🔑 名詞卡
多模態AI（Multimodal AI）
🎯 定義
能同時處理並整合來自兩種以上不同資料模態（如文字、影像、語音、感測器資料）的人工智慧系統，強調跨模態訊息的理解、融合與應用。
與單模態技術的差異
| 項目 | 單模態（NLP/CV） | 多模態 AI |
|---|---|---|
| 處理資料 | 僅文字或僅影像 | 文字＋影像＋語音＋感測器等 |
| 核心技術 | 各自領域技術 | 跨模態表示學習＋融合學習 |
記憶技巧
多模態＝AI 同時擁有「眼睛（影像）＋耳朵（語音）＋文字理解＋觸覺感測」，像人類多感官協同運作。
易混淆
📖 課文原文「多模態人工智慧（Multimodal AI）是指能同時處理兩種以上不同資料模態（Modality）的人工智慧系統。」