“I”:视频输入。GPT-4V对视频的理解还相当原始，因为它将视频视为一系列离散图像。减少信息冗余的最聪明方法是什么?学习目标应该是什么?下一帧预测与下一个单词预测有着明显的类比关系，但它是否是最佳的?如何与语言交错?如何引导机器人和人工智能的视频学习?业界尚未达成共识。
我们仍然认为，不能完全依赖AI来实施更复杂的网络犯罪，以目前的形式这样做可能会产生有缺陷的结果。但这个领域的发展速度如此之快，以至于很难看到即将发生的事情。
DeWave功能展示
曾经，专家们一度非常有信心。
就像常规地震一样，这种慢地震能让地壳中的应力重新分布。