AIのNEXTステージ：マルチモーダルAIで広がる可能性
～より人間らしい判断能力の実現～
マルチモーダルAIは、テキスト、音声、画像、映像などの複数の種類の情報を統合的に処理を行い、高度な判断を行うAI技術です。従来の単一情報（シングルモード）の処理のAIモデルよりも、より人間に近い「見る」「聞く」「理解する」を実現することで、精度の高い推論や対話、状況判断ができます。GPT-4の登場により、一気にAIの主役となる予感のマルチモーダルAI。マルチモーダルAIは何をもたらし、リアルやバーチャルでのコミュニケーション領域でどう活用されているのか等、事例を交えてお話します。