Sejak munculnya chatGPT, AI telah berkembang pesat setiap bulan, dengan begitu banyak model dan iterasi yang cepat, banyak orang tidak dapat tidak menyadari bahwa manusia tampaknya benar-benar berdiri di tepi gerbang AGI.
Baru-baru ini, sebuah dokumen yang diungkapkan oleh Kantor Paten dan Merek Dagang Amerika Serikat (USPTO) menunjukkan bahwa OpenAI mengajukan permohonan merek dagang untuk "GPT-5" pada 18 Juli. dan telah diterima.
Tangkapan layar file USPTO
Meskipun pada paruh pertama tahun ini, berbagai pakar dan cendekiawan AI telah bersama-sama mengeluarkan surat terbuka berkali-kali, mengimbau masyarakat untuk memperhatikan potensi risiko AI generatif, dan OpenAI juga mengumumkan pada saat itu tidak akan memiliki rencana. untuk melatih GPT-5 dalam jangka pendek.
Namun, godaan ilmu pengetahuan dan teknologi akhirnya memungkinkan manusia untuk menembus batas tabu.
Dalam aplikasi yang diungkapkan kali ini, OpenAI menyebutkan bahwa GPT-5 yang belum dirilis akan memiliki banyak kemampuan yang tidak dimiliki GPT-4, dan hampir setiap item mengacu pada AGI.
Tangkapan layar file USPTO
Jadi, apa arti perubahan seperti itu bagi AI dan manusia?
Hari ini, artikel ini akan mencoba melakukan analisis sederhana tentang kemungkinan fungsi, perubahan, dan dampak GPT-5 dari informasi terbatas yang diungkapkan dalam dokumen aplikasi OpenAI.
01 Jalan menuju AGI
Dalam dokumen yang diungkapkan kali ini, salah satu perubahan pertama yang disebutkan oleh OpenAI adalah peningkatan fungsi multimoda.
Secara khusus, fungsi GPT-5 termasuk menerjemahkan teks atau ucapan dari satu bahasa ke bahasa lain, pengenalan ucapan, menghasilkan teks dan ucapan, dan banyak lagi.
Meskipun dalam GPT-4 saat ini, pengguna juga dapat mencapai terjemahan antara bahasa yang berbeda, tetapi karena fungsi terjemahan dipilih di sini, itu harus dioptimalkan kembali.
Mengapa OpenAI sangat menonjolkan kemampuan terjemahan GPT-5?
Ini mungkin karena salah satu prasyarat agar GPT menjadi universal adalah meminimalkan kesenjangan biaya dalam penggunaan model besar dalam berbagai bahasa.
Sebelumnya, hasil penelitian Universitas Oxford menunjukkan bahwa karena pengukuran biaya server dan metode penagihan yang diadopsi oleh layanan seperti OpenAI, biaya input dan output bahasa Inggris jauh lebih rendah daripada bahasa lain.
Di antaranya, biaya bahasa Cina Sederhana sekitar dua kali lipat dari bahasa Inggris, bahasa Spanyol 1,5 kali lipat dari bahasa Inggris, dan bahasa Shan di Myanmar 15 kali lipat dari bahasa Inggris.
Karena bahasa seperti bahasa Cina memiliki struktur yang berbeda dan lebih kompleks, mereka memerlukan tingkat lemmatisasi yang lebih tinggi.
Misalnya, menurut tokenizer GPT3 OpenAI, token untuk "kasih sayang Anda" hanya membutuhkan dua token dalam bahasa Inggris, tetapi delapan token dalam Bahasa Cina Sederhana.
Artinya, untuk bahasa selain bahasa Inggris, jauh lebih mahal untuk menggunakan dan melatih model.
Dan begitu ambang batas "hambatan bahasa" dilewati, penghalang universal di depan GPT ini pasti akan langsung dibersihkan.
Selain itu, fungsi pengenalan ucapan yang menonjol dalam dokumen tersebut tampaknya hanya merupakan perubahan yang tidak mencolok, tetapi sampai batas tertentu, ini adalah bagian lain dari pengaspalan GPT-5 OpenAI di jalan menuju batu bata AGI.
Seperti yang kita semua tahu, dalam arah pengembangan model besar di masa depan, telah menjadi tren yang semakin jelas bahwa model menjadi terpinggirkan dan terminasi.
Sejak Qualcomm merilis model besar dengan 1 miliar parameter yang dapat berjalan di ponsel pada Juli tahun ini, pabrikan seperti Honor dan Apple juga telah mengumumkan bahwa mereka akan meluncurkan ponsel "model besar" mereka sendiri.
Mulai dari ponsel, data AI ke depannya akan semakin banyak diproses di sisi terminal seperti kamera, sensor, dan autonomous driving.
Dalam skenario aplikasi seperti itu, pengenalan ucapan tidak diragukan lagi lebih nyaman dan efisien.
Misalnya, model bahasa AI memungkinkan pengemudi mengendalikan kendaraan melalui suara. Ubah perintah suara pengemudi menjadi perintah yang dapat dijalankan, seperti mulai, berhenti, percepat, rem, dan operasi lainnya.
Asisten pintar yang ada di sistem ponsel seperti SIri juga akan mengutamakan kontrol melalui perintah suara.
Dapat dilihat bahwa pengenalan suara tidak hanya sekedar pelengkap saja, tetapi sebuah "konfigurasi standar" saat GPT-5 memasuki sisi terminal.
Dan melalui penenggelaman setiap perangkat terminal, GPT-5 juga akan mendapatkan struktur data yang lebih terpinggirkan dan non-linguistik.
Lagi pula, sejak pengembangan model besar, data teks yang dapat diserap hampir sama.Jika kita ingin mengambil langkah lain menuju AGI, data "non-teks" semacam ini sangat penting.
02 Model Pakar Tantangan
Selain karakteristik di atas, dokumen yang disampaikan oleh OpenAI juga menyebutkan: "GPT-5 mungkin juga memiliki kemampuan untuk mempelajari, menganalisis, mengklasifikasikan, dan merespons data."
Dilihat dari tren perkembangan kecerdasan buatan saat ini, ini mungkin berarti GPT-5 memiliki kemampuan belajar aktif yang mirip dengan tubuh cerdas.
Dan kemampuan ini akan membuat GPT-5 berbeda secara mendasar dari model sebelumnya yang hanya dapat mempelajari pengetahuan baru secara pasif melalui data pemberian makan manusia.
Secara khusus, kemampuan pembelajaran aktif berarti model dapat secara mandiri memilih, memperoleh, dan mengolah data sesuai dengan tujuan dan kebutuhannya sendiri, daripada hanya mengandalkan data yang disediakan oleh manusia.
Hal ini memungkinkan model untuk lebih efektif memanfaatkan informasi dan pengetahuan dalam data, dan lebih fleksibel beradaptasi dengan lingkungan data dan skenario tugas yang berbeda, daripada hanya menerima dan mengeluarkan data secara pasif.
Dan kemampuan seperti itu sangat penting ketika GPT-5 menghadapi medan vertikal dan relatif asing.
Beberapa bidang khusus, seperti kedokteran, hukum, keuangan, dll., biasanya memiliki istilah, aturan, dan sistem pengetahuannya sendiri, yang mungkin sulit dipahami dan diproses untuk model bahasa biasa.
Jika GPT-5 memiliki kemampuan pembelajaran aktif, maka secara otomatis dapat mengumpulkan dan memperbarui data yang relevan di bidang ini dari Internet, menganalisis dan mengklasifikasikan konsep dasar, prinsip penting dan perkembangan terbaru di bidang ini, dan menanggapi masalah umum di bidang ini , Kasus tipikal dan aplikasi praktis.
Dengan cara ini, GPT-5 dapat menguasai keahlian di bidang ini lebih cepat dan menyelesaikan tugas terkait di bidang ini dengan lebih akurat dan efisien.
Dan semua ini adalah kunci dari model umum yang sebenarnya.
Karena jika GPT selalu perlu dihubungkan ke "model pakar" tertentu untuk menyelesaikan tugas profesional, maka tidak bisa dikatakan benar-benar "universal".
Karena ini akan menyebabkan perbedaan dan ketergantungan GPT pada kemampuan intelijen dari berbagai bidang dan skenario, dan juga akan meningkatkan biaya komunikasi dan koordinasi antara GPT dan "model ahli", dan tidak dapat menjamin bahwa layanan berkualitas tinggi dapat dicapai di bawah sistem apa pun. keadaan.
Sebelumnya, semianalisis media asing mengungkapkan rahasia GPT-4 yang dirilis pada Maret tahun ini, mengungkap bahwa OpenAI menggunakan model ahli campuran untuk membangun GPT-4.
Menurut kabar, GPT-4 menggunakan 16 mixed expert model (campuran pakar), masing-masing dengan 111 miliar parameter, dan setiap forward pass route melewati dua expert model.
Namun, model yang lebih ahli berarti lebih sulit untuk menggeneralisasi dan mencapai konvergensi.
Ini karena setiap model ahli memiliki parameter dan strateginya sendiri, yang seringkali sulit untuk dikoordinasikan, yang membuat GPT sulit untuk menyeimbangkan dan "memperhitungkan situasi secara keseluruhan".
Setelah memiliki kemampuan pembelajaran aktif, GPT-5 akan dapat menggunakan kemampuan pemahaman dan penalaran multimodal, serta peta pengetahuan dan basis data, untuk menganalisis dan memahami data yang diperoleh, dan melalui algoritme pengelompokan dan pengklasifikasi, Menghubungkan dan meringkas data terkait .
Dengan cara ini, GPT-5 dapat secara efektif menggunakan informasi dan pengetahuan dalam data sesuai dengan lingkungan data dan skenario tugas yang berbeda.
03 mengganti lebih banyak pekerjaan
Seperti disebutkan di atas, setelah mengatasi hambatan bahasa dan memasuki sisi terminal dengan fungsi pengenalan ucapan yang nyaman, GPT-5 akan terus menyerap pengetahuan dalam berbagai skenario, bidang, dan mode melalui kemampuan pembelajaran aktif berkelanjutan, dan kemudian bergerak menuju Jalan menuju AGI sedang bergerak dengan kecepatan tinggi.
Diperkirakan bahwa ketika GPT-5 dengan "universalitas" yang begitu kuat mulai menyebar ke berbagai bidang, kecuali beberapa industri dengan hambatan data (seperti perawatan medis), model besar di sebagian besar bidang vertikal akan secara bertahap dikalahkan.
Karena pada analisis terakhir, beberapa ahli atau model skala besar vertikal pada dasarnya adalah produk dari beberapa perusahaan dengan daya komputasi dan data yang tidak memadai, tidak dapat menaiki "model skala besar umum", dan harus puas dengan yang terbaik berikutnya. (ini sangat jelas di Cina).
Jika model besar tujuan umum dapat mahir di sebagian besar industri berdasarkan kemampuan belajarnya yang kuat, lalu siapa yang mau beralih di antara model yang berbeda dengan membosankan, dan menanggung banyak pelatihan dan menggunakan biaya untuk model yang berbeda?
Dari sudut pandang ini, model pakar secara bertahap digantikan oleh model umum, yang merupakan proses sejarah yang tak terhindarkan bagi manusia dalam perjalanan menuju AGI.
Fenomena lain yang menyertai ini adalah tugas-tugas yang lebih terbagi dan sepele diganti.
Karena dengan model umum yang lebih kuat, orang akan menemukan bahwa sebenarnya konten pekerjaan dari banyak posisi dapat digabungkan dan diintegrasikan.
Manajer produk dan analis data adalah salah satu contohnya.
Misalnya, dalam proyek pengembangan produk baru, GPT-5 dapat mencari riset pasar yang relevan, analisis produk kompetitif, potret pengguna, dan data lain dari Internet sesuai dengan konsep atau permintaan produk tertentu, dan mengunduhnya ke dalam memorinya sendiri.
Setelah itu, ia akan menganalisis dan memahami data yang diperoleh melalui pemahaman multimodal dan kemampuan penalaran logisnya sendiri, serta grafik dan basis data pengetahuan.
Setelah mendapatkan data yang sesuai, mengklasifikasikan dan mengaturnya, GPT-5 akan mempelajari strategi pemasaran yang relevan, umpan balik pengguna, dan informasi lain dari umpan balik sistem dialog melalui kemampuan pemahaman bahasa, dan membandingkannya dengan konsep atau kebutuhan Produk yang diberikan dibandingkan dan dievaluasi.
Dengan cara ini, dua posisi manajer produk dan analis data secara efektif "digabungkan".
Di jalan yang belum selesai menuju AGI, ada banyak sekali pekerjaan yang digabungkan dan diganti.
Oleh karena itu, GPT-5 yang lebih serbaguna tidak hanya menjadi keuntungan bagi kemajuan produktivitas, tetapi juga menjadi awal dari gempa besar di industri ini.
Saat itu, banyak perusahaan yang belum memiliki kemampuan untuk menggunakan model berskala besar dan tidak memiliki hambatan industri akan runtuh dengan rapuh seperti istana yang dibangun dari pasir.
Dan individu yang lebih biasa, menghadapi posisi yang terus-menerus diganti, akan merasakan ketidakpastian waktu yang lebih dalam ...
Lihat Asli
Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.
GPT-5 akan datang? Perubahan drastis apa yang akan terjadi pada industri AI
Sejak munculnya chatGPT, AI telah berkembang pesat setiap bulan, dengan begitu banyak model dan iterasi yang cepat, banyak orang tidak dapat tidak menyadari bahwa manusia tampaknya benar-benar berdiri di tepi gerbang AGI.
Baru-baru ini, sebuah dokumen yang diungkapkan oleh Kantor Paten dan Merek Dagang Amerika Serikat (USPTO) menunjukkan bahwa OpenAI mengajukan permohonan merek dagang untuk "GPT-5" pada 18 Juli. dan telah diterima.
Tangkapan layar file USPTO
Meskipun pada paruh pertama tahun ini, berbagai pakar dan cendekiawan AI telah bersama-sama mengeluarkan surat terbuka berkali-kali, mengimbau masyarakat untuk memperhatikan potensi risiko AI generatif, dan OpenAI juga mengumumkan pada saat itu tidak akan memiliki rencana. untuk melatih GPT-5 dalam jangka pendek.
Namun, godaan ilmu pengetahuan dan teknologi akhirnya memungkinkan manusia untuk menembus batas tabu.
Dalam aplikasi yang diungkapkan kali ini, OpenAI menyebutkan bahwa GPT-5 yang belum dirilis akan memiliki banyak kemampuan yang tidak dimiliki GPT-4, dan hampir setiap item mengacu pada AGI.
Tangkapan layar file USPTO
Jadi, apa arti perubahan seperti itu bagi AI dan manusia?
Hari ini, artikel ini akan mencoba melakukan analisis sederhana tentang kemungkinan fungsi, perubahan, dan dampak GPT-5 dari informasi terbatas yang diungkapkan dalam dokumen aplikasi OpenAI.
01 Jalan menuju AGI
Dalam dokumen yang diungkapkan kali ini, salah satu perubahan pertama yang disebutkan oleh OpenAI adalah peningkatan fungsi multimoda.
Secara khusus, fungsi GPT-5 termasuk menerjemahkan teks atau ucapan dari satu bahasa ke bahasa lain, pengenalan ucapan, menghasilkan teks dan ucapan, dan banyak lagi.
Meskipun dalam GPT-4 saat ini, pengguna juga dapat mencapai terjemahan antara bahasa yang berbeda, tetapi karena fungsi terjemahan dipilih di sini, itu harus dioptimalkan kembali.
Mengapa OpenAI sangat menonjolkan kemampuan terjemahan GPT-5?
Ini mungkin karena salah satu prasyarat agar GPT menjadi universal adalah meminimalkan kesenjangan biaya dalam penggunaan model besar dalam berbagai bahasa.
Sebelumnya, hasil penelitian Universitas Oxford menunjukkan bahwa karena pengukuran biaya server dan metode penagihan yang diadopsi oleh layanan seperti OpenAI, biaya input dan output bahasa Inggris jauh lebih rendah daripada bahasa lain.
Di antaranya, biaya bahasa Cina Sederhana sekitar dua kali lipat dari bahasa Inggris, bahasa Spanyol 1,5 kali lipat dari bahasa Inggris, dan bahasa Shan di Myanmar 15 kali lipat dari bahasa Inggris.
Karena bahasa seperti bahasa Cina memiliki struktur yang berbeda dan lebih kompleks, mereka memerlukan tingkat lemmatisasi yang lebih tinggi.
Misalnya, menurut tokenizer GPT3 OpenAI, token untuk "kasih sayang Anda" hanya membutuhkan dua token dalam bahasa Inggris, tetapi delapan token dalam Bahasa Cina Sederhana.
Artinya, untuk bahasa selain bahasa Inggris, jauh lebih mahal untuk menggunakan dan melatih model.
Dan begitu ambang batas "hambatan bahasa" dilewati, penghalang universal di depan GPT ini pasti akan langsung dibersihkan.
Selain itu, fungsi pengenalan ucapan yang menonjol dalam dokumen tersebut tampaknya hanya merupakan perubahan yang tidak mencolok, tetapi sampai batas tertentu, ini adalah bagian lain dari pengaspalan GPT-5 OpenAI di jalan menuju batu bata AGI.
Seperti yang kita semua tahu, dalam arah pengembangan model besar di masa depan, telah menjadi tren yang semakin jelas bahwa model menjadi terpinggirkan dan terminasi.
Sejak Qualcomm merilis model besar dengan 1 miliar parameter yang dapat berjalan di ponsel pada Juli tahun ini, pabrikan seperti Honor dan Apple juga telah mengumumkan bahwa mereka akan meluncurkan ponsel "model besar" mereka sendiri.
Mulai dari ponsel, data AI ke depannya akan semakin banyak diproses di sisi terminal seperti kamera, sensor, dan autonomous driving.
Dalam skenario aplikasi seperti itu, pengenalan ucapan tidak diragukan lagi lebih nyaman dan efisien.
Misalnya, model bahasa AI memungkinkan pengemudi mengendalikan kendaraan melalui suara. Ubah perintah suara pengemudi menjadi perintah yang dapat dijalankan, seperti mulai, berhenti, percepat, rem, dan operasi lainnya.
Asisten pintar yang ada di sistem ponsel seperti SIri juga akan mengutamakan kontrol melalui perintah suara.
Dapat dilihat bahwa pengenalan suara tidak hanya sekedar pelengkap saja, tetapi sebuah "konfigurasi standar" saat GPT-5 memasuki sisi terminal.
Dan melalui penenggelaman setiap perangkat terminal, GPT-5 juga akan mendapatkan struktur data yang lebih terpinggirkan dan non-linguistik.
Lagi pula, sejak pengembangan model besar, data teks yang dapat diserap hampir sama.Jika kita ingin mengambil langkah lain menuju AGI, data "non-teks" semacam ini sangat penting.
02 Model Pakar Tantangan
Selain karakteristik di atas, dokumen yang disampaikan oleh OpenAI juga menyebutkan: "GPT-5 mungkin juga memiliki kemampuan untuk mempelajari, menganalisis, mengklasifikasikan, dan merespons data."
Dilihat dari tren perkembangan kecerdasan buatan saat ini, ini mungkin berarti GPT-5 memiliki kemampuan belajar aktif yang mirip dengan tubuh cerdas.
Dan kemampuan ini akan membuat GPT-5 berbeda secara mendasar dari model sebelumnya yang hanya dapat mempelajari pengetahuan baru secara pasif melalui data pemberian makan manusia.
Secara khusus, kemampuan pembelajaran aktif berarti model dapat secara mandiri memilih, memperoleh, dan mengolah data sesuai dengan tujuan dan kebutuhannya sendiri, daripada hanya mengandalkan data yang disediakan oleh manusia.
Hal ini memungkinkan model untuk lebih efektif memanfaatkan informasi dan pengetahuan dalam data, dan lebih fleksibel beradaptasi dengan lingkungan data dan skenario tugas yang berbeda, daripada hanya menerima dan mengeluarkan data secara pasif.
Dan kemampuan seperti itu sangat penting ketika GPT-5 menghadapi medan vertikal dan relatif asing.
Beberapa bidang khusus, seperti kedokteran, hukum, keuangan, dll., biasanya memiliki istilah, aturan, dan sistem pengetahuannya sendiri, yang mungkin sulit dipahami dan diproses untuk model bahasa biasa.
Jika GPT-5 memiliki kemampuan pembelajaran aktif, maka secara otomatis dapat mengumpulkan dan memperbarui data yang relevan di bidang ini dari Internet, menganalisis dan mengklasifikasikan konsep dasar, prinsip penting dan perkembangan terbaru di bidang ini, dan menanggapi masalah umum di bidang ini , Kasus tipikal dan aplikasi praktis.
Dengan cara ini, GPT-5 dapat menguasai keahlian di bidang ini lebih cepat dan menyelesaikan tugas terkait di bidang ini dengan lebih akurat dan efisien.
Dan semua ini adalah kunci dari model umum yang sebenarnya.
Karena jika GPT selalu perlu dihubungkan ke "model pakar" tertentu untuk menyelesaikan tugas profesional, maka tidak bisa dikatakan benar-benar "universal".
Karena ini akan menyebabkan perbedaan dan ketergantungan GPT pada kemampuan intelijen dari berbagai bidang dan skenario, dan juga akan meningkatkan biaya komunikasi dan koordinasi antara GPT dan "model ahli", dan tidak dapat menjamin bahwa layanan berkualitas tinggi dapat dicapai di bawah sistem apa pun. keadaan.
Sebelumnya, semianalisis media asing mengungkapkan rahasia GPT-4 yang dirilis pada Maret tahun ini, mengungkap bahwa OpenAI menggunakan model ahli campuran untuk membangun GPT-4.
Menurut kabar, GPT-4 menggunakan 16 mixed expert model (campuran pakar), masing-masing dengan 111 miliar parameter, dan setiap forward pass route melewati dua expert model.
Namun, model yang lebih ahli berarti lebih sulit untuk menggeneralisasi dan mencapai konvergensi.
Ini karena setiap model ahli memiliki parameter dan strateginya sendiri, yang seringkali sulit untuk dikoordinasikan, yang membuat GPT sulit untuk menyeimbangkan dan "memperhitungkan situasi secara keseluruhan".
Setelah memiliki kemampuan pembelajaran aktif, GPT-5 akan dapat menggunakan kemampuan pemahaman dan penalaran multimodal, serta peta pengetahuan dan basis data, untuk menganalisis dan memahami data yang diperoleh, dan melalui algoritme pengelompokan dan pengklasifikasi, Menghubungkan dan meringkas data terkait .
Dengan cara ini, GPT-5 dapat secara efektif menggunakan informasi dan pengetahuan dalam data sesuai dengan lingkungan data dan skenario tugas yang berbeda.
03 mengganti lebih banyak pekerjaan
Seperti disebutkan di atas, setelah mengatasi hambatan bahasa dan memasuki sisi terminal dengan fungsi pengenalan ucapan yang nyaman, GPT-5 akan terus menyerap pengetahuan dalam berbagai skenario, bidang, dan mode melalui kemampuan pembelajaran aktif berkelanjutan, dan kemudian bergerak menuju Jalan menuju AGI sedang bergerak dengan kecepatan tinggi.
Diperkirakan bahwa ketika GPT-5 dengan "universalitas" yang begitu kuat mulai menyebar ke berbagai bidang, kecuali beberapa industri dengan hambatan data (seperti perawatan medis), model besar di sebagian besar bidang vertikal akan secara bertahap dikalahkan.
Karena pada analisis terakhir, beberapa ahli atau model skala besar vertikal pada dasarnya adalah produk dari beberapa perusahaan dengan daya komputasi dan data yang tidak memadai, tidak dapat menaiki "model skala besar umum", dan harus puas dengan yang terbaik berikutnya. (ini sangat jelas di Cina).
Jika model besar tujuan umum dapat mahir di sebagian besar industri berdasarkan kemampuan belajarnya yang kuat, lalu siapa yang mau beralih di antara model yang berbeda dengan membosankan, dan menanggung banyak pelatihan dan menggunakan biaya untuk model yang berbeda?
Dari sudut pandang ini, model pakar secara bertahap digantikan oleh model umum, yang merupakan proses sejarah yang tak terhindarkan bagi manusia dalam perjalanan menuju AGI.
Fenomena lain yang menyertai ini adalah tugas-tugas yang lebih terbagi dan sepele diganti.
Karena dengan model umum yang lebih kuat, orang akan menemukan bahwa sebenarnya konten pekerjaan dari banyak posisi dapat digabungkan dan diintegrasikan.
Manajer produk dan analis data adalah salah satu contohnya.
Misalnya, dalam proyek pengembangan produk baru, GPT-5 dapat mencari riset pasar yang relevan, analisis produk kompetitif, potret pengguna, dan data lain dari Internet sesuai dengan konsep atau permintaan produk tertentu, dan mengunduhnya ke dalam memorinya sendiri.
Setelah itu, ia akan menganalisis dan memahami data yang diperoleh melalui pemahaman multimodal dan kemampuan penalaran logisnya sendiri, serta grafik dan basis data pengetahuan.
Setelah mendapatkan data yang sesuai, mengklasifikasikan dan mengaturnya, GPT-5 akan mempelajari strategi pemasaran yang relevan, umpan balik pengguna, dan informasi lain dari umpan balik sistem dialog melalui kemampuan pemahaman bahasa, dan membandingkannya dengan konsep atau kebutuhan Produk yang diberikan dibandingkan dan dievaluasi.
Dengan cara ini, dua posisi manajer produk dan analis data secara efektif "digabungkan".
Di jalan yang belum selesai menuju AGI, ada banyak sekali pekerjaan yang digabungkan dan diganti.
Oleh karena itu, GPT-5 yang lebih serbaguna tidak hanya menjadi keuntungan bagi kemajuan produktivitas, tetapi juga menjadi awal dari gempa besar di industri ini.
Saat itu, banyak perusahaan yang belum memiliki kemampuan untuk menggunakan model berskala besar dan tidak memiliki hambatan industri akan runtuh dengan rapuh seperti istana yang dibangun dari pasir.
Dan individu yang lebih biasa, menghadapi posisi yang terus-menerus diganti, akan merasakan ketidakpastian waktu yang lebih dalam ...