最近のAIは文章だけじゃなく、画像も音声も動画も理解できるって知っていましたか？この進化を表すキーワード、説明できますか？

Question

Accepted Answer

マルチモーダルAIとは、テキスト・画像・音声・動画など複数の種類（モダリティ）のデータを同時に理解・生成できるAIのことです。従来のAIはテキストならテキストだけ、画像なら画像だけと単一のデータ形式しか扱えませんでした。しかしGPT-4oやGoogleのGeminiなどは、写真を見せて「これは何？」と聞いたり、音声で指示を出して画像を生成させたりできます。たとえばレシートの写真を撮って「これを家計簿にまとめて」と頼む、といった使い方が可能です。人間が日常的に「見て・聞いて・読んで」情報を総合判断しているのと同じことを、AIにもさせようという技術の方向性です。今後のAI活用では、このマルチモーダル対応かどうかがツール選びの重要なポイントになります。

脳トレ日和

【AIクイズ】これ知らないと「AI分かってる風」がバレます

問題

問題

関連記事

【マッチ棒クイズ】1本だけ動かして正しい式に：9-6=9？

【マッチ棒クイズ】1本だけ動かして正しい式に：77-6=9？

【マッチ棒クイズ】1本だけ動かして正しい式に：90+36=94？

【マッチ棒クイズ】1本だけ動かして正しい式に：8-7=7？

【数列クイズ】解けたら自慢していいレベル！素数の2乗が隠れた数列

【数字パズル】秒で解けたら数学センスあり！3×3魔方陣の穴埋め

【数列クイズ】これ解けたら頭いい！隠れた階差の中にさらに階差がある三角錐数列

【数字パズル】秒で解けたら数学センスあり！魔方陣の空欄を埋めろ

【マッチ棒クイズ】1本だけ動かして正しい式に：45+21=78？

【マッチ棒クイズ】1本だけ動かして正しい式に：31-19=73？

【数列クイズ】これ解けたら頭いい！隠れた2乗が潜む数列の謎

【数字パズル】秒で解けたら数学センスあり！各行の和パズル