“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。
预测:微软和亚马逊将推出人工智能硬件设备。
更多跨行业的知名创作者站出来反对未经创作者同意而训练的AI生成模型。
1. Nvidia将更加努力成为云提供商，与亚马逊、微软和谷歌之间的关系愈发复杂。
以椰树为代表，品牌们正变得越来越会玩，也开始获得不输达人的流量。