Multimodal AI

Multimodal AI je aI systém, ktorý spracúva alebo generuje viac typov dát, napríklad text, obraz, zvuk, video a tabuľky, a prepája ich význam.

Použitie závisí od konkrétnej úlohy a očakávaného výsledku. V praxi je dôležité určiť presný kontext, hranice významu a situácie, v ktorých sa pojem nesmie zamieňať s príbuzným javom.

Overenie sa robí na reprezentatívnych dátach alebo scenároch, voči jasnej porovnávacej základni a pomocou metrík zodpovedajúcich reálnemu cieľu. Kontrola má zahŕňať aj hraničné prípady, neistotu a prevádzkové náklady.

Rizikom je príliš široký výklad, zámena príbuzných pojmov a prenos tvrdenia medzi odlišnými disciplínami. Význam treba vždy viazať na konkrétny kontext a overiteľný zdroj.

Multimodal AI sa od pojmov Machine learning, Natural language processing, Numerical stability odlišuje funkciou, vstupmi, spôsobom výpočtu a účelom výsledku. Súvisiace pojmy môžu spolupracovať, nie sú však automaticky zameniteľné.