منذ ظهور chatGPT ، تطور الذكاء الاصطناعي بسرعة على أساس شهري ، مع وجود العديد من النماذج والتكرار السريع ، لا يسع الكثير من الناس إلا إدراك أن البشر يبدو أنهم يقفون حقًا على حافة بوابة الذكاء الاصطناعي العام.
في الآونة الأخيرة ، يُظهر مستند كشف عنه مكتب الولايات المتحدة للبراءات والعلامات التجارية (USPTO) أن OpenAI قدمت طلب علامة تجارية لـ "GPT-5" في 18 يوليو. وتم قبوله.
لقطة شاشة لملف USPTO
على الرغم من أنه في النصف الأول من هذا العام ، أصدر العديد من خبراء الذكاء الاصطناعي والباحثين رسائل مفتوحة بشكل مشترك عدة مرات ، داعين الناس إلى الانتباه إلى المخاطر المحتملة للذكاء الاصطناعي التوليدي ، كما أعلنت OpenAI في ذلك الوقت أنه لن يكون لديها خطة لتدريب GPT-5 على المدى القصير.
ومع ذلك ، فإن إغراء العلم والتكنولوجيا سمح أخيرًا للبشر باختراق حدود المحرمات.
في التطبيق الذي تم الكشف عنه هذه المرة ، ذكرت شركة OpenAI أن GPT-5 التي لم يتم إصدارها ستتمتع بالعديد من الإمكانات التي لا تتوفر في GPT-4 ، ويشير كل عنصر تقريبًا إلى AGI.
لقطة شاشة لملف USPTO
إذن ، ماذا يعني هذا التغيير للذكاء الاصطناعي والبشر؟
اليوم ، ستحاول هذه المقالة إجراء تحليل بسيط للوظائف والتغييرات المحتملة وتأثير GPT-5 من المعلومات المحدودة التي تم الكشف عنها في مستندات تطبيق OpenAI.
** 01 الطريق إلى AGI **
في المستند الذي تم الكشف عنه هذه المرة ، كان أحد التغييرات الأولى التي ذكرتها OpenAI هو تحسين الوظائف متعددة الوسائط.
على وجه التحديد ، تتضمن وظائف GPT-5 ترجمة النص أو الكلام من لغة إلى أخرى ، والتعرف على الكلام ، وإنشاء النص والكلام ، والمزيد.
على الرغم من أنه في GPT-4 الحالي ، يمكن للمستخدمين أيضًا تحقيق الترجمة بين لغات مختلفة ، ولكن نظرًا لتمييز وظيفة الترجمة هنا ، يجب إعادة تحسينها.
لماذا يبرز OpenAI قدرة الترجمة لـ GPT-5 كثيرًا؟
قد يكون هذا بسبب أن أحد المتطلبات الأساسية لتصبح GPT عالمية هو تقليل فجوة التكلفة لاستخدام نماذج كبيرة بلغات مختلفة.
في السابق ، أظهرت نتائج أبحاث جامعة أكسفورد أنه نظرًا لقياس تكلفة الخادم وطرق الفوترة المعتمدة من قبل خدمات مثل OpenAI ، فإن تكلفة المدخلات والمخرجات الإنجليزية أقل بكثير من تكلفة اللغات الأخرى.
من بينها ، تبلغ تكلفة اللغة الصينية المبسطة ضعف تكلفة اللغة الإنجليزية ، وتبلغ تكلفة اللغة الإسبانية 1.5 مرة تكلفة اللغة الإنجليزية ، وتبلغ تكلفة لغة شان في ميانمار 15 ضعف تكلفة اللغة الإنجليزية.
نظرًا لأن لغات مثل الصينية لها هياكل مختلفة وأكثر تعقيدًا ، فإنها تتطلب معدل lemmatization أعلى.
على سبيل المثال ، وفقًا لرمز GPT3 الخاص بـ OpenAI ، يتطلب رمز "عاطفتك" رمزين فقط باللغة الإنجليزية ، ولكن يتطلب ثمانية رموز في اللغة الصينية المبسطة.
هذا يعني أنه بالنسبة للغات غير الإنجليزية ، يكون استخدام النماذج وتدريبها أكثر تكلفة.
وبمجرد تجاوز عتبة "حاجز اللغة" ، فإن هذا الحاجز العالمي أمام GPT سيتم بلا شك إزالته مباشرة.
بالإضافة إلى ذلك ، يبدو أن وظيفة التعرف على الكلام البارزة في المستند هي مجرد تغيير غير واضح ، ولكن إلى حد ما ، هذا جزء آخر من رصف OpenAI لـ GPT-5 على الطريق إلى لبنة AGI.
كما نعلم جميعًا ، في اتجاه التطوير المستقبلي للنماذج الكبيرة ، أصبح اتجاهًا واضحًا بشكل متزايد يتمثل في أن النماذج تصبح مهمشة ومحكمة.
منذ أن أصدرت شركة Qualcomm نموذجًا كبيرًا يحتوي على مليار معلمة يمكن تشغيلها على الهواتف المحمولة في يوليو من هذا العام ، أعلنت الشركات المصنعة مثل Honor و Apple أيضًا أنها ستطلق هواتفها المحمولة "ذات الطراز الكبير".
بدءًا من الهواتف المحمولة ، ستتم معالجة بيانات الذكاء الاصطناعي في المستقبل بشكل متزايد على الجانب الطرفي مثل الكاميرات وأجهزة الاستشعار والقيادة الذاتية.
في مثل هذا السيناريو للتطبيق ، يكون التعرف على الكلام أكثر ملاءمة وكفاءة بلا شك.
على سبيل المثال ، يسمح نموذج لغة AI للسائق بالتحكم في السيارة من خلال الصوت. قم بتحويل الأوامر الصوتية للسائق إلى أوامر قابلة للتنفيذ ، مثل البدء والإيقاف والتسريع والفرامل وغيرها من العمليات.
المساعدين الأذكياء الموجودين في نظام الهاتف المحمول مثل SIri سيعطون أيضًا الأولوية للتحكم من خلال الأوامر الصوتية.
يمكن ملاحظة أن التعرف على الكلام ليس مجرد تثليج على الكعكة ، ولكنه "تكوين قياسي" عندما يدخل GPT-5 الجانب الطرفي.
ومن خلال غرق كل جهاز طرفي ، سيحصل GPT-5 أيضًا على هياكل بيانات أكثر تهميشًا وغير لغوية.
بعد كل شيء ، منذ تطوير النموذج الكبير ، فإن البيانات النصية التي يمكن استيعابها هي نفسها تقريبًا.إذا أردنا اتخاذ خطوة أخرى على الطريق إلى AGI ، فإن هذا النوع من البيانات "غير النصية" مهم للغاية.
** 02 نموذج خبير التحدي **
بالإضافة إلى الخصائص المذكورة أعلاه ، ذكر المستند المقدم من OpenAI أيضًا: "قد يكون لـ GPT-5 أيضًا القدرة على تعلم البيانات وتحليلها وتصنيفها والاستجابة لها."
انطلاقًا من اتجاه التطور الحالي للذكاء الاصطناعي ، ربما يعني هذا أن GPT-5 لديه قدرة تعلم نشطة مماثلة لتلك الموجودة في الجسم الذكي.
وهذه القدرة ستجعل GPT-5 مختلفًا اختلافًا جوهريًا عن النماذج السابقة التي يمكنها فقط تعلم المعرفة الجديدة بشكل سلبي من خلال بيانات التغذية البشرية.
على وجه التحديد ، تعني قدرة التعلم النشط أن النموذج يمكنه اختيار البيانات واكتسابها ومعالجتها بشكل مستقل وفقًا لأهدافه واحتياجاته ، بدلاً من الاعتماد فقط على البيانات المقدمة من قبل البشر.
يسمح هذا للنموذج باستخدام المعلومات والمعرفة الموجودة في البيانات بشكل أكثر فعالية ، والتكيف بشكل أكثر مرونة مع بيئات البيانات المختلفة وسيناريوهات المهام ، بدلاً من مجرد تلقي البيانات وإخراجها بشكل سلبي.
وهذه القدرة مهمة بشكل خاص عندما يواجه GPT-5 بعض الحقول الرأسية وغير المألوفة نسبيًا.
بعض المجالات المحددة ، مثل الطب والقانون والتمويل وما إلى ذلك ، عادة ما يكون لها شروطها الخاصة وقواعدها وأنظمتها المعرفية ، والتي قد يكون من الصعب فهمها ومعالجتها لنماذج اللغة العادية.
إذا كان لدى GPT-5 القدرة على التعلم النشط ، فيمكنه تلقائيًا جمع وتحديث البيانات ذات الصلة في هذه المجالات من الإنترنت ، وتحليل وتصنيف المفاهيم الأساسية والمبادئ المهمة وآخر التطورات في هذه المجالات ، والاستجابة للمشاكل الشائعة في هذه المجالات ، الحالات النموذجية والتطبيقات العملية.
بهذه الطريقة ، يمكن لـ GPT-5 إتقان الخبرة في هذه المجالات بشكل أسرع وإكمال المهام المقابلة في هذه المجالات بشكل أكثر دقة وكفاءة.
وكل هذه هي مفتاح النموذج العام الحقيقي.
لأنه إذا احتاج GPT دائمًا إلى أن يكون متصلاً "بنموذج خبير" معين من أجل حل المهام المهنية ، فلا يمكن القول إنه "عالمي" حقًا.
لأن هذا سيؤدي إلى اختلافات GPT واعتمادها على القدرات الاستخباراتية لمختلف المجالات والسيناريوهات ، كما سيزيد من تكاليف الاتصال والتنسيق بين GPT و "النموذج الخبير" ، ولا يمكن أن يضمن إمكانية تحقيق خدمات عالية الجودة تحت أي ظروف.
في السابق ، كشفت وسائل الإعلام الأجنبية Semianalysis عن أسرار GPT-4 التي تم إصدارها في مارس من هذا العام ، مما كشف أن OpenAI تستخدم نموذجًا مختلطًا من الخبراء لبناء GPT-4.
وفقًا للأخبار ، يستخدم GPT-4 16 نموذجًا مختلطًا من الخبراء (خليط من الخبراء) ، لكل منها 111 مليار معلمة ، ويمر كل مسار أمامي من خلال نموذجين خبراء.
ومع ذلك ، فإن المزيد من النماذج الخبيرة يعني أنه من الصعب التعميم وتحقيق التقارب.
وذلك لأن كل نموذج خبير له معاييره واستراتيجياته الخاصة ، والتي يصعب تنسيقها غالبًا ، مما يجعل من الصعب على GPT الموازنة و "مراعاة الوضع العام".
بعد امتلاك القدرة على التعلم النشط ، سيكون GPT-5 قادرًا على استخدام قدرات الفهم والاستدلال متعدد الوسائط ، بالإضافة إلى خرائط المعرفة وقواعد البيانات ، لتحليل وفهم البيانات المكتسبة ، ومن خلال تجميع الخوارزميات والمصنفات ، ربط وتلخيص البيانات ذات الصلة .
بهذه الطريقة ، يمكن لـ GPT-5 استخدام المعلومات والمعرفة في البيانات بشكل فعال وفقًا لبيئات البيانات المختلفة وسيناريوهات المهام.
** 03 استبدال المزيد من العمل **
كما ذكرنا سابقًا ، بعد إزالة حاجز اللغة والدخول إلى الجانب الطرفي بوظيفة التعرف على الكلام المريحة ، ستستمر GPT-5 في استيعاب المعرفة في سيناريوهات ومجالات وأنماط مختلفة من خلال إمكانات التعلم النشط المستمر ، ثم الانتقال نحو الطريق إلى الذكاء الاصطناعي العام يتحرك بسرعة عالية.
من المتوقع أنه عندما تبدأ GPT-5 بمثل هذه "العالمية" القوية بالانتشار إلى مجالات مختلفة ، باستثناء عدد قليل من الصناعات التي بها حواجز البيانات (مثل الرعاية الطبية) ، فإن النماذج الكبيرة في معظم المجالات الرأسية سوف تتلاشى تدريجياً.
لأنه في التحليل النهائي ، فإن عددًا كبيرًا جدًا من الخبراء أو النماذج العمودية واسعة النطاق هم في الأساس منتجات بعض المؤسسات التي لا تمتلك قوة وبيانات كافية للحوسبة ، وغير قادرة على تسلق "النموذج العام واسع النطاق" ، وعليها أن تستقر على الأفضل التالي (هذا واضح بشكل خاص في الصين).
إذا كان من الممكن أن يكون نموذج كبير للأغراض العامة بارعًا في معظم الصناعات بفضل قدرته القوية على التعلم ، فمن ذا الذي سيكون على استعداد للتبديل بين النماذج المختلفة بشكل مضجر ، وتحمل تكاليف التدريب واستخدام عدة نماذج مختلفة؟
من وجهة النظر هذه ، يتم استبدال النموذج الخبير تدريجيًا بالنموذج العام ، وهي عملية تاريخية حتمية للبشر على طريق الذكاء الاصطناعي العام.
ظاهرة أخرى ترافق ذلك هي استبدال المهام الأكثر تقسيمًا وتافهة.
لأنه مع وجود نموذج عام أكثر قوة ، سيجد الأشخاص ، في الواقع ، أنه يمكن دمج محتوى العمل للعديد من الوظائف ودمجها.
يعد مديرو المنتجات ومحللو البيانات أحد الأمثلة المحتملة.
على سبيل المثال ، في مشروع تطوير منتج جديد ، يمكن لـ GPT-5 البحث عن أبحاث السوق ذات الصلة ، وتحليل المنتج التنافسي ، وصور المستخدم والبيانات الأخرى من الإنترنت وفقًا لمفهوم أو طلب منتج معين ، وتنزيلها في ذاكرتها الخاصة.
بعد ذلك ، ستقوم بتحليل وفهم البيانات المكتسبة من خلال فهمها متعدد الوسائط وقدرات التفكير المنطقي ، بالإضافة إلى الرسوم البيانية المعرفية وقواعد البيانات.
بعد الحصول على البيانات المقابلة ، وتصنيفها وتنظيمها ، ستتعلم GPT-5 استراتيجيات التسويق ذات الصلة ، وتعليقات المستخدمين والمعلومات الأخرى من تعليقات نظام الحوار من خلال القدرة على فهم اللغة ، ومقارنتها بمفاهيم المنتج أو الاحتياجات المحددة التي تتم مقارنتها وتقييمها.
بهذه الطريقة ، يتم "دمج" وظيفتي مدير المنتج ومحلل البيانات بشكل فعال.
على الطريق غير المكتمل إلى الذكاء الاصطناعي العام ، هناك عدد لا يحصى من الوظائف التي تم دمجها واستبدالها.
لذلك ، فإن GPT-5 الأكثر تنوعًا ليس فقط نعمة لتقدم الإنتاجية ، ولكنه أيضًا مقدمة لزلزال كبير في الصناعة.
في ذلك الوقت ، ستنهار العديد من الشركات التي لا تملك بعد القدرة على استخدام نماذج واسعة النطاق وتفتقر إلى حواجز الصناعة بشكل هش مثل القلاع المبنية من الرمال.
والمزيد من الأفراد العاديين ، الذين يواجهون المناصب التي يتم استبدالها باستمرار ، سيشعرون بعمق أكبر بعدم اليقين في ذلك الوقت ...
شاهد النسخة الأصلية
قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.
GPT-5 قادم؟ ما هي التغييرات الجذرية التي ستحدث في صناعة الذكاء الاصطناعي
منذ ظهور chatGPT ، تطور الذكاء الاصطناعي بسرعة على أساس شهري ، مع وجود العديد من النماذج والتكرار السريع ، لا يسع الكثير من الناس إلا إدراك أن البشر يبدو أنهم يقفون حقًا على حافة بوابة الذكاء الاصطناعي العام.
في الآونة الأخيرة ، يُظهر مستند كشف عنه مكتب الولايات المتحدة للبراءات والعلامات التجارية (USPTO) أن OpenAI قدمت طلب علامة تجارية لـ "GPT-5" في 18 يوليو. وتم قبوله.
لقطة شاشة لملف USPTO
على الرغم من أنه في النصف الأول من هذا العام ، أصدر العديد من خبراء الذكاء الاصطناعي والباحثين رسائل مفتوحة بشكل مشترك عدة مرات ، داعين الناس إلى الانتباه إلى المخاطر المحتملة للذكاء الاصطناعي التوليدي ، كما أعلنت OpenAI في ذلك الوقت أنه لن يكون لديها خطة لتدريب GPT-5 على المدى القصير.
ومع ذلك ، فإن إغراء العلم والتكنولوجيا سمح أخيرًا للبشر باختراق حدود المحرمات.
في التطبيق الذي تم الكشف عنه هذه المرة ، ذكرت شركة OpenAI أن GPT-5 التي لم يتم إصدارها ستتمتع بالعديد من الإمكانات التي لا تتوفر في GPT-4 ، ويشير كل عنصر تقريبًا إلى AGI.
لقطة شاشة لملف USPTO
إذن ، ماذا يعني هذا التغيير للذكاء الاصطناعي والبشر؟
اليوم ، ستحاول هذه المقالة إجراء تحليل بسيط للوظائف والتغييرات المحتملة وتأثير GPT-5 من المعلومات المحدودة التي تم الكشف عنها في مستندات تطبيق OpenAI.
** 01 الطريق إلى AGI **
في المستند الذي تم الكشف عنه هذه المرة ، كان أحد التغييرات الأولى التي ذكرتها OpenAI هو تحسين الوظائف متعددة الوسائط.
على وجه التحديد ، تتضمن وظائف GPT-5 ترجمة النص أو الكلام من لغة إلى أخرى ، والتعرف على الكلام ، وإنشاء النص والكلام ، والمزيد.
على الرغم من أنه في GPT-4 الحالي ، يمكن للمستخدمين أيضًا تحقيق الترجمة بين لغات مختلفة ، ولكن نظرًا لتمييز وظيفة الترجمة هنا ، يجب إعادة تحسينها.
لماذا يبرز OpenAI قدرة الترجمة لـ GPT-5 كثيرًا؟
قد يكون هذا بسبب أن أحد المتطلبات الأساسية لتصبح GPT عالمية هو تقليل فجوة التكلفة لاستخدام نماذج كبيرة بلغات مختلفة.
في السابق ، أظهرت نتائج أبحاث جامعة أكسفورد أنه نظرًا لقياس تكلفة الخادم وطرق الفوترة المعتمدة من قبل خدمات مثل OpenAI ، فإن تكلفة المدخلات والمخرجات الإنجليزية أقل بكثير من تكلفة اللغات الأخرى.
من بينها ، تبلغ تكلفة اللغة الصينية المبسطة ضعف تكلفة اللغة الإنجليزية ، وتبلغ تكلفة اللغة الإسبانية 1.5 مرة تكلفة اللغة الإنجليزية ، وتبلغ تكلفة لغة شان في ميانمار 15 ضعف تكلفة اللغة الإنجليزية.
نظرًا لأن لغات مثل الصينية لها هياكل مختلفة وأكثر تعقيدًا ، فإنها تتطلب معدل lemmatization أعلى.
على سبيل المثال ، وفقًا لرمز GPT3 الخاص بـ OpenAI ، يتطلب رمز "عاطفتك" رمزين فقط باللغة الإنجليزية ، ولكن يتطلب ثمانية رموز في اللغة الصينية المبسطة.
هذا يعني أنه بالنسبة للغات غير الإنجليزية ، يكون استخدام النماذج وتدريبها أكثر تكلفة.
وبمجرد تجاوز عتبة "حاجز اللغة" ، فإن هذا الحاجز العالمي أمام GPT سيتم بلا شك إزالته مباشرة.
بالإضافة إلى ذلك ، يبدو أن وظيفة التعرف على الكلام البارزة في المستند هي مجرد تغيير غير واضح ، ولكن إلى حد ما ، هذا جزء آخر من رصف OpenAI لـ GPT-5 على الطريق إلى لبنة AGI.
كما نعلم جميعًا ، في اتجاه التطوير المستقبلي للنماذج الكبيرة ، أصبح اتجاهًا واضحًا بشكل متزايد يتمثل في أن النماذج تصبح مهمشة ومحكمة.
منذ أن أصدرت شركة Qualcomm نموذجًا كبيرًا يحتوي على مليار معلمة يمكن تشغيلها على الهواتف المحمولة في يوليو من هذا العام ، أعلنت الشركات المصنعة مثل Honor و Apple أيضًا أنها ستطلق هواتفها المحمولة "ذات الطراز الكبير".
بدءًا من الهواتف المحمولة ، ستتم معالجة بيانات الذكاء الاصطناعي في المستقبل بشكل متزايد على الجانب الطرفي مثل الكاميرات وأجهزة الاستشعار والقيادة الذاتية.
في مثل هذا السيناريو للتطبيق ، يكون التعرف على الكلام أكثر ملاءمة وكفاءة بلا شك.
على سبيل المثال ، يسمح نموذج لغة AI للسائق بالتحكم في السيارة من خلال الصوت. قم بتحويل الأوامر الصوتية للسائق إلى أوامر قابلة للتنفيذ ، مثل البدء والإيقاف والتسريع والفرامل وغيرها من العمليات.
المساعدين الأذكياء الموجودين في نظام الهاتف المحمول مثل SIri سيعطون أيضًا الأولوية للتحكم من خلال الأوامر الصوتية.
يمكن ملاحظة أن التعرف على الكلام ليس مجرد تثليج على الكعكة ، ولكنه "تكوين قياسي" عندما يدخل GPT-5 الجانب الطرفي.
ومن خلال غرق كل جهاز طرفي ، سيحصل GPT-5 أيضًا على هياكل بيانات أكثر تهميشًا وغير لغوية.
بعد كل شيء ، منذ تطوير النموذج الكبير ، فإن البيانات النصية التي يمكن استيعابها هي نفسها تقريبًا.إذا أردنا اتخاذ خطوة أخرى على الطريق إلى AGI ، فإن هذا النوع من البيانات "غير النصية" مهم للغاية.
** 02 نموذج خبير التحدي **
بالإضافة إلى الخصائص المذكورة أعلاه ، ذكر المستند المقدم من OpenAI أيضًا: "قد يكون لـ GPT-5 أيضًا القدرة على تعلم البيانات وتحليلها وتصنيفها والاستجابة لها."
انطلاقًا من اتجاه التطور الحالي للذكاء الاصطناعي ، ربما يعني هذا أن GPT-5 لديه قدرة تعلم نشطة مماثلة لتلك الموجودة في الجسم الذكي.
وهذه القدرة ستجعل GPT-5 مختلفًا اختلافًا جوهريًا عن النماذج السابقة التي يمكنها فقط تعلم المعرفة الجديدة بشكل سلبي من خلال بيانات التغذية البشرية.
على وجه التحديد ، تعني قدرة التعلم النشط أن النموذج يمكنه اختيار البيانات واكتسابها ومعالجتها بشكل مستقل وفقًا لأهدافه واحتياجاته ، بدلاً من الاعتماد فقط على البيانات المقدمة من قبل البشر.
يسمح هذا للنموذج باستخدام المعلومات والمعرفة الموجودة في البيانات بشكل أكثر فعالية ، والتكيف بشكل أكثر مرونة مع بيئات البيانات المختلفة وسيناريوهات المهام ، بدلاً من مجرد تلقي البيانات وإخراجها بشكل سلبي.
وهذه القدرة مهمة بشكل خاص عندما يواجه GPT-5 بعض الحقول الرأسية وغير المألوفة نسبيًا.
بعض المجالات المحددة ، مثل الطب والقانون والتمويل وما إلى ذلك ، عادة ما يكون لها شروطها الخاصة وقواعدها وأنظمتها المعرفية ، والتي قد يكون من الصعب فهمها ومعالجتها لنماذج اللغة العادية.
إذا كان لدى GPT-5 القدرة على التعلم النشط ، فيمكنه تلقائيًا جمع وتحديث البيانات ذات الصلة في هذه المجالات من الإنترنت ، وتحليل وتصنيف المفاهيم الأساسية والمبادئ المهمة وآخر التطورات في هذه المجالات ، والاستجابة للمشاكل الشائعة في هذه المجالات ، الحالات النموذجية والتطبيقات العملية.
بهذه الطريقة ، يمكن لـ GPT-5 إتقان الخبرة في هذه المجالات بشكل أسرع وإكمال المهام المقابلة في هذه المجالات بشكل أكثر دقة وكفاءة.
وكل هذه هي مفتاح النموذج العام الحقيقي.
لأنه إذا احتاج GPT دائمًا إلى أن يكون متصلاً "بنموذج خبير" معين من أجل حل المهام المهنية ، فلا يمكن القول إنه "عالمي" حقًا.
لأن هذا سيؤدي إلى اختلافات GPT واعتمادها على القدرات الاستخباراتية لمختلف المجالات والسيناريوهات ، كما سيزيد من تكاليف الاتصال والتنسيق بين GPT و "النموذج الخبير" ، ولا يمكن أن يضمن إمكانية تحقيق خدمات عالية الجودة تحت أي ظروف.
في السابق ، كشفت وسائل الإعلام الأجنبية Semianalysis عن أسرار GPT-4 التي تم إصدارها في مارس من هذا العام ، مما كشف أن OpenAI تستخدم نموذجًا مختلطًا من الخبراء لبناء GPT-4.
وفقًا للأخبار ، يستخدم GPT-4 16 نموذجًا مختلطًا من الخبراء (خليط من الخبراء) ، لكل منها 111 مليار معلمة ، ويمر كل مسار أمامي من خلال نموذجين خبراء.
ومع ذلك ، فإن المزيد من النماذج الخبيرة يعني أنه من الصعب التعميم وتحقيق التقارب.
وذلك لأن كل نموذج خبير له معاييره واستراتيجياته الخاصة ، والتي يصعب تنسيقها غالبًا ، مما يجعل من الصعب على GPT الموازنة و "مراعاة الوضع العام".
بعد امتلاك القدرة على التعلم النشط ، سيكون GPT-5 قادرًا على استخدام قدرات الفهم والاستدلال متعدد الوسائط ، بالإضافة إلى خرائط المعرفة وقواعد البيانات ، لتحليل وفهم البيانات المكتسبة ، ومن خلال تجميع الخوارزميات والمصنفات ، ربط وتلخيص البيانات ذات الصلة .
بهذه الطريقة ، يمكن لـ GPT-5 استخدام المعلومات والمعرفة في البيانات بشكل فعال وفقًا لبيئات البيانات المختلفة وسيناريوهات المهام.
** 03 استبدال المزيد من العمل **
كما ذكرنا سابقًا ، بعد إزالة حاجز اللغة والدخول إلى الجانب الطرفي بوظيفة التعرف على الكلام المريحة ، ستستمر GPT-5 في استيعاب المعرفة في سيناريوهات ومجالات وأنماط مختلفة من خلال إمكانات التعلم النشط المستمر ، ثم الانتقال نحو الطريق إلى الذكاء الاصطناعي العام يتحرك بسرعة عالية.
من المتوقع أنه عندما تبدأ GPT-5 بمثل هذه "العالمية" القوية بالانتشار إلى مجالات مختلفة ، باستثناء عدد قليل من الصناعات التي بها حواجز البيانات (مثل الرعاية الطبية) ، فإن النماذج الكبيرة في معظم المجالات الرأسية سوف تتلاشى تدريجياً.
لأنه في التحليل النهائي ، فإن عددًا كبيرًا جدًا من الخبراء أو النماذج العمودية واسعة النطاق هم في الأساس منتجات بعض المؤسسات التي لا تمتلك قوة وبيانات كافية للحوسبة ، وغير قادرة على تسلق "النموذج العام واسع النطاق" ، وعليها أن تستقر على الأفضل التالي (هذا واضح بشكل خاص في الصين).
إذا كان من الممكن أن يكون نموذج كبير للأغراض العامة بارعًا في معظم الصناعات بفضل قدرته القوية على التعلم ، فمن ذا الذي سيكون على استعداد للتبديل بين النماذج المختلفة بشكل مضجر ، وتحمل تكاليف التدريب واستخدام عدة نماذج مختلفة؟
من وجهة النظر هذه ، يتم استبدال النموذج الخبير تدريجيًا بالنموذج العام ، وهي عملية تاريخية حتمية للبشر على طريق الذكاء الاصطناعي العام.
ظاهرة أخرى ترافق ذلك هي استبدال المهام الأكثر تقسيمًا وتافهة.
لأنه مع وجود نموذج عام أكثر قوة ، سيجد الأشخاص ، في الواقع ، أنه يمكن دمج محتوى العمل للعديد من الوظائف ودمجها.
يعد مديرو المنتجات ومحللو البيانات أحد الأمثلة المحتملة.
على سبيل المثال ، في مشروع تطوير منتج جديد ، يمكن لـ GPT-5 البحث عن أبحاث السوق ذات الصلة ، وتحليل المنتج التنافسي ، وصور المستخدم والبيانات الأخرى من الإنترنت وفقًا لمفهوم أو طلب منتج معين ، وتنزيلها في ذاكرتها الخاصة.
بعد ذلك ، ستقوم بتحليل وفهم البيانات المكتسبة من خلال فهمها متعدد الوسائط وقدرات التفكير المنطقي ، بالإضافة إلى الرسوم البيانية المعرفية وقواعد البيانات.
بعد الحصول على البيانات المقابلة ، وتصنيفها وتنظيمها ، ستتعلم GPT-5 استراتيجيات التسويق ذات الصلة ، وتعليقات المستخدمين والمعلومات الأخرى من تعليقات نظام الحوار من خلال القدرة على فهم اللغة ، ومقارنتها بمفاهيم المنتج أو الاحتياجات المحددة التي تتم مقارنتها وتقييمها.
بهذه الطريقة ، يتم "دمج" وظيفتي مدير المنتج ومحلل البيانات بشكل فعال.
على الطريق غير المكتمل إلى الذكاء الاصطناعي العام ، هناك عدد لا يحصى من الوظائف التي تم دمجها واستبدالها.
لذلك ، فإن GPT-5 الأكثر تنوعًا ليس فقط نعمة لتقدم الإنتاجية ، ولكنه أيضًا مقدمة لزلزال كبير في الصناعة.
في ذلك الوقت ، ستنهار العديد من الشركات التي لا تملك بعد القدرة على استخدام نماذج واسعة النطاق وتفتقر إلى حواجز الصناعة بشكل هش مثل القلاع المبنية من الرمال.
والمزيد من الأفراد العاديين ، الذين يواجهون المناصب التي يتم استبدالها باستمرار ، سيشعرون بعمق أكبر بعدم اليقين في ذلك الوقت ...