“O”:视频输出。2023年，我们看到了文字到视频合成的浪潮:WALT（谷歌）、EmuVideo(Meta)、Align Your Latents(英伟达)、Pika等等，数不胜数。然而，大多数生成的片段仍然很短。我将它们视为AI视频的“系统1”——“无意识”的局部像素运动。
6. AI Agent变得更好。Agent不仅会成为主流并在现实世界中找到用例，而且还会开始表现出类似人类的行为。我们将在植物学、市场营销、游戏理论等领域使用Agent来帮助我们预测人类行为。
这方面最典型的当属中国邮政香港抖音官方账号“中國郵政香港官方账号”。在专业团队的操盘下，“中國郵政香港官方账号”不仅能蹭上只有年轻人才能懂的“哪都通梗”，还大打港风牌，拍出了不输达人的短视频内容，甚至专业到可以反过来帮达人拍视频。
而在这些复杂的信号中提取有用的信息，就是AI能产生作用的地方了。
炒虾机器人Mobile ALOHA的研发过程中，关键在于模仿学习算法和静态ALOHA数据的共同训练。研究人员通过50个演示让机器人学习不同的任务，从而使其具备了强大的学习能力。机器人可以连续多次完成同一个任务，即使是在训练数据中看不到的情况下，也能够进行正确的操作。这种模仿学习的方法为机器人的开发和应用提供了新的思路，使机器人在各种复杂任务中表现出色。