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。

撰文：举大名耳

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。

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（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。

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」，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。

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」。

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 (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。

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（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。