Sam Altman 柏林谈 AI 未来:GPT-5 或超越人类,DeepSeek 获赞,开源至关重要

Sam Altman 表示,AI 将在未来两年迎来里程碑式发展,GPT-5 或超越人类智能,并强调了开源模型(如 DeepSeek)的重要性。

原文标题:GPT-5 比人还聪明?Sam Altman 这次把 AI 的未来都摊开聊了!

原文作者:图灵编辑部

冷月清谈:

OpenAI CEO Sam Altman 在柏林工业大学的座谈会上,分享了他对 AI 未来发展的见解:

1. AI 发展迅猛:2025-2027 年 AI 的进步速度将远超 2023-2025 年,编程方式也将彻底改变。
2. 开源模型的重要性:Altman 强调了开源模型对 AI 发展的重要性,并肯定了 DeepSeek 的贡献。
3. AGI 的到来:Altman 认为 AGI 终将到来,但其目的是增强人类能力,而非取代人类。
4. GPT-5 的潜力:Altman 提及 GPT-5 的智能水平可能超越人类,并能大幅提升科学家、工程师和创作者的效率。
5. AI 助力科研:AI 将在科学研究中发挥越来越重要的作用,例如生成新的科学理论,辅助重大科学发现。
6. 年轻人的准备:Altman 建议年轻人学习高效使用 AI 工具,并培养适应能力和理解他人需求的能力。
7. AI 时代推荐读物:Altman 推荐了多本关于人工智能、计算机科学、编程、数学以及 ChatGPT 的书籍,帮助人们更好地理解和应用 AI。

怜星夜思:

1、Sam Altman 提到 GPT-5 可能会比人类更聪明,这是否意味着未来 AI 会取代人类进行科学研究,甚至做出重大科学发现?
2、Altman 强调了开源模型的重要性,但 OpenAI 自身却越来越闭源,这是否是种矛盾?
3、Altman 建议年轻人学习高效使用 AI 工具,你认为在 AI 时代,哪些技能会变得更加重要?

原文内容

上周 OpenAI 才刚发布 Deep Research 没过几天,又搞了个 o3-mini 免费版。这波操作让整个 AI 圈都炸了,甚至有外国网友直呼——这就是 “DeepSeek 效应”!AI 这场竞赛已经进入白热化阶段,每一次技术升级都在推着整个行业狂飙突进,而国内外开发者们,也在这股浪潮里拼命追赶,不想掉队。
不过,OpenAI 的 CEO Sam Altman 显然对这一切心里有数。就在 2 月 7 日,他现身柏林工业大学(Technische Universität Berlin),参加了 OpenAI  和柏林学习与数据基础研究所(BIFOLD)举办的一场关于人工智能的座谈会,顺便也聊了聊 AI 未来的走向。最有意思的是,这次他主动谈起并夸了 DeepSeek。
视频地址:https://www.youtube.com/watch?v=McuO7Osgzqo

1

AI未来两年将是里程碑式发展 

Altman 表示:“2025 年到 2027 年的 AI 进步,可能比 2023 年到 2025 年还猛。”换句话说,接下来两年,AI 的升级速度会快到离谱,而且关键是没有任何技术障碍。
这可不是随口一说,Altman 还专门提到了 “2025 年初的编程方式,和 2025 年底会完全不一样”,意思是,AI 会彻底改变工程师的工作方式,甚至是整个开发思维。这不是单纯的工具升级,而是一次彻底的范式转变。

2

谈DeepSeek:世界需要开源模型 

AI 界这几年有个很大的争论,就是开源 vs. 闭源,DeepSeek 作为开源派的代表,一直是个热门话题。这次 Altman 直接给开源站台了,他的态度很明确:“世界需要开源模型。”
因为 OpenAI 一直被吐槽越来越“闭源”,而 DeepSeek 这样的开源模型正在快速崛起。Altman 其实很清楚,开源生态不仅是 AI 发展的重要推动力,而且它让更多人能够低门槛地使用 AI 技术。虽然行业里对开源和闭源的争论还在继续,但毫无疑问,DeepSeek 这样的开源大模型正在全球范围内获得越来越多的认可。

3

AGI 终将到来,但别过度焦虑 

AGI(通用人工智能)一直是 AI 领域最具争议的话题,有人觉得它遥不可及,有人害怕它会毁灭人类。Altman 倒是很乐观,他的态度是:“AGI 早晚会来,甚至可能比我们想象的更快。”
他特别强调了一点:“人们总是低估科技的进步速度。这句话放在 AI 领域,尤其适用,因为 AI 现在的进化速度,已经远远超出了很多人的认知。”
不过,他也强调,不用担心 AGI 会让人类无用。相反,它的目标是增强人类的能力,而不是取代人类。简单来说,AI 是来帮忙的,不是来抢饭碗的。

4

GPT-5会比人类更聪明? 

这次演讲里,Altman 还提到 GPT-5 了,他问了个问题:“你们有多少人觉得自己比 GPT-4 聪明?又有多少人比 GPT-5 聪明呢?”
然后他自己笑着说:“我自己可能都比不过 GPT-5。”
这话听起来有点夸张,但背后的意思很明确——AI 的智能化程度正在快速提升,但 Altman 并不认为 AI 变得更聪明会带来什么负面影响,相反,他觉得这会让科学家、工程师和创作者的效率大幅提升,比如加速科研、优化数据分析、甚至辅助人类做出重大科学发现。

5

AI助力科学研究 

Altman 还提到,AI 在科学研究中的作用将变得越来越重要,它不仅可以减少重复劳动,还能帮助科学家在复杂信息里挖掘出关键洞见。
他说现在已经有研究团队在用 AI 生成全新的科学理论,而且已经有了一些初步突破。换句话说,未来 AI 可能真的能自己发现物理定律、找到新的医学疗法,这听起来像科幻,但现在已经在发生了。

6

AI时代,年轻人该怎么准备?

如果 Altman 现在还是个学生,他会怎么做?他的答案很简单:“学会高效使用 AI 工具。”
他说,未来的工作方式会发生巨变,AI 工具将成为每个人的“标配”,谁更懂得如何高效使用 AI,谁就能在未来更具竞争力。
但光会用 AI 还不够,他还特别强调了一点:“未来最重要的竞争力,是适应能力和理解别人的需求。”
因为 AI 会越来越强,很多机械性的工作都会被取代,但真正的核心竞争力在于创造力、决策能力和人与人之间的沟通。换句话说,未来 AI 可能会比你更聪明,但它不懂人情世故,如何利用 AI 让自己更强,才是关键。

7

普通人AI时代读什么? 

人工智能初了解

人工智能全景式指南,AI 入门第一步,培养兴趣,跟 AI 先熟悉起来。而这本书能帮你快速了解人工智能的前世今生,建立起对人工智能的全局认知,拓宽视野。如果只读一本人工智能书,强烈推荐这本!

《人工智能简史(第2版)》
尼克 | 著

本书获得第七届中华优秀出版物图书奖、第八届吴文俊人工智能科技进步奖,入围央视“2017年度中国好书”,获选第十三届“文津图书奖”推荐图书。

全方位解读人工智能的来龙去脉,几乎覆盖人工智能学科的所有领域,包括人工智能的起源、自动定理证明、专家系统、神经网络、自然语言处理、遗传算法、深度学习、强化学习、超级智能、哲学问题和未来趋势等,以宏阔的视野和生动的语言,对人工智能进行了全面回顾和深度点评。

计算机通识教育

AI 时代每个人都需要了解的计算机通识知识,有助于大家快速了解计算机的底层逻辑,为后面编程阶段做准备。

《程序是怎样跑起来的(第3版)》
矢泽久雄 | 著,周自恒 | 译

原版重印 50 次,畅销经典,本书从计算机的内部结构开始讲起,以图配文的形式详细讲解了二进制、内存、数据压缩、源文件和可执行文件、操作系统和应用程序的关系、汇编语言、硬件控制方法等内容。


《计算机是怎样跑起来的(第2版)》

矢泽久雄 | 著,胡屹 | 译

“计算机组成原理”图解趣味版,本书以图配文,以计算机的三大原则为开端、相继介绍了计算机的结构、手工汇编、程序流程、算法、数据结构、面向对象编程、数据库、TCP/IP 网络、数据加密、XML、计算机系统开发以及 SE 的相关知识。第 2 版的部分程序改用 Python 来呈现,数据库改用 MySQL,并对加密部分做了升级。
《网络是怎样连接的》

户根勤 | 著,周自恒 | 译

蹲马桶就能看懂的网络基础知识,本书以探索之旅的形式,从在浏览器中输入网址开始,一路追踪了到显示出网页的内容为止的整个过程,以图配文,讲解了网络的全貌,并重点介绍了实际的网络设备和软件是如何工作的。


编程知识储备

作为人工智能的黄金语言,这几年越来越多的人选择 Python 作为自己的入门语言。这本书是 Python 领域最好的入门书,销量突破 250 万,理论+三个项目实战,读完即可上手 Python。不仅适合程序员、非技术人士也能看得懂!

《Python编程:从入门到实践(第3版) 》
[美]埃里克·马瑟斯 | 著
袁国忠 | 译
人工智能的黄金语言,Python 入门圣经,影响全球超过 250 万读者,长居 Amazon、京东等网店编程类图书榜首,真正零基础,附赠随书代码+配套视频讲解+速查手册,自学无压力。
数学知识储备

学习人工智能,基本的数学知识也要有一些储备。即使你不是那么擅长数学,也不用担心,以下这两本书你无需担心太难,不像学校里的教材那样让人生畏,内容深入浅出,没有大篇幅的理论,真的简单易懂!

《简单微积分:学校未教过的超简易》
神永正博|著
李慧慧|译

最受欢迎的微积分教程,仅用“阅读”就能理解微积分原理,无须背诵公式、烦琐计算,传授日本微积分入门的“巧妙思路”。书中以微积分的“思考方法”为核心,以生活例子通俗讲解了微积分的基本原理、公式推导以及实际应用意义,解答了微积分初学者遭遇的常见困惑。


《简单线性代数:漫画线性代数入门》
[日]键本聪|著
冰岛 | 译

一本说人话、不劝退,中学生就能读懂的线性代数入门书,无须背诵公式、烦琐计算,用“漫画故事”理解线性代数基础概念。


本书为线性代数入门的科普读物,书中以“如何理解线性代数”“如何理解矩阵的基础概念与计算方法”为线索,用漫画故事生动呈现了线性代数初学者的学习历程。作者从学习者的角度出发,结合生活例子讲解了线性代数中的基础概念及实际应用意义,解答了初学者在的常见困惑。本书讲解直观、通俗,适合作为正式学习线性代数前的入门读本。


数据结构与算法
掌握数据结构与算法,可以更好地给机器发送指令,以下这两本是写给所有人的算法书,不需要你有任何技术基础,只要跟着作者思路一步步操作,就可以掌握基本算法知识。

《我的第一本算法书(修订版)》

宫崎修一 , 石田保辉 | 著

张贝,何润民  | 译


人人都能看懂的算法与数据结构入门书,没有枯燥的理论和复杂的代码,用生动直观的图示和简单易懂的文字讲解算法,全新增补修订,新增 7 种算法+ 2 种性质说明,内容更完善,零基础也能轻松自学。只要你对算法感兴趣都可以来读这本。


《算法图解(第2版)》

[美] 阿迪蒂亚 · Y. 巴尔加瓦 | 著

袁国忠 | 译

像小说一样好懂的算法书,400 多幅示意图,生动展示算法相关内容,以简明易懂的方式阐释了算法,教会你用常见算法解决每天面临的实际编程问题。这一版将示例代码更新到了 Python 3,并新增了两章专门讨论树,加之诸多修订,使得内容更加完善。

人工智能知识储备

让机器学习与深度学习不再深奥,用图解复杂的机器学习知识,好过理论的堆砌,这两本书不需要背任何公式,只要对计算机知识有基础的了解就可以看懂。

《图解机器学习》

杉山将 | 著

许永伟 | 译


这本书覆盖机器学习中最经典、用途最广的算法,用丰富的图示,从最小二乘法出发,对基于最小二乘法实现的各种机器学习算法进行了详细的介绍,还提供了可执行的 Matlab 程序代码。

《深度学习入门:基于Python的理论与实现》

斋藤康毅 | 著
陆宇杰 | 译

本书是深度学习真正意义上的入门书,深入浅出地剖析了深度学习的原理和相关技术。书中使用 Python3,尽量不依赖外部库或工具,从基本的数学知识出发,带领读者从零创建一个经典的深度学习网络,使读者在此过程中逐步理解深度学习。

ChatGPT 知识储备

ChatGPT 已经成为职场人必备技能,作为最好的、有关 ChatGPT 底层原理的诠释之作,《这就是ChatGPT》建议所有人都去读!

另外,学会写 prompt 可以让大模型更好地为你所用。掌握核心的 prompt 知识让你使用大模型的效率翻倍!


《这就是ChatGPT》

[美] 斯蒂芬·沃尔弗拉姆|著

WOLFRAM传媒汉化小组|译
OpenAI CEO,ChatGPT 之父山姆·阿尔特曼推荐,国内首部由世界顶级 AI 学者、科学和技术领域重要的革新者、“第一个真正实用的人工智能”搜索引擎 WolframAlpha 发明人斯蒂芬·沃尔弗拉姆对 ChatGPT 最本质的原理的解释的权威之作!

《ChatGPT高效提问:prompt技巧大揭秘》
李世明 代旋 张涛 | 著

ChatGPT 的横空出世昭示了通用人工智能的可能性,并为我们提供了更加便捷、直观和个性化的信息获取方式,有望在教育、研究、咨询和日常生活中发挥重要作用。而驾驭 ChatGPT,使之更好地服务于我们的工作和生活,需要一些技巧和方法,这就是本书要探讨的 prompt(提示)工程。 


本书以通俗易懂的语言,详细介绍了如何编写高质量的提示,引导 ChatGPT 输出优质答案,满足各种信息需求。书中包含详细解释和丰富示例,旨在帮助读者掌握利用 ChatGPT 解决各种问题的实用技能。

快来开启你的 AI 学习之旅吧,这些书将成为你高效入门的最佳助手!


扫码啦!一起进群学习~👇


沟通能力和人际交往能力也很重要,毕竟 AI 时代,人与人之间的合作依然至关重要。

适应能力和学习能力也是关键,因为技术更新太快了,需要不断学习新知识和技能。

我觉得有可能,毕竟 AI 的学习和处理信息的能力远超人类,未来很有可能在某些领域超越人类科学家。

我持保留态度。AI 确实很强大,可以辅助科研,但科学研究需要创造力和直觉,这些是 AI 目前难以具备的。重大科学发现往往需要灵感,AI 更多的是工具,它可以帮助我们更好地分析数据,但不能完全取代人类。

这确实有点矛盾,可能 OpenAI 内部也在进行权衡,如何平衡开源和闭源,才能更好地推动 AI 的发展。

我觉得 Altman 可能是想表达一种平衡,既要发展开源社区,也要保护自己的核心技术。

OpenAI 可能是出于商业和安全考虑,毕竟 AI 技术的发展太快了,完全开源也存在风险。

我觉得创造力、批判性思维和解决问题的能力会更重要,因为这些是 AI 难以取代的。

我认为 AI 和人类科学家会合作进行科研,AI 负责处理大量数据,人类负责提出假设和方向,这样才能更高效地进行科学研究。