“如果我必须做出预测，那在像美国这样的高收入国家，我猜我们距离普通大众广泛地使用人工智能还有18到24个月的时间。
“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）。
论文网址：https://arxiv.org/abs/2312.17234
Meta的目标是通过HawkEye在问题变得明显之前消除它们。这意味着开发人员无需等待问题升级并开始影响用户体验，HawkEye可以发现并清除任何可能的问题，只留下更复杂或系统性的问题供人类开发人员解决。Meta计划不断改进HawkEye的灵活性，以处理新的和不断发展的调试挑战。可扩展性功能和开源社区倡议将促进不断的增强。