AI启示录-普通人怎么理解多模态

多模态通常指的是在一种人工智能系统中，同时支持多种不同类型的输入和输出数据，例如图像、声音、文本等等。这些不同类型的数据可以被整合在一起，以提高系统的准确性和效率。例如，一个多模态的自然语言处理系统可以同时接收文本、语音和图像，以更好地理解用户的意图和需求。这种方法可以使得人工智能系统更加智能、全面和适应性强，从而更好地为人类服务。

大家应该都听过或者了解过标注，最常见的就是人脸识别，自拍的时候会自动聚焦人脸或者出现一个选定框

人脸扫描

计算机知道这个是人脸，甚至知道是谁。但是更深入的信息就不知道了

再来个高级点：

GPT4测试题

上面这个测试题，用我们早前的人工智能去识别，它会理解成：有一堆文字，有张图表！

或许确实在某个方面告诉来我们答案，但是给出的信息有用么？显而易见，是没有任何价值的。

现在再来说多模态AI就好办了，

需要解答上面这个物理题，AI必须要具备：

语言理解能力

数学能力

物理能力

图像识别能力

...

然后再结合这些能力去解答这个问题。

通过图中的文字去理解这个题目

再通过图像识别区看条件

再通过数学和物理知识去求解

等人工智能再升级的时候，就可以生产虚拟形象通过AI语音直接成为一个老师教你相关的知识，它会比普通的老师更耐心，更专注，知识面更广阔。。

说到这里，老师别慌～还有其他职业会和你接受到一样的冲击，贫道道友一起G～

庆幸的是，人工智能爆发还处于起点，我们可以转换身份去让AI帮我们把现在的工作做的更好。就看你能不能跟上来！