multimodal AI

SUMMARY

ざっくり言うと

文章だけでなく、画像、音声、動画など複数の種類の情報をまとめて理解したり作り出したりできるAIのこと。スマートフォンのカメラに映った物をAIがその場で説明するような機能に使われている。1つのモデルで複数の種類の情報をまとめて扱える点が特徴。

EXAMPLES

1. 1

   Multimodal AI can understand photos and voices.

   マルチモーダルAIは写真や声を理解できる。

   再生ゆっくりコピー
2. 2

   The company unveiled a multimodal AI assistant that can describe what a phone camera sees in real time.

   同社は、スマホのカメラに映るものをリアルタイムで説明できるマルチモーダルAIアシスタントを発表した。

   再生ゆっくりコピー
3. 3

   Multimodal AI could help visually impaired people read signs and menus.

   マルチモーダルAIは、視覚障害のある人が標識やメニューを読む助けになるかもしれない。

   再生ゆっくりコピー

COLLOCATIONS

よく一緒に使う表現

• multimodal modelマルチモーダルモデル
• multimodal capabilitiesマルチモーダル機能

SYNONYMS

ほかの言い方

TRIVIA

豆知識

modal は mode（様式）の形容詞形で、ここでは文字・画像・音声といった『情報の種類』を指す。交通分野で複数の交通手段を組み合わせる multimodal transport（複合一貫輸送）とも同じ発想の語で、『いろいろな形式を扱える』という意味の広がりを持つ。文章しか扱えない従来型のAIは text-only と呼んで区別され、対比で語られることが多い。

QUIZ

1問チャレンジ

「multimodal AI」の意味はどれ？

日本語から引く

ジャンル