Jak nazywa się modele SI obsługujące kilka typów danych wejściowych naraz?

Model multimodalny to system AI zbudowany do przetwarzania i rozumienia więcej niż jednego typu danych wejściowych, takich jak tekst, obrazy, dźwięk i wideo, w ramach jednego zunifikowanego systemu, zamiast być ograniczonym do języka pisanego, tak jak wcześniejsze chatboty. Dzięki temu można pokazać mu fotografię i zapytać o nią, odtworzyć klip audio czy udostępnić wykres, a on odpowie w sensowny sposób, łącząc te różne rodzaje informacji.

Modele open-weight to modele AI, których wewnętrzne parametry są publicznie udostępniane do pobrania i użycia przez każdego – inna koncepcja dotycząca dostępu i licencjonowania, a nie tego, jakie typy danych wejściowych może przetwarzać model. Modele offline to po prostu takie, które działają bez potrzeby połączenia z internetem – kolejna niezwiązana cecha, niemająca nic wspólnego z obsługą wielu formatów.

To łączenie typów danych wejściowych pozwala współczesnym asystentom AI opisywać, co dzieje się na zdjęciu, podsumowywać wykres czy odpowiadać na mówione pytania dotyczące wideo – możliwości, które jeszcze kilka lat temu wymagałyby zupełnie osobnych, wyspecjalizowanych systemów.