盡管我們不知道GPT-5何時(shí)發(fā)布，但是我們依然可以期待一下GPT-5的新功能。

OpenAI的GPT-4目前是市場上最好的生成式AI工具，但這并不意味著我們不展望未來。隨著OpenAI首席執(zhí)行官Sam Altman定期暗示GPT-5的信息，似乎我們不久將會(huì)看到一個(gè)新的、升級(jí)版的AI模型。

至少，這是我們所希望的。GPT-5沒有具體的發(fā)布日期，我們所認(rèn)為我們知道的大部分信息都是通過拼接其他信息來推測的。

不過，不管發(fā)布日期是什么時(shí)候，有幾個(gè)關(guān)鍵功能是我們希望在GPT-5發(fā)布時(shí)看到的。

OpenAI的GPT-5是什么？

GPT-5是OpenAI的GPT-4 AI模型備受期待的繼任者，有望成為市場上最強(qiáng)大的生成式模型。目前GPT-5還沒有官方發(fā)布日期，但有跡象表明它可能最早在2024年夏天發(fā)布。目前關(guān)于這個(gè)模型的細(xì)節(jié)知之甚少，但有幾件事可以相當(dāng)確定地說：

1.OpenAI已經(jīng)向美國專利商標(biāo)局申請(qǐng)了這個(gè)名字的商標(biāo)。

2.幾位OpenAI的高管已經(jīng)討論或暗示了模型可能具備的能力。

3.OpenAI首席執(zhí)行官Sam Altman在2024年3月的一次YouTube采訪中與Lex Fridman反復(fù)提到了這個(gè)模型。

這些都指向了一個(gè)令人興奮的現(xiàn)實(shí)：GPT-5即將到來！也就是說，目前很多東西還是猜測。但有幾件事我們希望看到，并且相當(dāng)確信會(huì)在模型中看到。以下是其中的一些：

更多模態(tài)性

GPT系列AI模型最令人興奮的改進(jìn)之一就是多模態(tài)性。多模態(tài)性是指AI模型不僅能處理文本，還能處理其他類型的輸入，如圖像、音頻和視頻。多模態(tài)性將是GPT系列模型未來發(fā)展的重要進(jìn)步基準(zhǔn)。

GPT-4已經(jīng)擅長處理圖像輸入和輸出，改進(jìn)音頻和視頻處理將是OpenAI的下一個(gè)里程碑，GPT-5是一個(gè)很好的起點(diǎn)。谷歌已經(jīng)在其Gemini AI模型上取得了這方面的重大進(jìn)展。如果OpenAI不做出回應(yīng)，不太符合OpenAI團(tuán)隊(duì)的性格。但當(dāng)然，筆者也只是一種猜測。在他的Unconfuse Me播客中，比爾·蓋茨問OpenAI首席執(zhí)行官Sam Altman預(yù)計(jì)GPT系列在未來兩年內(nèi)會(huì)有哪些里程碑。他的第一個(gè)回答？視頻處理。

所以，對(duì)于GPT-5，我們希望能玩轉(zhuǎn)視頻——上傳視頻作為提示，隨時(shí)隨地創(chuàng)建視頻，用文本提示編輯視頻，從視頻中提取片段，以及在大型視頻文件中找到特定場景。我們希望能對(duì)音頻文件做類似的事情。這是一個(gè)很大的要求，是的。但鑒于AI發(fā)展的速度，這是一個(gè)非常合理的期望。

更大且更高效的上下文窗口

盡管GPT系列AI模型是市場上最復(fù)雜的AI模型之一，但它們的上下文窗口卻是最小的。例如，Anthropic的Claude 3擁有20萬個(gè)令牌的上下文窗口，而谷歌的Gemini可以處理驚人的100萬個(gè)令牌（標(biāo)準(zhǔn)使用為128,000個(gè)）。相比之下，GPT-4的上下文窗口相對(duì)較小，只有128,000個(gè)令牌，大約32,000個(gè)令牌或更少的實(shí)際可用性適用于像ChatGPT這樣的界面。

隨著先進(jìn)的多模態(tài)性的出現(xiàn)，改進(jìn)的上下文窗口幾乎是不可避免的。也許增加兩倍或四倍就足夠了，但我們希望看到一個(gè)十倍的增長。這將允許GPT-5以更有效的方式處理更多的信息。現(xiàn)在，更大的上下文窗口并不總是意味著更好。所以，我們希望看到的不僅僅是增加上下文窗口的大小，而是上下文處理效率的提高。

你看，一個(gè)模型可能有一個(gè)一百萬個(gè)令牌的上下文窗口（大約70萬字的容量），但當(dāng)被要求總結(jié)一本50萬字的書時(shí)，它可能無法產(chǎn)生一個(gè)全面的摘要，因?yàn)樗鼰o法充分處理整個(gè)上下文，盡管理論上它有能力這樣做。你能讀一本50萬字的書，并不意味著你能記住其中的一切或合理地處理它。

GPT代理

GPT-5發(fā)布可能帶來的最令人興奮的可能性之一是GPT代理的首次亮相。雖然“游戲規(guī)則改變者”這個(gè)詞在AI領(lǐng)域可能已經(jīng)被過度使用，但GPT代理在每一個(gè)實(shí)際意義上都將是游戲規(guī)則改變者。

但這種情況有多具有變革性呢？

目前，像GPT-4這樣的AI模型可以幫助你完成任務(wù)。它們可以幫你寫一封電子郵件，講一個(gè)笑話，解決一個(gè)數(shù)學(xué)問題，或者為你起草一篇博客文章。然而，它們只能做那個(gè)特定的任務(wù)，不能完成你的工作所必需的一系列相關(guān)任務(wù)。

假設(shè)你是一個(gè)網(wǎng)頁開發(fā)者。作為你的工作的一部分，你需要做很多事情：設(shè)計(jì)、編寫代碼、故障排除等等。目前，你一次只能將這些任務(wù)的一部分委托給AI模型。也許你可以要求GPT-4模型為首頁編寫代碼，然后為聯(lián)系頁面編寫代碼，然后為關(guān)于頁面等等。你需要迭代地完成這些任務(wù)。還有一些任務(wù)模型根本無法完成。

這種針對(duì)特定子任務(wù)的AI模型的迭代提示過程既耗時(shí)又低效。在這種情況下，你——網(wǎng)頁開發(fā)者——是負(fù)責(zé)協(xié)調(diào)和提示AI模型一次完成一個(gè)任務(wù)的人類代理，直到你完成一整套相關(guān)任務(wù)。

GPT代理承諾由GPT-5協(xié)調(diào)的專門專家機(jī)器人，能夠自主地自我提示并自主處理復(fù)雜任務(wù)的所有子集。強(qiáng)調(diào)“自我提示”和“自主”。

所以，如果GPT-5帶有GPT代理發(fā)布，你可以要求它“為Maxwell Timothy建立一個(gè)作品集網(wǎng)站”，而不僅僅是“為我編寫首頁代碼”。理論上，GPT-5將能夠通過調(diào)用專家AI代理來處理構(gòu)建網(wǎng)站所需的各種子任務(wù)，而無需重復(fù)人類的提示。它可能會(huì)調(diào)用一個(gè)GPT來為Maxwell Timothy搜集網(wǎng)頁信息，另一個(gè)代理來為不同頁面編寫代碼，另一個(gè)代理來生成和優(yōu)化圖像，甚至另一個(gè)AI代理來部署網(wǎng)站，所有這些都不需要重復(fù)人類的提示。

減少幻覺

盡管OpenAI在其AI模型中處理幻覺方面已經(jīng)取得了長足的進(jìn)步，但GPT-5的真正試金石將是其解決持續(xù)存在的幻覺問題的能力，這個(gè)問題阻礙了AI在醫(yī)療保健、航空和網(wǎng)絡(luò)安全等高風(fēng)險(xiǎn)、安全關(guān)鍵領(lǐng)域的廣泛應(yīng)用。這些都是將從AI的深度參與中獲益匪淺的領(lǐng)域，但目前避免任何重大采用。

為了清晰起見，這里的幻覺指的是AI模型生成并呈現(xiàn)聽起來合理但完全捏造的信息，并帶有高度自信的情況。

想象一下，GPT-4被集成到一個(gè)分析患者癥狀和醫(yī)療報(bào)告的診斷系統(tǒng)中。幻覺可能導(dǎo)致AI自信地提供錯(cuò)誤的診斷或基于想象的事實(shí)和錯(cuò)誤的邏輯推薦一個(gè)潛在危險(xiǎn)的治療方案。在醫(yī)療領(lǐng)域，這樣一個(gè)錯(cuò)誤的后果可能是災(zāi)難性的。

類似的保留意見適用于其他高后果領(lǐng)域，如航空、核能、海事運(yùn)營和網(wǎng)絡(luò)安全。我們不期望GPT-5完全解決幻覺問題，但我們期望它能顯著減少幻覺產(chǎn)生的可能性。

當(dāng)我們熱切期待這個(gè)備受期待的AI模型的正式發(fā)布時(shí)，有一件事是肯定的：GPT-5有潛力重新定義人工智能的可能性邊界，開啟一個(gè)人機(jī)協(xié)作和創(chuàng)新的新時(shí)代。

原文標(biāo)題：GPT-5: 4 New Features We Want to See

原文作者：MAXWELL TIMOTHY