Multimodaalne AI on mudel, mis mõistab ja loob korraga mitut tüüpi sisu — teksti, pilti, heli ja videot. „Modaalsus” tähendab siin sisutüüpi.
Näited
- ChatGPT, Claude, Gemini — saad saata pildi või dokumendi ja küsida selle kohta
- Hääl sisse ja välja (häälvestlus)
- Video mõistmine (Gemini)
Praktiline kasu
Multimodaalsus laiendab kasutust: pildista arve ja lase AI-l see kokku võtta, saada ekraanipilt ja küsi selgitust, või analüüsi graafikut fotolt. Üks tööriist katab tekstist, pildist ja helist koosnevad ülesanded.
Seotud mõisted
Vaata ka: LLM · Generatiivne tehisintellekt