“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。
6. Transformer架构的替代方案将得到真正的采用。
知名AI学者吴恩达在其创办的AI教育科技公司DeepLearning.AI官网发表了一篇预测AI趋势的新文章。他相信AI领域有三件事在未来十年都不会改变:
站长之家（ChinaZ.com）1月4日 消息:斯坦福大学的研究人员利用维基百科数据训练了一个大模型，命名为WikiChat，通过优化和改进，成功解决了大模型的幻觉问题，并在事实准确性和其他指标上表现优秀。他们的最佳模型在新的基准测试中获得了97.3%的事实准确性，远远超过了GPT-4的66.1%。此外，WikiChat还在相关性、信息性、自然性、非重复性和时间正确性方面领先其他模型。
GPT-engineer是一个承诺加速应用程序开发过程的AI工具。我决定使用它尝试使用GPT3.5创建一个Express应用程序。