【AiBase提要】“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。
有人说这是一场有话题无销量、费钱费力的直播。据新抖数据统计，当天“ZARA”预估带货25万-50万元之间，累计直播观看人次121万。相比其他动辄破亿的品牌直播，这个成绩不算惊艳。
可以确定的是，AI确实让某些东西变得不一样了。
我认为升级到GPT-4可能会有所帮助，虽然它确实提供了略微改进的结果，但仍然无法创建一个完全功能的应用程序。因此，虽然GPT-engineer显示出一些希望，但可以说它还不能完全处理严肃的编码任务。