Lewati ke konten
Google DeepMind bahkan sudah membuat model seperti Gemini 1.5 yang bisa memproses video, audio, dan teks dalam satu arsitektur. Anda bisa lihat paper terkait di arXiv. Teknologi multimodal AI juga jadi tren utama. Sekarang, satu model bisa sekaligus menganalisis gambar, teks, dan ... AI—dari ngolah data medis sampe bikin lagu. Teknologi ini emang powerful, tapi nggak tanpa tantangan: butuh data gede, energi besar, dan tetap harus dikontrol biar nggak salah arah. Model-model terbaru kayak LLM atau multimodal AI udah tunjukin potensi gila-gilaan, tapi di saat yang sama,
awamally