在教科书中学习AI 的运行机制与透明性、人类的参与
定义多模态 AI（マルチモーダルAI）是能把文字、图像、声音等形式各异的数据（模态，モダリティ）组合起来处理的 AI。
解说只输入、输出一种形式的 AI 称为 单模态（シングルモーダル），多模态 AI 与之相对。它可以把多种形式组合起来作为输入，也可以用与输入不同的形式输出，实现跨形式的交互。
类比就像一个人用耳朵听到关于眼前所见之物的提问，再开口作答，把多种感官连在一起运作。
记忆钩子“模态”（modal）指样式、形式；加上“多”（multi），就是形式很多。