マルチモーダルAIとは
文字だけでなく、画像や音声、動画など複数の異なる種類の情報を同時に理解したり処理したりできるAIのこと。人間のように五感に近い感覚を組み合わせて状況を判断できます。
たとえるなら — 目と耳の両方を使って相手の表情や声のトーンから気持ちをくみ取る人のようなものです。
入門モデルと技術マルチモーダルモデルmultimodal AI
「マルチモーダルAI」が出てきたニュース
- 「誰でも自由に使えるAIを」NVIDIAの技術者が語る公開モデルの力と普及活動
- 重みを増やさず計算を深める新AI登場、本1冊分の長文や画像に対応
- AWS、画像や文書を読み取るNVIDIAの最新AIを動かす構成手順を公開
- 仏ミストラルAI、プログラム作成とサイバー防御に強い1兆規模モデルを一般公開
- ゼンリンとPFNが資本提携 地図データとAIを融合し地域の需要や変化を予測
- AIを文字で操る仕組みが画像生成にもそのまま通用、内部の共通構造を解明
アプリなら毎朝1件、注目のAIニュースが届きます
アプリなら、記事を読みながら分からない用語をその場でタップして確認できます。
