IA multimodale
IA che usa più tipi di informazione, come testo, immagini o suono, in input o output.
Che cos’è l’IA multimodale?
L’IA multimodale elabora o genera più tipi di informazione, come testo, immagini o suono. Un modello può considerare insieme input diversi e produrre soltanto testo. Le combinazioni dipendono da modello e integrazione. Il termine non promette comprensione di ogni input o generazione di ogni output.
In un caso di assistenza inventato, il modello riceve foto dell’apparecchiatura e nota scritta. Le fonti devono aiutare insieme la valutazione. Se la targhetta identificativa è illeggibile, il flusso richiede chiarimenti invece di un identificativo non sostenuto dai dati. Il team controlla che contenuti reali di immagine e testo sostengano i risultati. Altri tipi di input aggiungono contesto senza sostituire la verifica.
Fonti
Termini correlati
- Rete neuraleUn modello di nodi di calcolo collegati con parametri regolabili.
- Modello linguistico di grandi dimensioniUn LLM elabora il linguaggio tramite schemi appresi. Un testo scorrevole non dimostra correttezza né accesso ai dati aziendali aggiornati.
- Trascrizione automatica del parlatoTrasformare in testo il parlato contenuto in dati audio.
- Sintesi vocaleProdurre parlato sintetico da testo scritto.
- Riconoscimento ottico dei caratteriIl riconoscimento ottico dei caratteri rende elaborabile il testo nelle immagini. Leggere un importo non equivale a verificare una fattura.
- Model cardLa model card documenta scopo, basi, condizioni di valutazione e limiti noti di una determinata versione di un modello di IA.
Articoli sul tema
IA & automazione con ASES
Assistenti IA e processi automatizzati