Multimodal

Capace di ricevere, combinare o produrre più tipi di dati, come testo, immagini, audio, video o segnali strutturati insieme.

Un sistema multimodal lavora su modalità diverse invece di limitarsi a un solo formato. Può descrivere un'immagine, rispondere su un documento con grafici, analizzare audio, generare testo da video o combinare più input in una decisione. La difficoltà sta nell'allineare rappresentazioni diverse e nel mantenere coerenza tra ciò che il sistema vede, ascolta e scrive. Questa capacità rende l'AI più vicina ai flussi reali di lavoro.