盡管我們不知道GPT-5何時發布，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首席執行官Sam Altman定期暗示GPT-5的信息，似乎我們不久將會看到一個新的、升級版的AI模型。

至少，這是我們所希望的。GPT-5沒有具體的發布日期，我們所認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，不管發布日期是什么時候，有幾個關鍵功能是我們希望在GPT-5發布時看到的。

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大的生成式模型。目前GPT-5還沒有官方發布日期，但有跡象表明它可能最早在2024年夏天發布。目前關于這個模型的細節知之甚少，但有幾件事可以相當確定地說：

1.OpenAI已經向美國專利商標局申請了這個名字的商標。

2.幾位OpenAI的高管已經討論或暗示了模型可能具備的能力。

3.OpenAI首席執行官Sam Altman在2024年3月的一次YouTube采訪中與Lex Fridman反復提到了這個模型。

這些都指向了一個令人興奮的現實：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，并且相當確信會在模型中看到。以下是其中的一些：

更多模態性

GPT系列AI模型最令人興奮的改進之一就是多模態性。多模態性是指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。多模態性將是GPT系列模型未來發展的重要進步基準。

GPT-4已經擅長處理圖像輸入和輸出，改進音頻和視頻處理將是OpenAI的下一個里程碑，GPT-5是一個很好的起點。谷歌已經在其Gemini AI模型上取得了這方面的重大進展。如果OpenAI不做出回應，不太符合OpenAI團隊的性格。但當然，筆者也只是一種猜測。在他的Unconfuse Me播客中，比爾·蓋茨問OpenAI首席執行官Sam Altman預計GPT系列在未來兩年內會有哪些里程碑。他的第一個回答？視頻處理。

所以，對于GPT-5，我們希望能玩轉視頻——上傳視頻作為提示，隨時隨地創建視頻，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。我們希望能對音頻文件做類似的事情。這是一個很大的要求，是的。但鑒于AI發展的速度，這是一個非常合理的期望。

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20萬個令牌的上下文窗口，而谷歌的Gemini可以處理驚人的100萬個令牌（標準使用為128,000個）。相比之下，GPT-4的上下文窗口相對較小，只有128,000個令牌，大約32,000個令牌或更少的實際可用性適用于像ChatGPT這樣的界面。

隨著先進的多模態性的出現，改進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，一個模型可能有一個一百萬個令牌的上下文窗口（大約70萬字的容量），但當被要求總結一本50萬字的書時，它可能無法產生一個全面的摘要，因為它無法充分處理整個上下文，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“游戲規則改變者”這個詞在AI領域可能已經被過度使用，但GPT代理在每一個實際意義上都將是游戲規則改變者。

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。它們可以幫你寫一封電子郵件，講一個笑話，解決一個數學問題，或者為你起草一篇博客文章。然而，它們只能做那個特定的任務，不能完成你的工作所必需的一系列相關任務。

假設你是一個網頁開發者。作為你的工作的一部分，你需要做很多事情：設計、編寫代碼、故障排除等等。目前，你一次只能將這些任務的一部分委托給AI模型。也許你可以要求GPT-4模型為首頁編寫代碼，然后為聯系頁面編寫代碼，然后為關于頁面等等。你需要迭代地完成這些任務。還有一些任務模型根本無法完成。

這種針對特定子任務的AI模型的迭代提示過程既耗時又低效。在這種情況下，你——網頁開發者——是負責協調和提示AI模型一次完成一個任務的人類代理，直到你完成一整套相關任務。

GPT代理承諾由GPT-5協調的專門專家機器人，能夠自主地自我提示并自主處理復雜任務的所有子集。強調“自我提示”和“自主”。

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

減少幻覺

盡管OpenAI在其AI模型中處理幻覺方面已經取得了長足的進步，但GPT-5的真正試金石將是其解決持續存在的幻覺問題的能力，這個問題阻礙了AI在醫療保健、航空和網絡安全等高風險、安全關鍵領域的廣泛應用。這些都是將從AI的深度參與中獲益匪淺的領域，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被集成到一個分析患者癥狀和醫療報告的診斷系統中。幻覺可能導致AI自信地提供錯誤的診斷或基于想象的事實和錯誤的邏輯推薦一個潛在危險的治療方案。在醫療領域，這樣一個錯誤的后果可能是災難性的。

類似的保留意見適用于其他高后果領域，如航空、核能、海事運營和網絡安全。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生的可能性。

當我們熱切期待這個備受期待的AI模型的正式發布時，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，開啟一個人機協作和創新的新時代。

原文標題：GPT-5: 4 New Features We Want to See

原文作者：MAXWELL TIMOTHY