在前面的章节中，我们了解了多模态 (multimodal)AI所需的主要思想、数据表示、集成方法以及模型组成部分。现在，我们将重点转向观察这些元素在不同应用中如何一起运行。

本章会介绍几个将不同数据类型结合起来，从而提供更强功能的例子。我们会讲到：

• 图像描述系统，能从图像生成文本描述。
• 视觉问答（VQA），通过自然语言问题实现与图像的互动。
• 文本到图像生成简介，即AI系统如何从文本创建视觉内容。
• 简单看看视觉信息如何提升语音识别。
• 多模态情感分析，根据来自多个来源的线索理解观点。

通过学习这些应用，您将对多模态AI系统如何设计以及它们能执行哪些任务有一个实际的认识。