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。
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。
01 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。
