在非洲国家,我预计在三年左右的时间里会看到类似的使用水平。这其中仍然存在差距,但它比我们在其他创新中看到的滞后时间要短得多。”
“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。
5. 开源LLM与GPT-4的差距缩小。我相信在2024年,我们终将看到一个能与GPT-4相媲美的开源模型。
20世纪60年代,板块构造理论就被广泛接受了,但几十年后,人们对于地震成因的理解,也只是应力累积到临界阈值,就会通过地震释放。
论文地址:https://mobile-aloha.github.io/resources/mobile-aloha.pdf