全球首家AI餐厅开业
“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。
多模态模型将更多地用于文档处理（但首先需要降低成本/延迟）。
近几年，不少品牌将目光放在了抖音、快手等新兴平台上，但随着行业红利消退，抖音、快手等内容平台大做货架电商，淘宝大搞内容化，几大主流平台又形成了某种均衡。此时，部分品牌开始重新思考淘宝的价值。
图源备注：图片由AI生成，图片授权服务商Midjourney