GPT5看來是要來了。

但我有種不好的預(yù)感，我們很可能會迎來個假的GPT5。

（這篇其實是有點正經(jīng)的八卦...）

什么是真的GPT5呢？

我不知道別的同學怎么預(yù)期，我一直的預(yù)期是GPT5是通用智能的第一個版本。

那什么又是通用智能呢？

這問題10個人可能有20種回答，我說個我自己的，不太嚴謹?shù)幕卮稹?/p>

通用智能就是一個人造的大腦，這個大腦里面有高一維度的智能和大量的記憶。

然后落到N種情境的時候，很像把一個智商200的博士放到一個公司一樣，他可以很快理解具體的情況，并且入門。

放到具體情境則是用提示詞，把這個高緯度的智能具象化的過程。

所以通用智能還真就是通用的高維智能，可分析、可推理、可以干任何事，沒什么屬性，但“智商極高”。不要忘記了物理學家和建筑工人，他們的大腦是基本類似的。

我期待的GPT5是比GPT4再有個數(shù)量級的提高，然后啥都能干的通用智能。

（現(xiàn)在的GPT給GPT5配的圖，直奔Matrix去了...）

什么是假的GPT5呢？

我們總是可以通過降低上面那個智能的維度，然后讓它在單獨的領(lǐng)域表現(xiàn)的更好，比如奧數(shù)，比如解析蛋白質(zhì)結(jié)構(gòu)，比如下圍棋。

如果我們再降低維度到四則混合運算，那甚至都不用模型，直接寫程序就能處理的很好。

GPT這條線的模型是要搞定前者的，這條線下后者更像Agent要搞定的事。但如果拿后者的效果吸引眼球，也不是沒用，但屬實不是我最初預(yù)期的GPT5，就只能說是個假的GPT5。

為什么會這樣呢？

看起來OpenAI自從內(nèi)訌一場后確實傷了元氣了。

后面搞一堆追趕者，Antropic、Google DeepMind、Grok等這些還是給OpenAI產(chǎn)生了相當大的壓力。最近扎克伯格的一頓操作估計更是雪上加霜。

而對于頭部AI大模型公司，它的估值首先是靠預(yù)期支撐的，其次才是業(yè)績。

這時候來個假的GPT5倒是符合商業(yè)邏輯。

雖然從蛛絲馬跡來看，很可能是這樣，但我個人真的不希望這樣。

因為《無人公司》的大規(guī)模鋪開需要真的GPT5...

透視AI的幾條路線

我們每天總說的AI根本不是一個東西，雖然它們共享很多的基礎(chǔ)理論比如神經(jīng)網(wǎng)絡(luò)、深度學習、Transformer架構(gòu)等。

這里面chatGPT路線屬于往通用方向發(fā)展，而FSD12和AlphaFold則是往專門領(lǐng)域發(fā)展。后兩者也重要，但顯然沒有前者重要。

在我們這個時間點，劃定邊界、專門往某個方向優(yōu)化可以做的遠超人類是被反復證明過的事。

即使是自動駕駛這么復雜的事，看Robotaxi的熱度，我懷疑再搞個幾年就真徹底像AlphaGo那樣遠超人類了。

所以現(xiàn)在真有挑戰(zhàn)的不是專用，而是通用人工智能。按正常脈絡(luò)似乎應(yīng)該是OpenAI通過GPT5來搞定的這事。

通用人工智能一旦往前挪一步，那影響的是全部經(jīng)濟領(lǐng)域，而不是某個領(lǐng)域。

想象下如果基于通用人工智能的Agent去下圍棋，并且贏了AlphaGo；去解析蛋白質(zhì)結(jié)構(gòu)并且贏了AlphaFold，那意味著什么？

不過也許是老天想給人類多點時間適應(yīng)，所以O(shè)penAI內(nèi)訌了.....

那還不會不有真的GPT5呢？

我覺得還是會的。

這里估計還是需要點當年OpenAI坐冷板凳的精神，Ilya那公司（Safe Superintelligence Inc.）沒產(chǎn)品發(fā)布估值已經(jīng)升到 320–330 億美金。這應(yīng)該不是全靠刷臉。

另一個點是：從Hinton老爺子等的的發(fā)言來看，現(xiàn)在的AI的問題貌似是個已經(jīng)確定解決的問題。他們不再談什么路線，怎么搞定了，大家仔細看看他們最近的發(fā)言。

最后就是一個統(tǒng)計的猜想：AI屬實在加速。

技術(shù)上的原因看起來就是GPT4等可以看成一個原始版的人造超級大腦，這和過去的技術(shù)完全不一樣，過去的技術(shù)都是專門化的，而它可以啥都干。它們可以用來加速他們自己。

更關(guān)鍵的是，我們確實總是還可以做出來一個專門化的工具來加速這個進程。

GPT5之后呢？

最近陳果（果總）有本書叫：《AI時代數(shù)據(jù)價值創(chuàng)造》，前面還有一本叫《業(yè)務(wù)流程》。我一邊看就一邊琢磨：如果有GPT5了，這里面還有多少內(nèi)容是需要人處理的？

拿第一本書來舉例子，我得出了個很有意思的結(jié)論：

書里的這套數(shù)據(jù)體系用不用本身不是個AI的問題，而是你生產(chǎn)關(guān)系的問題。

生產(chǎn)關(guān)系至少要有對外和對內(nèi)兩部分。

對內(nèi)的部分恐怕不適合每次定義一組schema來表示企業(yè)的活動和知識，而是還是要預(yù)先確定。

這可以做簡單推理：

假設(shè)GPT5十分聰慧，你只要和他說清楚目標，它就能給你把活干了。這時候你還是要累積數(shù)據(jù)資產(chǎn)，而不可能每次都是一個目標和一個混雜不做定義的歷史活動記錄。

所以對內(nèi)的部分要向AI傾斜，甚至可以讓AI定義，但不會沒有。

對外的部分就更麻煩，因為外部世界又不是單個公司定義的，怎么合作也不是一個公司定義的。所以肯定不能全扔給GPT5。

結(jié)論是數(shù)據(jù)和領(lǐng)域模型的定義在無人公司的設(shè)想里面是要有人類介入定義的，反倒是變重要了。

雖然可以假設(shè)GPT5自己定義數(shù)據(jù)，自己更新數(shù)據(jù)定義，但這事兒我這激進派都覺得有點懸了。至少不是可見范圍內(nèi)的預(yù)期。

這似乎有點矛盾，無人公司里面和外部相關(guān)的生產(chǎn)關(guān)系，數(shù)據(jù)的初始模型其實是需要人類來定義的。

但這應(yīng)該是數(shù)字空間不完備（每個無人公司的外部環(huán)境是不完備的）的必然后果吧。

小結(jié)

我們其實不太能拋開技術(shù)來談AI，那就有點像耍流氓，但AI這技術(shù)變化實在太快，跟起來挺累的。

唯一的方法就是把它們放回到模型，過去我讀這些論文挺費勁的，包括想找彼此間的關(guān)聯(lián)，現(xiàn)在基于大模型，這個過程可以提速N倍。

這顯然是最簡單的AI來提高的例子，所以GPT5這次如果不是第一個AGI，那我想它也不會太遠。

OpenAI的五級分級是很有意思的，但它自己假裝升級太快了。

入群或者加入AI碰撞局聯(lián)系：shuixiu2024