Multimodales Modell
Definition
Ein multimodales Modell verarbeitet mehr als eine Datenmodalität.
Es verbindet beispielsweise Text und Bilder oder zusätzlich Audio. Welche Ein- und Ausgaben möglich sind, hängt von Architektur und Training ab.
Einfach erklärt
Ein Assistent kann eine Beschreibung mit einem Bild zusammen betrachten.
Warum das im Alltag wichtig ist
Damit werden Aufgaben möglich, die reine Texteingaben nicht ausreichend beschreiben.
Beispiel aus dem Mittelstand
Fiktiv: Ein Modell ordnet ein Produktfoto anhand einer schriftlichen Prüfliste ein.
Grenzen und Fallstricke
- Bilderkennung kann Details verwechseln. Multimodal bedeutet nicht, dass jede Medienart unterstützt wird.
Entstehung & Geschichte
Der Ansatz baut auf Forschung zur gemeinsamen Verarbeitung unterschiedlicher Datenarten auf.
Anwendung im Mittelstand
- KMU können Dokumente, Fotos und Textinformationen gemeinsam auswerten.
Häufige Fragen
Kann jedes multimodale Modell Bilder erzeugen?
Nein, Bildverständnis und Bilderzeugung sind verschiedene Fähigkeiten.
Quellen
- Gemini, A Family of Highly Capable Multimodal Models — · Google: Gemini, A Family of Highly Capable Multimodal Models —
Redaktionell geprüft am: