就AI的能力、安全性以及对其潜在影响的积极性而言，2024年将是突破性的一年。从更长远的角度看，这只是指数级发展的又一年，它能让每个人的生活都比今天更美好。
“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。
目前，已有超过400家企业启动了鸿蒙原生应用开发，覆盖了导航、新闻、工具、旅游、金融、便捷生活、美食、游戏等多个品类。
除了可以从文字生成音乐外，它还支持图像、视频和音频生成音乐，并且还可以编辑已有的音乐。该项目利用了MERT等编码器进行音乐理解，ViT进行图像理解，ViViT进行视频理解，并使用MusicGen/AudioLDM2模型作为音乐生成模型（音乐解码器）。用户可以轻松移除或替换特定乐器，调整音乐的节奏和速度。这使得用户能够创造出符合其独特创意的音乐作品。
6.使用ChatGPT调试代码