멀티모달 AI는 이미지, 소리, 단어와 같은 여러 형태의 데이터를 동시에 처리하여 애플리케이션이 단순히 우리의 목소리를 듣거나 텍스트를 읽는 것을 넘어 표정과 주변의 세부 사항까지 파악할 수 있도록 지원합니다. 이 기술은 우리의 일상적인 상호작용을 빠르고 자연스럽게 만들고 있으며, 소통할 수 있는 애플리케이션을 사용할 때 마치 친구와 대화하는 듯한 느낌을 줍니다. 텍스트와 이미지를 모두 효과적으로 처리한 최초의 멀티모달 대규모 언어 모델은 2023년의 GPT-4였습니다. 가장 최근의 멀티모달 모델인 GPT-4o Vision은 매우 생생한 상호작용을 만들 수 있도록 갖추어져 있습니다.