“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。
1. 🧠英特尔与DigitalBridge合作推出新的企业级通用人工智能软件公司Articul8。
3、LLaVA在视觉聊天和推理问答方面表现出接近GPT-4水平的能力。
看到这里，我不禁想发出疑问:一款派对游戏，到底是在什么时候开始成为年轻人的精神乐园的?