從chatGPT問世至今，AI就在以月為單位飛速進化著，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，美國專利商標局 (USPTO) 披露的一份文件顯示：OpenAI於7月18日提交了「GPT-5」的商標申請。並且已經被接收。

USPTO 文件截圖

儘管在今年上半年，各個AI專家、學者已經多次聯合發表公開信，呼籲人們重視生成式AI 的潛在風險，而OpenAI當時也宣布短期內不會有訓練GPT-5的計劃。

然而，科技的誘惑，終究還是讓人類打破了禁忌的邊界。

在這次披露的申請書中，OpenAI提到，尚未發布的GPT-5將具備眾多GPT-4所沒有的能力，而且幾乎每一項都劍指AGI。

USPTO 文件截圖

那麼，這樣的改變，對AI和人類而言，又意味著什麼？

今天，本文就將嘗試從OpenAI的申請文件中披露的有限信息，對GPT-5可能的功能、變化，及所造成的影響，進行一番簡單的剖析。

01 通往AGI之路

在此次披露的文件中，OpenAI最先提到的一個變化，就是多模態功能的加強。

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、語音識別、生成文本和語音等。

雖然在現在的GPT-4中，用戶同樣可以實現不同語種間的翻譯，但既然翻譯功能在這裡被單獨挑出來，想必是重新優化過了。

那OpenAI為何會如此突出GPT-5的翻譯能力？

這或許是因為，GPT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，牛津大學的研究成果顯示，由於OpenAI 等服務所採用的服務器成本衡量，和計費的方式的不同，英語輸入和輸出的費用要比其他語言低得多。

其中簡體中文的費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。

因為像中文這樣的語言有著不同、更複雜的結構，導致它們需要更高的詞元化率。

例如，根據OpenAI 的GPT3 分詞器，“你的愛意（your affection）” 的詞元，在英語中只需要兩個詞元，但在簡體中文中需要八個詞元。

這意味著，除了英語之外的其他語言，使用和訓練模型要貴得多。

而一旦翻越了“語言障礙”這道檻，無疑會直接地掃清橫亙在GPT面前的這條通用性障礙。

除此之外，文件中突出的語音識別功能，看似只是一個不起眼的改動，但從某種程度上說，這也是OpenAI對GPT-5在通往AGI的道路上鋪下的又一塊路磚。

眾所周知，在今後的大模型發展方向上，模型變得邊緣化、終端化，已經成了一個愈發明顯的趨勢。

自從今年7月，高通發布了能在手機上運行的10億參數大模型後，榮耀、蘋果等廠商，也相繼宣布要推出自身的“大模型”手機。

以手機為起點，將來的AI數據，將會越來越多地在攝像頭、傳感器、自動駕駛等終端側進行處理。

而在這樣的應用場景中，語音識別無疑更便捷、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化為可執行的指令，例如啟動、停止、加速、剎車等操作。

而類似於SIri那樣存在於手機系統中的智能助手，也會優先考慮通過語音指令來進行控制。

由此可見，語音識別並非只是錦上添花，而是GPT-5進入終端側的“標配”，

而通過在這一個個終端設備的下沉，GPT-5也將由此獲得更多邊緣化的、非語言的數據結構。

畢竟，大模型發展至今，能汲取的文本數據，已經差不多了，要想在通往AGI的路上再上一個台階，這種“非文本”的數據，就顯得至關重要。

02 挑戰專家模型

除了上述特點外，OpenAI提交的文件中還提到：“GPT-5 可能還具備學習、分析、分類和回應數據的能力”。

從目前人工智能的發展趨勢來看，這很可能是指GPT-5具備了類似智能體的主動學習能力。

而這樣的能力，將會使GPT-5與以往只能被動地通過人類投餵數據，來學習新知識的模型相比，產生本質的區別。

具體來說，主動學習的能力，是指模型可以根據自身的目標和需求，自主地選擇、獲取和處理數據，而不是僅僅依賴於人類提供的數據。

這樣可以讓模型更有效地利用數據中的信息和知識，更靈活地適應不同的數據環境和任務場景，而不只是被動地接收和輸出數據。

而這樣的能力，在GPT-5面臨一些比較陌生、垂直的領域時，就顯得尤為重要。

一些特定的領域，比如醫學、法律、金融等，通常有著自己特定的術語、規則和知識體系，對於普通的語言模型來說，可能難以理解和處理。

如果GPT-5具備了主動學習的能力，它可以自動地從網絡上蒐集和更新這些領域的相關數據，分析和分類這些領域的基本概念、重要原理和最新動態，以及回應這些領域的常見問題、典型案例和實際應用。

如此，可以讓GPT-5更快地掌握這些領域的專業知識，更準確、高效地完成這些領域的相應任務。

而這一切，正是其邁向真正的通用大模型的關鍵。

因為如果GPT始終需要接入特定的“專家模型”，才能解決專業任務，那它就談不上真正的“通用”。

因為這樣會導致GPT對於不同領域和場景的智能能力存在差異和依賴，而且也會增加GPT與“專家模型”的溝通和協調成本，而不能保證在任何情況下都能實現高質量的服務。

此前，外媒Semianalysis 就對今年3月發布的GPT-4進行了揭秘，曝光了OpenAI採用混合專家模型來構建GPT-4。

根據爆料，GPT-4 使用了16個混合專家模型(mixture of experts)，每個有1110億個參數，每次前向傳遞路由經過兩個專家模型。

然而，更多的專家模型意味著更難泛化，也更難實現收斂。

這是因為每個專家模型都有自己的參數和策略，往往很難協調一致，進而使得GPT難以平衡和“顧全大局”。

而在具備了主動學習的能力後，GPT-5將有可能利用多模態的理解和推理能力，以及知識圖譜和數據庫，來分析和理解獲取到的數據，並通過聚類算法和分類器，對相關數據進行關聯和歸納。

如此，GPT-5就能根據不同的數據環境和任務場景，有效地利用數據中的信息和知識。

03 取代更多工作

如前所述，在掃清了語言障礙，並以便捷的語音識別功能進入終端側後，GPT-5將通過持續的主動學習能力，不斷汲取不同場景、領域和模態下的知識，進而向著AGI的道路高速前行。

可以預見的是，當具備了這樣強大“通用性”的GPT-5，開始向各領域擴散後，除了少數具有數據壁壘的行業（如醫療）外，大部分垂直領域的大模型，都將會逐漸黯然失色。

因為說到底，相當一部分專家或垂直大模型，本質上是某些企業算力、數據不足，無法高攀“通用大模型”，而不得不退而求其次的產物（這在國內尤為明顯）。

倘若一個通用大模型，憑藉強大的學習能力，就能夠精通大部分行業，那誰又會願意繁瑣地在不同的模型之間切換，並為不同的模型承擔多份訓練、使用成本呢？

從這點上來說，專家模型逐漸被通用模型取代，是人類在通往AGI道路上一個不可避免的歷史過程。

而與此相伴的另一個現象，則是更多細分的、瑣碎的工作被取代。

因為在有了更強大的通用大模型後，人們將會發現，其實很多崗位的工作內容，是可以被合併、被統合的。

產品經理和數據分析師就是一個可能的例子。

例如，在一個新產品開發的項目中，GPT-5可以根據給定的產品概念或需求，從網絡上搜索相關的市場調研、競品分析、用戶畫像等數據，並下載到自己的內存中。

之後，它會通過自己的多模態的理解和邏輯推理能力，以及知識圖譜和數據庫，來分析和理解獲取到的數據。

在得到了相應的數據，並將其進行分類和組織後，GPT-5就會通過語言理解能力，從對話系統的反饋中學習相關的營銷策略、用戶反饋等信息，並將其與給定的產品概念或需求進行比較和評估。

如此一來，產品經理和數據分析師這兩個崗位，就被高效地“合併”了。

而在通往AGI的未盡之路上，這樣被合併和取代的崗位，還有無數種。

因此，一個通用性更強的GPT-5，對人類而言，既是生產力進步的福音，但同時也是行業大地震的前奏。

到了那時，許多尚不具備通用大模型能力，又缺乏行業壁壘的企業，將會如沙子堆起的城堡一樣，脆弱地倒下。

而更多普通的個體，面對不斷被取代的崗位，將會更深刻地感受到時代的不確定性……