Multimodal이란?
서로 다른 모달리티(양식) — 텍스트, 이미지, 오디오, 비디오 — 를 동시에 입력받아 처리하는 AI 모델이다.
주요 활용
- 이미지 + 질문 → 답변 (VQA)
- 스크린샷 기반 UI 자동화
- 동영상 요약·자막 생성
- 음성 대화형 어시스턴트
대표 모델
GPT-4o, Claude Opus 4.7 (2576px 비전), Gemini, Qwen-VL 등. 2026년엔 실시간 비디오 입력까지 일반화됐다.
Multimodal란?멀티모달
정의
텍스트·이미지·음성·영상 등 여러 종류의 입력을 함께 처리하는 모델. GPT-4o, Claude Opus, Gemini가 대표적.
다른 표현멀티모달Multimodal AI
📘 관련 기술노트
전체 보기 →🔗 함께 보면 좋은 용어
AI 전체 →Accuracy
전체 예측 중 맞춘 비율. 클래스 불균형 시 오해를 유발할 수 있음.
Activation Function
신경망 뉴런의 비선형 변환. ReLU·GELU·Sigmoid·Tanh.
Adam
적응형 학습률 + 모멘텀을 결합한 최적화 알고리즘. 딥러닝 실무의 표준 선택.
AGI
Artificial General Intelligence
인간 수준의 범용 지능을 가진 AI. 특정 태스크가 아닌 모든 인지 작업을 수행 가능한 가상적 목표.
AI Agent
AI 에이전트
LLM이 도구 호출·작업 분해·상태 유지를 통해 자율적으로 목표를 수행하는 시스템. 2026년 핫 키워드.
AI Alignment
AI 시스템이 인간 의도·가치에 부합하게 동작하도록 만드는 연구 분야.