多模态AI研究( 14 页)

---

摘要

1、AI模型从单模态向多模态演进，未来有望实现认知智能：

     AI模型走向多模态必然性的三大因素：跨模态任务需求 + 跨模态数据融合 + 对人类认知能力的模拟。

2、多模态 AI 融合多种数据，可大幅延伸应用场景：

     多模态 AI 能够实现基于文本、语音、图片、视频等多模态数据的综合处理应用，完成跨模态领域任务。

3、多模态 AI 五大技术环节，模态融合为核心：

     多模态 AI 以模态融合为核心技术环节，围绕“表征-翻译-对齐-融合-联合学习”五大技术环节，解决实际场景下复杂问题的多模态解任务。

4、国内外多模态 AI 布局进展，关注 OpenAI 及谷歌动向：

     国内外大厂及科研院所自2021年起相继推出跨模态 AI 模型，目前OpenAI 及谷歌（DeepMind）布局较完善，未来有望基于各任务模型，构建多模态AI生态。