新火種AI|GPT-5前瞻！GPT-5將具備哪些新能力？
作者：小巖
編輯：彩云
Sam Altman在整個AI領域，乃至整個科技領域都被看作是極具影響力的存在，而2023年OpenAI無限反轉(zhuǎn)的宮斗事件更是讓Sam Altman刷足了存在感，他甚至被《時代》雜志評為“2023年度CEO”。
也正因此， Sam Altman的一條推文，瞬間就可以成為轟動整個AI行業(yè)的信號，特別是當這條推文還與萬眾期待的“GPT-5”有關的時候。
2023年平安夜，Sam Altman在社交平臺大膽公布了2024年的雄心壯志。他所發(fā)表的關鍵詞不僅涵蓋了2024年OpenAI的整體規(guī)劃，更契合了用戶的迫切需求。這其中包括：
AGI（請耐心等待）
GPT-5
更好的語音模式
更高的費率限制
更好的GPT
更好的推理
對工作/行為程度的控制
視頻
個性化
更好的瀏覽
“使用OpenAi登錄”
開放源代碼
Sam Altman透露，OpenAI計劃在接下來的一年內(nèi)實現(xiàn)多個令人矚目的里程碑。其中所涉及到的內(nèi)容，不僅僅一次簡單的技術更新，更是一場至關重要的AI變革。當然，最受關注的，還是GPT-5。
AI領域的開源與閉源之爭：類似于Android與IOS之爭。
對于AI界來說，大家除了關心 GPT-5能否在技術壁壘上有所突破，更關心一個重點：GPT-5能否實現(xiàn)開源？
大模型的開源和閉源之爭一直是行業(yè)內(nèi)爭論的焦點，這種爭論，與移動互聯(lián)網(wǎng)時代的Android與IOS之爭有異曲同工之妙。有意思的是，各個AI大廠對于開源還是閉源的選擇也不盡相同。
目前拔得頭籌的OpenAI的GPT-4和百度的文心一言都堅持閉源，Meta選擇了開源的道路，相繼面向“學術研究用途”開源了LLaMA和LLaMA-2模型。百川智能則兼具開源和閉源，在學術領域選擇了開源，使用7B和13B兩種尺寸的大模型；商業(yè)探索上將53B閉源，以保護商業(yè)利益和技術的競爭優(yōu)勢。
GPT的閉源，為OpenAI帶來了可觀的收入。據(jù)The Information報道，OpenAI CEO Sam Altman對員工表示，公司正以每年13億美元（約合人民幣94.93億元）的速度產(chǎn)生收入，平均每月收入超過1億美元，相較于去年全年2800萬美元增長超過450倍，達4542%。這個數(shù)據(jù)也比3個月前預期的年收入高30 %。這也讓2023年成為OpenAI公司成立8年來，收入增長最快的一年。而這些，恰恰是GPT-4閉源所帶來的。
關鍵詞：GPT-5能實現(xiàn)開源嗎？
那么，GPT-5能實現(xiàn)開源嗎？未必。
對于商業(yè)模式，OpenAI曾在官網(wǎng)中明確指出“打算繼續(xù)免費提供ChatGPT”，但也會選擇從付費的高級服務的用戶和企業(yè)中獲得收入。而且，雖然OpenAI嘴上說著“不指望在近期內(nèi)盈利”，但考慮到開發(fā)和提供大模型的高成本，生存問題仍然是其不得不面對的挑戰(zhàn)。
此外，盡管OpenAI實現(xiàn)了快速增長，但背后的行業(yè)成本卻不容忽略。根據(jù)公開信息顯示，2022 年，OpenAI開發(fā)GPT-4，僅訓練成本支出約5.4億美元。2023年4月，OpenAI每天為ChatGPT支付的運營成本約694.4萬美元（其中主要是電費） ，年化運營成本約為2.5億美元，綜合年化成本可能超過13億美元。毫無疑問，OpenAI依舊處于虧損階段。
所以，倘若沒有商業(yè)化的維持，OpenAI恐怕很快會迎來破產(chǎn)。更重要的是，已經(jīng)通過GPT-4閉源嘗到甜頭，獲得大量收入的OpenAI，顯然沒有充足的理由將GPT-5完全開源，這無異于自毀壁壘，在大模型賽道的競逐中喪失領先優(yōu)勢。從這個層面來說。GPT-5實現(xiàn)開源的概率不大。
即便Sam Altman在推文中將“開源”標注成了關鍵詞，但更多的也只是在迎合行業(yè)的呼聲，我們還不能將其解讀為“企業(yè)2024年的發(fā)展目標”。
不過，“部分開源”的可能性并非沒有。GPT-5完全開源的可能性雖然比較小，但是為了GPT相關生態(tài)建設，對與GPT相關的工具集提供開源的可能性卻很高。或許，OpenAI會通過為較少部分提供開源的方式，為開發(fā)者的開發(fā)，調(diào)試，分享提供便利。
未來的GPT-5，究竟會具備哪些新能力？
近日，艾倫人工智能研究所發(fā)布了Unified-IO 2，它的發(fā)布極具意義，因為它可以幫助我們更好的預判GPT-5的能力。
為什么這么說呢？Unified與ChatGPT之間存在著怎樣的關系？
事實上，早在2022年6月，艾倫人工智能研究所就推出了第一代Unified-IO，它是首批能夠處理圖像和語言的多模態(tài)模型之一。大約在同一時間，OpenAI正在內(nèi)部測試GPT-4，并在2023年3月正式發(fā)布。所以，Unified-IO可以看作是對于未來大規(guī)模AI模型的前瞻。換句話說，因為Unified-IO 2的出現(xiàn)，我們可以大致預判一點：OpenAI可能正在內(nèi)部測試GPT-5，并很有可能在幾個月后發(fā)布。
艾倫人工智能研究所推出的Unified-IO 2是第一個可以處理和生成文本，圖像，音頻，視頻和動作序列的模型。這個新的高級人工智能模型使用幾十億個數(shù)據(jù)點進行訓練，雖然模型大小只有7B，卻展現(xiàn)出迄今為止最廣泛的多模態(tài)能力。它的訓練數(shù)據(jù)包括：10億個圖像-文本對，1 萬億個文本標記，1.8億個視頻剪輯，1.3億張帶文本的圖像，300萬個3D資產(chǎn)和100萬個機器人代理運動序列。研究團隊將總共120多個數(shù)據(jù)集組合成一個600 TB的包，涵蓋220個視覺，語言，聽覺和動作任務。Unified-IO 2采用編碼器-解碼器架構(gòu)，并進行了一些更改，以穩(wěn)定訓練并有效利用多模態(tài)信號。
模型可以回答問題，根據(jù)指令撰寫文本、以及分析文本內(nèi)容；可以識別圖像內(nèi)容，提供圖像描述，執(zhí)行圖像處理任務，并根據(jù)文本描述創(chuàng)建新圖像；可以根據(jù)描述或說明生成音樂或聲音，以及分析視頻并回答有關視頻的問題。此外，通過使用機器人數(shù)據(jù)進行訓練，Unified-IO 2還可以為機器人系統(tǒng)生成動作，例如將指令轉(zhuǎn)換為機器人的動作序列。由于多模態(tài)訓練，它還可以處理不同的模態(tài)，例如，在圖像上標記某個音軌使用的樂器等。
總體而言，Unified-IO 2在超過35個基準測試中表現(xiàn)良好，包括圖像生成和理解，自然語言理解，視頻和音頻理解以及機器人操作。在大多數(shù)任務中，它能夠比肩專用模型，甚至更勝一籌。在圖像任務的GRIT基準測試中，Unified-IO 2獲得了目前的最高分。通過這些，我們也可以更好的窺見未來GPT-5的模樣。
對于AI發(fā)展而言，科技生態(tài)與商業(yè)化是缺一不可的核心要素。技術和應用的發(fā)展需要商業(yè)化提供必要的支持和保障；而商業(yè)化的成功也離不開生態(tài)環(huán)境的建設。兩者之間必須相輔相成，有機結(jié)合。希望在未來發(fā)布的GPT-5中，OpenAI可以起到先導作用，率先實現(xiàn)生態(tài)與商業(yè)化之間的平衡。
轉(zhuǎn)載請在文章開頭和結(jié)尾顯眼處標注：作者、出處和鏈接。不按規(guī)范轉(zhuǎn)載侵權(quán)必究。
未經(jīng)授權(quán)嚴禁轉(zhuǎn)載，授權(quán)事宜請聯(lián)系作者本人，侵權(quán)必究。
本文禁止轉(zhuǎn)載，侵權(quán)必究。
授權(quán)事宜請至數(shù)英微信公眾號(ID: digitaling) 后臺授權(quán)，侵權(quán)必究。
評論
評論
推薦評論
暫無評論哦，快來評論一下吧！
全部評論（0條）