GPT-5前瞻！GPT-5將具備哪些新能力？

　　本文來自于微信公眾號新火種(ID:gh_838b518e4b33)，作者:小巖。

　　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。他所發表的關鍵詞不僅涵蓋了2024年OpenAI的整體規劃，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實現多個令人矚目的里程碑。其中所涉及到的內容，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能否實現開源?

　　大模型的開源和閉源之爭一直是行業內爭論的焦點，這種爭論，與移動互聯網時代的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;商業探索上將53B閉源，以保護商業利益和技術的競爭優勢。

　　GPT的閉源，為OpenAI帶來了可觀的收入。據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%。這個數據也比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能實現開源嗎?

　　那么，GPT-5能實現開源嗎?未必。

　　對于商業模式，OpenAI曾在官網中明確指出“打算繼續免費提供ChatGPT”，但也會選擇從付費的高級服務的用戶和企業中獲得收入。而且，雖然OpenAI嘴上說著“不指望在近期內盈利”，但考慮到開發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。

　　此外，盡管OpenAI實現了快速增長，但背后的行業成本卻不容忽略。根據公開信息顯示，2022年，OpenAI開發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，倘若沒有商業化的維持，OpenAI恐怕很快會迎來破產。更重要的是，已經通過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勢。從這個層面來說。GPT-5實現開源的概率不大。

　　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的呼聲，我們還不能將其解讀為“企業2024年的發展目標”。

　　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，為開發者的開發，調試，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布了Unified-IO2，它的發布極具意義，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模型之一。大約在同一時間，OpenAI正在內部測試GPT-4，并在2023年3月正式發布。所以，Unified-IO可以看作是對于未來大規模AI模型的前瞻。換句話說，因為Unified-IO2的出現，我們可以大致預判一點:OpenAI可能正在內部測試GPT-5，并很有可能在幾個月后發布。

　　艾倫人工智能研究所推出的Unified-IO2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據點進行訓練，雖然模型大小只有7B，卻展現出迄今為止最廣泛的多模態能力。它的訓練數據包括: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資產和100萬個機器人代理運動序列。研究團隊將總共120多個數據集組合成一個600TB的包，涵蓋220個視覺，語言，聽覺和動作任務。Unified-IO2采用編碼器-解碼器架構，并進行了一些更改，以穩定訓練并有效利用多模態信號。

　　模型可以回答問題，根據指令撰寫文本、以及分析文本內容;可以識別圖像內容，提供圖像描述，執行圖像處理任務，并根據文本描述創建新圖像;可以根據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，通過使用機器人數據進行訓練，Unified-IO2還可以為機器人系統生成動作，例如將指令轉換為機器人的動作序列。由于多模態訓練，它還可以處理不同的模態，例如，在圖像上標記某個音軌使用的樂器等。

　　總體而言，Unified-IO2在超過35個基準測試中表現良好，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-IO2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發展而言，科技生態與商業化是缺一不可的核心要素。技術和應用的發展需要商業化提供必要的支持和保障;而商業化的成功也離不開生態環境的建設。兩者之間必須相輔相成，有機結合。希望在未來發布的GPT-5中，OpenAI可以起到先導作用，率先實現生態與商業化之間的平衡。