折射OpenAI新一年技术路线图，透视Sam Altman的12个愿望清单

当地时间12月24日，Sam Altman 在X 平台上罕见地发起了一个「许愿池」， 「希望 OpenAI 在2024年构建/修复什么?」，这条推文迅速吸引 AI 领域众多大佬和网友的参与。

两个小时后，Sam Altman 挑选了12个期望值最高的愿望清单，并誓言「我们将尽我们所能去提供（以及许多其他我们感到兴奋但此处未提及的内容）」——从这里可以折射出 OpenAI2024年的路线图。

AGI（请保持耐心）

GPT-5

更好的语音模式

提高访问限制

更好的 GPTs

更好的推理能力

对觉醒/行为程度的控制

视频处理/生成能力

个性化定制

更强的联网搜索能力

使用 OpenAI登录

开源

对于这个许愿池，就连 GitHub 前 CEO Nat Friedman 也涌入评论区发言，「请确保 ChatGPT 中的语音模式足够出色，且可以通过图灵测试进行10分钟的对话，谢谢!」

「2024年，OpenAI 没有AGI」

过去一年，随着 ChatGPT 的爆火，GPT-4、GPT-4Turbo、DALL·E3等大模型的陆续推出，将 AI 发展推向新的高潮。很多人也期待随着底层模型的愈发成熟，能用 AI 做更多的事情。

当然，从愿望清单中也不难看出，更多的人希望 AI 能在新的一年里实现 AGI 的突破。

所谓 AGI，并没有统一的定义，但是当问询ChatGPT，其所给出的解释是指一种具有与人类相似或超越人类智能水平的 AI 系统。通过 AGI，AI 能够像人一样学习和适应各种不同的任务和领域，具有更全面的认知能力。实现 AGI 被认为是人工智能领域的一个长期目标，也是对计算机科学和人工智能研究的挑战性问题之一。

此前，英伟达 CEO 黄仁勋曾做出一次预测，即我们可能会在未来五年内看到 AGI。在黄仁勋看来，其将 AGI 定义为一种软件或计算机，可以完成反映基本智能的测试，与正常人「相当有竞争力」。

不过，对于专攻于底层大模型的 OpenAI 而言，AGI 势必会成为 AI 产品的底座，而不仅仅仅是一种软件这么简单。

当 AI 实现 AGI，也就意味着人与机器终极共生的时代将来临。在这其中，无论是法律法规，还是应用场景、道德规范都需要做好充足的准备，否则 AI 也有可能出现许多不可控的情况。

正因此，OpenAI 对待 AGI 可谓是慎之又慎。本月早些时候，Altman 在接受《时代》杂志采访时表示，「我认为 AGI 将是人类迄今发明的最强大的技术——特别是在全球实现对信息的民主化访问方面......就像以往任何其他强大的技术一样，这将带来令人难以置信的新事物，但也将伴随着一些真正的负面影响」。

在这一次网友的高度期待下，Sam Altman 也在 X 平台上也直截了当地回复道，「哇，前2分钟内对 AGI 的请求比预期多得多;很抱歉让您失望了，我认为我们无法在2024年实现这一目标……」

GPT-5会更强么?

相比 AGI 的不可能，备受期待的下一代 AI 语言模型 GPT-5的落地似乎更有希望一些。

前有今年7月 OpenAI 提交了 GPT-5的商标申请，后有Sam Altman 在一次采访中对外透露下一代人工智能模型 GPT-5正在开发中，还希望微软等投资者再给一些资金支持。

处处都暗示着 OpenAI 内部正在开发下一代新模型。至于究竟是不是 GPT-5，Sam Altman 也曾警示过:「在制作我们称之为 GPT-5的模型之前，我们需要弄清楚的事情还有很多。」

不过，通过 OpenAI 迭代的步伐，也正如 Fireflies.ai 社区所预测的，我们也可以对下一代「GPT-5」有以下一些期待:

1. 数据训练

GPT-3和GPT-4分别拥有1750亿个和超过1万亿个参数，在此基础上，GPT-5预计将利用更大的数据集，可能达到数万亿个参数。

同时，在2023年8月 OpenAI 发布了一个网络爬虫工具 GPTBot，可以在注重版权的基础上，通过从互联网收集公开信息来扩展其数据集。此举也被业界解读为 OpenAI 希望借助此款工具，帮助训练出 GPT-5相关模型。

2. 更高的准确性

虽然 GPT-4是目前行业中最先进的 AI 模型，但是它依然逃脱不了「幻觉」、「虚假」以及误导性信息的「魔爪」。

不过按照 OpenAI 过往大模型版本的迭代，「准确性」是其必升级的维度之一。根据 OpenAI 报告显示，GPT-4的幻觉现象明显少于 GPT-3和之前的版本。GPT-4在科学和历史类别中的准确性水平超过80%。对于其他类别的准确性也有显著提高。

预期 GPT-5的幻觉现象将少于10%，以便用户可以信任语言模型。

3. 全面的多模态

鉴于像微软的 Bing Chat 和 Google Bard 这样的多模态 AI 系统的兴起，不少人推测，GPT-5很可能融合全面的多模态能力进行升级，可能会具备更流畅的处理和生成文本、图像、音频、视频和3D 内容的能力。

4. 追求经济高效的扩展

不久前，被视为 OpenAI 最强竞品的 Anthropic 公司发布了 Claude Pro， 这款产品和 ChatGPT Plus 服务收费相同，但与 ChatGPT Plus 用户每三小时发送50条信息的限制相比，Claude Pro 用户每八小时可向 Claude2发送至少100条信息，树立了新的行业基准，这自然给 OpenAI 带来了一定的压力。

如果想要与 Claude Pro 实现有效竞争，OpenAI 亟须解决成本、规模、性能等关键挑战。所以，GPT-5版本是否会克服这些挑战，我们持以期待。

其他愿望清单

除此之外，网友们也希望 OpenAI 能够实现以及修复以下一些功能:

更好的语音模式

上个月，OpenAI 历经内部混乱之后的首日，悄然在X 平台上官宣ChatGPT 语音功能现在已经向所有用户免费开放，它主要由Whisper 模型提供支持。iOS 和 Android 的 ChatGPT 移动应用程序均提供该语音功能。

不过，有些限制的是，ChatGPT只提供了五种不同的声音进行选择:Breeze、Ember、Cove、Juniper 和 Sky。

在未来新的一年，不少用户希望 OpenAI 能够支持更多的声音和语言的选择，也期待可以将这一功能添加到网页版中。

提高访问限制

OpenAI 为 ChatGPT、GPT-4设置的访问限制，具体是指每个用户在特定时间段内可以发送的消息数量的限制、用户或客户端在指定时间内访问服务器的次数限制。

通过速率限制，OpenAI 可以有效防止某些用户滥用或误用 API、确保每个人都能公平地访问 API，以及帮助其自身管理基础设计上的总负载。

当然，不同账户类型和使用层级，拥有不同的速率限制。下图显示了 OpenAI API 的默认极值，其中极值根据两种方式测量:RPM（每分钟请求数）和 TPM(每分钟 tokens 数)。

当然，遇到特殊情况或者有强有力理由时，也可以单独向 OpenAI 申请速率限制增加。随着 AI 应用场景的丰富，越来越多的用户希望 OpenAI 可以直接先提升一波访问限制。

可以想象的是，速率限制的提升也需要 OpenAI 付出一定的代价，譬如更强大的计算能力和基础设施支持、增加对网络带宽的需求，或者从软件维度入手，改进算法、并行化处理、减少延迟等措施。

更好的 GPTs

今年11月，Sam Altman宣布「GPTs 现已经对所有 ChatGPT 订阅者开放」，这意味着人人可零代码制作智能体的时代已来临。同时在首届开发者日上，OpenAI 还宣布了将推出GPT 商店，以帮助经过验证的开发人员将他们的产品货币化。

有些遗憾的是，OpenAI 遭遇内乱，虽然原董事会成员将 Sam Altman 踢出局几天后，最终其成功回归，但是这一事件对于内部原定的产品发布计划带来了干扰。

因为这一突发事件，OpenAI 告知用户 GPT Store 应用将推迟至2024年上线。所以，面向未来，更加丰富的 GPTs 在新的一年里落地也并不是什么难事。

更优秀的推理能力

推理能力是指大模型在处理复杂任务、解决问题或生成有逻辑关联的连贯文本时所表现出的能力，它能够在理解和应用已有知识，进行推理、归纳和演绎，从而产生准确、合理的推断和推理结果。

要想提升推理能力，或可以通过模型架构改进、更大规模的训练数据、预训练和微调策略改进、多任务学习以及结合外部知识和语境等方法来提升推理能力。

对觉醒/行为程度的控制

这一点涉及到了 AI 系统的伦理和安全性。AI 技术的应用和发展需要在法律、伦理和社会框架下进行，以确保其对人类的利益和福祉产生积极影响。当然，这也绝非 OpenAI 一家就可以解决的事情，需要联合政府、监管机构以及开发者和研究机构共同参与，最终确保对 AI 系统的使用是可靠、透明和受控制的。

视频处理生成能力

目前相较于文本、音频、图像维度，大模型在处理视频功能方面的能力还相对有限，对于视频数据的处理需要更复杂的架构和技术。

视频数据通常具有高维度和大量的时间序列信息，处理起来更加复杂和耗时。此外，视频的处理还涉及到视觉内容的识别、跟踪、动作理解等方面，需要更深入的视觉理解能力。

这也是 OpenAI 等诸多大模型企业正在发力的下一站。

个性化定制

大模型的个性化也成为目前的一个主流趋势。个性化大模型的目标是提供更加符合用户个性化需求的输出结果，增强用户的满意度和体验。它可以通过考虑用户的个性化信息、上下文和反馈来实现，它与通用大模型的根本区别在于更加拟人化。

不过，在实施个性化时，需要 OpenAI 等开发商平衡个性化和隐私保护之间的关系。

更强的联网搜索能力

ChatGPT 的知识库更新时间已经被网友诟病很久了，GPT-3.5的知识库截止日期是2021年9月，GPT-4的知识库截止到2023年4月。在语言型的文本内容处理上，能够符合基本诉求。而涉及到新闻类、知识类的任务上，用户对于时效性的要求就更高了，提出了希望 OpenAI 增加实时联网搜索的产品能力。

OpenAI 账号支持社交登录

有网友提出希望 OpenAI 账号支持其他网站的社交登录，该功能也很合理。因为 OpenAI 目前拥有超过10亿用户，也成为了历史上用户增长速度最快的产品。根据当前的统计数据，ChatGPT 当前拥有超过1.8亿用户，每周活跃用户数达到1亿。

该需求也能看出，网友们对 OpenAI 持续增长的预期，毕竟只有国民级应用开发社交登录需求才比较合理。

开源

开源的话题，其实是在该 Twitter 评论里呼声最高的新年期待，有开发者提到希望 OpenAI 能够开源他们的权重和数据集，但是 Altman 把开源列在了最后一项。

OpenAI 一度因为开闭源问题，而被调侃为 CloseAI。宣称开源的大模型，是真开源还是假开源的话题，也一直引发行业内的讨论。

OpenAI 断层式的领先，让其他玩家不得不使用开源策略尝试弯道超车，行动最快的当属 Llama2，Llama2的开源促使全球的大模型生态，在过去几个月里得到了飞速发展。Llama2的生态蓬勃成长，也让 Meta 利用生态重振旗鼓的计划，得以看见希望。

在今年1024程序员节的岳麓对话「九问中国大模型掌门人」中，IDEA 研究院讲席科学家张家兴表示「开源代码是公海理念，大家都投入贡献，开源项目的发起方会得到很多收益。但是开源模型与开源代码不同，如果修改了某个参数，模型性能也有所不同。开源模型后，就存在继续训练的可能性，如果有人能继续训练，那么模型的谱系将变得非常大，它会形成一棵树的结构。从另一个角度来说，我们也希望大家都能真开源，比如更多的开源训练代码、训练数据，能真正帮助开发者们继续训练和微调。」

月之暗面的创始人杨植麟对大模型开源的观点是:「团队应该根据自己的发展方向，选择是否开闭源。如果计划像 OpenAI 一样的闭源，可能是通往 Super APP（超级应用）的唯一通路，而开源只是 ToB 的获客手段。」

杨植麟认为「凡要做 C 端超级 APP 的，都是闭源。」

写在最后

目前，AI 已经取得了长足的进步，但仍然存在许多挑战和限制:

从技术角度来看，AI 的发展受到算力、数据质量和算法架构等方面的限制。随着硬件的进步和算法的不断改进，可以预期 AI 的性能将继续提升。

此外，AI 的发展还受到伦理、法律和社会因素的约束。AI 技术引发了一系列关于隐私、数据安全、就业影响、责任分配等问题的讨论。这些问题需要综合考虑，并在 AI 的发展过程中制定相应的规范和政策。

作为 AI 领域的独角兽，OpenAI在2024年又会带来哪些让人惊艳的功能和产品，让我们拭目以待~

参考:

https://www.linkedin.com/pulse/what-expect-from-gpt-5-fireflies-inc-vll6f/?trk=article-ssr-frontend-pulse_more-articles_related-content-card

https://twitter.com/sama/status/1738673279085457661