一年半后发布对此你有何期待

IT之家6月22日消息在美国达特茅斯工程学院周四公布的采访中OpenAI首席技术官米拉·穆拉蒂被问及GPT-5是否会在明年发布给出了肯定答案并表示将在一年半后发布。

此外穆拉蒂在采访中还把GPT-4到GPT-5的飞跃描述为高中生到博士生的成长。

“像

GPT-4

这样的系统则更像是聪明的高中生智力水平在接下来的几年里我们期待在特定任务上达到博士的智力水平。

事情正在飞速变化、改善。

”他强调“博士级”的智能仅适用于某些任务并非全面达到甚至超越人类水平——“这些系统在特定任务中已经达到了人类水平当然在许多任务中它们还达不到。

”综合IT之家此前报道科技界多位领袖包括微软

CTO

系统发展之快的惊叹。

新一代大语言模型GPT-5的即将登场又将对我们的工作和日常生活产生怎样的影响呢它将带来哪些新的应用场景和创新可能性我们又该如何准备迎接这一新的技术变革现在就加入讨论吧在此分享你的见解和期待一起畅想AI赋能下的未来

方向一GPT-5技术突破预测

GPT-5与之前发布的模型相比存在显著的不同之处主要体现在以下几个方面

参数规模GPT-5具有超过1万亿个参数这是一个巨大的飞跃。

相比之下GPT-3的参数规模为1750亿个而GPT-5的参数规模增长了近6倍。

如此大规模的参数使得GPT-5能够更深入地理解和生成人类语言具备更高水平的自然语言处理能力。

多模态处理能力GPT-5是一种大型的多模态模型它不仅可以处理文本还可以接收和生成图像、音频、视频等多种不同类型的信息。

这种多模态处理能力使得GPT-5能够应用于更加多样化和复杂化的任务中如生成图像、编辑视频、制作音乐等。

个性化定制与自动格式转换GPT-5能够根据用户的需求和输入变量进行定制提供更加个性化的体验。

用户可以指定生成文本的风格、语气、专业性、幽默感等或者指定生成图像的风格、颜色、主题等。

此外GPT-5还能自动将文本转换为不同的格式如静态图像、短视频、音频、虚拟仿真等使得用户可以更方便地表达自己的想法和情感。

高级数据管理与辅助决策GPT-5提供更高级的数据管理功能包括记录、跟踪、分析和分享数据以简化用户的工作流程提高生产力。

同时GPT-5还能提供辅助决策功能通过提供相关信息和见解协助用户做出明智的决定。

构建虚拟世界与衍生垂直领域GPT-5能够基于单个输入问题或目标连接来自更多模式里的数据点自主创建一个完整的虚拟世界。

此外GPT-5在医学、法律、气候科学等垂直领域也能发挥巨大作用通过分析大量数据来制定个性化治疗方案、展现无与伦比的逻辑性和推导能力、预测气候变化的影响等。

自主开发能力GPT-5可以创建自己的人工智能模型来学习和完成新任务从而扩展其应用范围。

这种能力将为人工智能领域的发展带来前所未有的突破并可能开启一个全新的智能互联网时代。

GPT-5在参数规模、多模态处理能力、个性化定制、数据管理、辅助决策、构建虚拟世界以及自主开发能力等方面均展现出与前代模型显著的不同和进步。

这些特点使得GPT-5在自然语言处理领域具有更强的能力和更广泛的应用前景。

方向二智能系统人类协作

在张颖婕看来AI赋能生产力是现阶段AI持续进化带来的一大益处甚至是最大益处。

但AI的赋能同样离不开有效的人机协同。

机器与人如果能发挥协同作用决策的整体效果会更好。

针对这一情况张颖婕的研究试图解答三个问题一是通过系统设计探索人类在人机协作中的贡献二是解析这一人机协作的生成机制与原因三是探讨如何利用人类的异质性来提升协作效能。

张颖婕选取亚洲的小额贷款公司为研究对象对比了人工和AI在批准借款人违约率方面的决策差异。

实验结果显示在AI与人无合作分别独自决策的情况下AI决策比人工决策结果违约率更低给AI提供大数据能够显著降低违约率但数据量对人工决策结果违约率无显著影响而在给人工提供AI决策建议且这一建议与人工决策结论产生分歧时有60%-80%的人会选择接受AI的决策建议改变自己的决策当提供AI决策依据时这一比例会更高。

结果揭示了几个关键的发现。

首先当人工和AI各自独立作决策时AI的判断准确率明显超过人工特别是当数据量大的情况下人在决策时明显存在信息过载等问题。

其次在小数据情况下人的参与并不能显著提升合作效率。

并且在大数据环境下人类只有在被告知AI决策逻辑的前提下才能对违约率判断产生积极的价值。

换言之如果信息复杂度即大数据环境和AI决策逻辑信息二者不能同时满足时人类信审员在AI的辅助下要么全盘听从要么错误地坚持己见从而使得合作效率与AI独自决策时相差无几但两个条件的同时满足却能及时激发人工展现其独立思考和纠错能力这恰恰体现了人类在人机协同场景下的独特价值。

“在大数据背景下人工难以有效运用如购买记录等大数据信息并将其与自身决策融合尽管仍依赖传统数据人工的判断能力并未显著提升。

”张颖婕说。

相比之下AI在处理大数据信息上显示出更强的提取、转化和运用能力从而得出更精准的判断。

另外当面对中间情况且处于纠结状态时人工更倾向于依赖AI的决策但当申请人的情况较为极端时人工通常会依赖自己的判断而非接受AI的建议。

方向三迎接AI技术变革策略

强企业在财报电话会议中提及人工智能的比例急剧上升最近几个季度每次电话会议的平均提及次数比上一季度翻了一番。

75%认为未来的竞争优势将取决于谁拥有最先进的生成式AI。

9只有

13%

的人认为事实并非如此。

65%认为生成式AI将在未来三到五年内对其组织产生巨大或极高的影响远远超过其他所有新兴技术。

78%认为人工智能将对创新产生巨大或极高的影响。

11

43%

但他们也表明大多数首席执行官认为他们的组织尚未做好准备并将面临跟上步伐的挑战

60%

距离实施他们的第一个生成式AI解决方案还需要一两年的时间。

68%

尚未任命中央领导者或团队来协调企业的生成式AI工作大多数人表示他们的组织缺乏人才和治理等关键推动因素。

67%

尚未开始或正处于评估风险和缓解策略的初始阶段原因包括不准确、网络安全和数据隐私只有

考虑到AI革命的深远规模、速度和不确定性以及它带来的巨大机遇和挑战企业同样充满活力却毫无准备也就不足为奇了。

哈佛商学院已故教授克莱顿·克里斯滕森

(Clayton

在三十年前通过其开创性研究发现了这一动态并随后在他的开创性著作中捕捉到了这种动态因此在面对颠覆性技术时组织常常屈服于惯性或阻力最小的路径

创新者的困境。

尽管一些具有前瞻性思维的公司正在走在前面但我们才刚刚处于

那些能够有效驾驭颠覆性变革并抓住人工智能促进增长和价值创造的巨大潜力的公司将是那些大胆且尽早采取行动的公司。

这需要领导团队培养共同的紧迫感和信念在缺乏完善信息的情况下创新其业务模式同时创造专有见解将强大的人工智能能力嵌入到其组织中并巧妙地管理与人工智能相关的不确定性。

Runwise

的丰富传统即帮助企业通过战略转型创造新价值并推进行业前沿包括数字和人工智能支持的战略转型以及我们的创新变革的模式和工具经过15年的研究、应用和磨练。

这些建议并不侧重于建立团队和制定风险缓解计划等战术步骤而是我们所知的打破障碍和产生影响的行动。

它们共同构成了推动企业转型的蓝图。