“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。
到2024年，我们将看到更多实时图像、音频和视频生成传播应用。
2023年11月17日，国际服装巨头Zara在抖音进行了一场耗资巨大的Live Show式直播，再一次引发业内对直播价值的讨论。
事实上，2023年还有不少品牌直播案例，从品类和内容来看，既有水泥、煤炭这样的纯B端商家开播，也有大批品牌尝试AI数字人，虽然尚未跑出足够亮眼的案例，但也进一步证明了一个趋势:品牌直播正在走向深水区。
对此，加州理工学院地球物理学家、美国地质调查局前高级科学家Tom Heaton就曾这样怀疑:我们根本无法预测地震。