“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。
知道如何使用AI工具的人工作效率更高。知道如何操纵数据的人和企业能够更有效地了解真相、做出更好的决策并取得更多成果。随着AI的不断进步，这一点会成为现实。
3. 🌟 **实验验证**:通过在野外视频上的实验证明，Wild2Avatar方法在解决真实世界场景下的挑战方面取得显著成效。
我认为升级到GPT-4可能会有所帮助，虽然它确实提供了略微改进的结果，但仍然无法创建一个完全功能的应用程序。因此，虽然GPT-engineer显示出一些希望，但可以说它还不能完全处理严肃的编码任务。