“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。
据了解，Zara的这场直播一改传统直播间的紧凑，而是将整个秀场搬到了直播间，用户不仅可以看到Zara以T台走秀的形式演绎讲解多款Zara秋冬新品，还可以看到模特更换妆造、摄影师跟拍这些镜头外的场景，沉浸感拉满。
围绕Zara这场直播，在业内引发了不少讨论。
科学家通过机器学习来研究断层线的「慢地震」（预示地震到来的有用指标）信号，有望能作为准确预测地震的科学依据。
DreamTalk能够生成高质量的动画，使人物脸部动作看起来非常真实。除了逼真的嘴唇动作，它还能展现丰富的表情，使动画更加生动。此外，DreamTalk支持多种语言，无论是中文、英文还是其他语言，都能很好地同步。