGI的路上再上一個(gè)臺(tái)階，這種“非文本”的數(shù)據(jù)，就顯得至關(guān)重要。2
挑戰(zhàn)專家模型
除了上述特點(diǎn)外，OpenAI提交的文件中還提到：“GPT-5 可能還具備學(xué)習(xí)、分析、分類和回應(yīng)數(shù)據(jù)的能力”。從目前人工智能的發(fā)展趨勢(shì)來看，這很可能是指GPT-5具備了類似智能體的主動(dòng)學(xué)習(xí)能力。而這樣的能力，將會(huì)使GPT-5與以往只能被動(dòng)地通過人類投喂數(shù)據(jù)，來學(xué)習(xí)新知識(shí)的模型相比，產(chǎn)生本質(zhì)的區(qū)別。
具體來說，主動(dòng)學(xué)習(xí)的能力，是指模型可以根據(jù)自身的目標(biāo)和需求，自主地選擇、獲取和處理數(shù)據(jù)，而不是僅僅依賴于人類提供的數(shù)據(jù)。
這樣可以讓模型更有效地利用數(shù)據(jù)中的信息和知識(shí)，更靈活地適應(yīng)不同的數(shù)據(jù)環(huán)境和任務(wù)場景，而不只是被動(dòng)地接收和輸出數(shù)據(jù)。而這樣的能力，在GPT-5面臨一些比較陌生、垂直的領(lǐng)域時(shí)，就顯得尤為重要。一些特定的領(lǐng)域，比如醫(yī)學(xué)、法律、金融等，通常有著自己特定的術(shù)語、規(guī)則和知識(shí)體系，對(duì)于普通的語言模型來說，可能難以理解和處理。如果GPT-5具備了主動(dòng)學(xué)習(xí)的能力，它可以自動(dòng)地從網(wǎng)絡(luò)上搜集和更新這些領(lǐng)域的相關(guān)數(shù)據(jù)，分析和分類這些領(lǐng)域的基本概念、重要原理和最新動(dòng)態(tài)，以及回應(yīng)這些領(lǐng)域的常見問題、典型案例和實(shí)際應(yīng)用。如此，可以讓GPT-5更快地掌握這些領(lǐng)域的專業(yè)知識(shí)，更準(zhǔn)確、高效地完成這些領(lǐng)域的相應(yīng)任務(wù)。
而這一切，正是其邁向真正的通用大模型的關(guān)鍵。因?yàn)槿绻鸊PT始終需要接入特定的“專家模型”，才能解決專業(yè)任務(wù)，那它就談不上真正的“通用”。因?yàn)檫@樣會(huì)導(dǎo)致GPT對(duì)于不同領(lǐng)域和場景的智能能力存在差異和依賴，而且也會(huì)增加GPT與“專家模型”的溝通和協(xié)調(diào)成本，而不能保證在任何情況下都能實(shí)現(xiàn)高質(zhì)量的服務(wù)。此前，外媒 Semianalysis 就對(duì)今年3月發(fā)布的GPT-4進(jìn)行了揭秘，曝光了OpenAI采用混合專家模型來構(gòu)建GPT-4。根據(jù)爆料，GPT-4 使用了16個(gè)混合專家模型 (mixture of experts)，每個(gè)有 1110億個(gè)參數(shù)，每次前向傳遞路由經(jīng)過兩個(gè)專家模型。然而，更多的專家模型意味著更難泛化，也更難實(shí)現(xiàn)收斂。這是因?yàn)槊總(gè)專家模型都有自己的參數(shù)和策略，往往很難協(xié)調(diào)一致，進(jìn)而使得GPT難以平衡和“顧全大局”。
而在具備了主動(dòng)學(xué)習(xí)的能力后，GPT-5將有可能利用多模態(tài)的理解和推理能力，以及知識(shí)圖譜和數(shù)據(jù)庫，來分析和理解獲取到的數(shù)據(jù)，并通過聚類算法和分類器，對(duì)相關(guān)數(shù)據(jù)進(jìn)行關(guān)聯(lián)和歸納。如此，GPT-5就能根據(jù)不同的數(shù)據(jù)環(huán)境和任務(wù)場景，有效地利用數(shù)據(jù)中的信息和知識(shí)。
3
取代更多工作
如前所述，在掃清了語言障礙，并以便捷的語音識(shí)別功能進(jìn)入終端側(cè)后，GPT-5將通過持續(xù)的主動(dòng)學(xué)習(xí)能力，不斷汲取不同場景、領(lǐng)域和模態(tài)下的知識(shí)，進(jìn)而向著AGI的道路高速前行。可以預(yù)見的是，當(dāng)具備了這樣強(qiáng)大“通用性”的GPT-5，開始向各領(lǐng)域擴(kuò)散后，除了少數(shù)具有數(shù)據(jù)壁壘的行業(yè)（如醫(yī)療）外，大部分垂直領(lǐng)域的大模型，都將會(huì)逐漸黯然失色。因?yàn)檎f到底，相當(dāng)一部分專家或垂直大模型，本質(zhì)上是某些企業(yè)算力、數(shù)據(jù)不足，無法高攀“通用大模型”，而不得不退而求其次的產(chǎn)物（這在國內(nèi)尤為明顯）。
倘若一個(gè)通用大模型，憑借強(qiáng)大的學(xué)習(xí)能力，就能夠精通大部分行業(yè)，那誰又會(huì)愿意繁瑣地在不同的模型之間切換，并為不同的模型承擔(dān)多份訓(xùn)練、使用成本呢？
從這點(diǎn)上來說，專家模型逐漸被通用模型取代，是人類在通往AGI道路上一個(gè)不可避免的歷史過程。而與此相伴的另一個(gè)現(xiàn)象，則是更多細(xì)分的、瑣碎的工作被取代。因?yàn)樵谟辛烁鼜?qiáng)大的通用大模型后，人們將會(huì)發(fā)現(xiàn)，其實(shí)很多崗位的工作內(nèi)容，是可以被合并、被統(tǒng)合的。
產(chǎn)品經(jīng)理和數(shù)據(jù)分析師就是一個(gè)可能的例子。例如，在一個(gè)新產(chǎn)品開發(fā)的項(xiàng)目中，GPT-5可以根據(jù)給定的產(chǎn)品概念或需求，從網(wǎng)絡(luò)上搜索相關(guān)的市場調(diào)研、競品分析、用戶畫像等數(shù)據(jù)，并下載到自己的內(nèi)存中。之后，它會(huì)通過自己的多模態(tài)的理解和邏輯推理能力，以及知識(shí)圖譜和數(shù)據(jù)庫，來分析和理解獲取到的數(shù)據(jù)。在得到了相應(yīng)的數(shù)據(jù)，并將其進(jìn)行分類和組織后，GPT-5就會(huì)通過語言理解能力，從對(duì)話系統(tǒng)的反饋中學(xué)習(xí)相關(guān)的營銷策略、用戶反饋等信息，并將其與給定的產(chǎn)品概念或需求進(jìn)行比較和評(píng)估。
如此一來，產(chǎn)品經(jīng)理和數(shù)據(jù)分析師這兩個(gè)崗位，就被高效地“合并”了。而在通往AGI的未盡之路上，這樣被合并和取代的崗位，還有無數(shù)種。因此，一個(gè)通用性更強(qiáng)的GPT-5，對(duì)人類而言，既是生產(chǎn)力進(jìn)步的福音，但同時(shí)也是行業(yè)大地震的前奏。到了那時(shí)，許多尚不具備通用大模型能力，又缺乏行業(yè)壁壘的企業(yè)，將會(huì)如沙子堆起的城堡一樣，脆弱地倒下。而更多普通的個(gè)體，面對(duì)不斷被取代的崗位，將會(huì)更深刻地感受到時(shí)代的不確定性……