Zpět na kurz

Multimodální AI

18 min • +25 XP

Rozcvička

Krátké zopakování z předchozích lekcí. Po zobrazení ji můžeš přeskočit.

Po přihlášení se rozcvička sestaví z předchozích chyb, pastí a termínů opakování.

Teorie

Nejdřív si vytvoř pevný základ.

2.4 Multimodální AI

Rozcvička: Trojúhelník cena/rychlost/kvalita. · Proč nevěřit jednomu benchmarku?

Otázky:

  1. Párování modalit: text→obrázek · obrázek→text · zvuk→text · text→zvuk · obrázek+text→text · video→text. Ke každé přiřaď reálné použití (popis fotky pro nevidomé, titulky, dabing, čtení účtenky, hledání v záběrech).
  1. Scénář: Vyfotíš účtenku a napíšeš "udělej z toho tabulku". Co může jít špatně?

Vyber všechny: nepřečtené rozmazané číslo · zaměněné 8/B · špatně určená DPH · model si dopočítá součet, který na účtence není ✔✔ · rozpadlé sloupce

Feedback: Nejnebezpečnější není nepřečtený znak (ten vidíš), ale dopočítaná hodnota, která vypadá jako přečtená.

  1. Hot-spot: Graf s hodnotami + model ho "přečetl". Klikni na místo, kde se spletl.
  1. Ano/Ne: Multimodální model "vidí" jako člověk? → Ne, převádí obraz na čísla podobně jako text na tokeny. · Umí spolehlivě číst ručně psanou češtinu? → Nespolehlivě, vždy kontroluj.

Mikro-úkol: Vyfoť něco doma, nech to popsat a najdi jednu věc, kterou model popsal špatně. To, co najdeš, si zapamatuješ navždycky.

Boss kvíz kapitoly 2 → odznak Mechanik neuronů.

---

Kontrolní otázky

Odpovídej postupně, feedback dostaneš ihned.

Otázka 1

Přiřaď modalitu k reálnému použití.

Klávesnice a dotyk: u každé položky vyber cíl v nabídce.

Otázka 2

Co může selhat při převodu fotografie účtenky na tabulku?

Otázka 3

Graf má hodnoty a model ho přečetl. Klikni, kde se spletl.

Otázka 4

Označ pravdivost tvrzení o multimodální AI.

Multimodální model vidí stejně jako člověk.
Obraz převádí na číselnou reprezentaci.
Ručně psanou češtinu vždy přečte spolehlivě.

Mikro-úkol

Dobrovolný úkol přidá XP, ale neblokuje dokončení lekce.

Vyfoť něco doma, nech to popsat a najdi jednu věc, kterou model popsal špatně. To, co najdeš, si zapamatuješ navždycky.

Zapamatuj si

Tři myšlenky, ke kterým se můžeš vrátit.

  • Multimodální model převádí mezi textem, obrazem, zvukem a videem podle zadaného úkolu.
  • Nejnebezpečnější není nepřečtený znak, který vidíš, ale dopočítaná hodnota, která vypadá jako přečtená.
  • Porovnej každé tvrzení modelu s osami, jednotkami a konkrétní hodnotou v grafu.