【問題】
最近のAIは文章だけじゃなく、画像も音声も動画も理解できるって知っていましたか？この進化を表すキーワード、説明できますか？
★ ヒント
「マルチ」は「複数」、もう一つの単語は「様式・形式」を意味する英語です。GPT-4oやGeminiがまさにこの技術を搭載しています。
【解説】
マルチモーダルAIとは、テキスト・画像・音声・動画など複数の種類（モダリティ）のデータを同時に理解・生成できるAIのことです。従来のAIはテキストならテキストだけ、画像なら画像だけと単一のデータ形式しか扱えませんでした。しかしGPT-4oやGoogleのGeminiなどは、写真を見せて「これは何？」と聞いたり、音声で指示を出して画像を生成させたりできます。たとえばレシートの写真を撮って「これを家計簿にまとめて」と頼む、といった使い方が可能です。人間が日常的に「見て・聞いて・読んで」情報を総合判断しているのと同じことを、AIにもさせようという技術の方向性です。今後のAI活用では、このマルチモーダル対応かどうかがツール選びの重要なポイントになります。
「マルチモーダル」が分かれば、最新AIのニュースがグッと読みやすくなりますよ！次回もAIの必須ワードを出題するのでお楽しみに！
さらにもう一問！
▶ 【AIクイズ】知ったかぶりしてない？AI用語の基本中の基本！
▶ 【AIクイズ】「エンベディング」説明できなきゃAI時代に置いていかれます
