視覺問答系統

大語言模型除了解決自然語言處理的相關問題之外，在「視覺」等其他多模態學習領域方面，也可以有不同的應用，視覺問答就是其中一個當今人工智慧發展方面一個重要的研究方向。而知識型視覺問答更是進一步挑戰了模型的推理能力，要讓系統除了理解圖像之外，還要能理解使用者提出的問題，再整合外部知識以產生正確答案。以人類而言，看似直觀的「看圖回答問題」，對於人工智慧而言，必須整合好幾段模組才有可能發生！