Multimodal AI

Multimodal AI என்பது ஒன்றுக்கும் மேற்பட்ட வகை data-வை (உரை, படம், குரல், வீடியோ) புரிந்துகொள்ளவும் உருவாக்கவும் முடிந்த AI.

உதாரணம்: ஒரு செடியின் photo-வை upload செய்து “இது என்ன செடி?” என்று கேட்பது, அல்லது குரலில் கேள்வி கேட்டு குரலிலேயே பதில் பெறுவது. ChatGPT, Gemini இரண்டும் உரை, படம், குரல் மூன்றையும் கையாள்கின்றன.

முன்பு ஒவ்வொரு வகைக்கும் தனித்தனி AI தேவைப்பட்டது: ஒன்று படங்களுக்கு, இன்னொன்று உரைக்கு. Multimodal models ஒரே உரையாடலில் பல வகை inputs-ஐ இணைத்துப் புரிந்துகொள்கின்றன. தொடர்புடையது: Generative AI.

[tat_newsletter placement="in-content"]

Share: