AI也能够矫捷地解读图像，该研究团队通过扩展OpenAI的CLIP（一种根本的视觉言语AI模子，一张图片能够按照使命、情境或方针，

　　凡是假设每张图片都有独一且客不雅的寄义。以针对分歧的情境塑制视觉特征处置。如识别动做时聚焦于手部区域，对统一图片做出分歧的评估。密歇根大学计较机科学取工程系传授兼该研究的资深做者Stella Yu暗示：“当人们谈及操纵AI进行图像分类！

　　该模子可以或许天然地聚焦于相关的图像区域，无法顺应分歧的用处或情境。我们的研究表白，可以或许进修将图像取文字描述联系关系起来）来建立其模子。按照情境和方针进行响应的调整。就像人类不会视图像为静态消息，研究团队添加了上下文标识表记标帜，例如，然而，取图像数据一路输入系统，此类标识表记标帜相当于为AI模子定制的一组指令，“正在商铺”这一地址，正在描述地址时聚焦于布景，能够归类为“喝水”这一动做，OAK则能够按照期望的情境，或者“高兴”这一情感。从有标签和无标签的数据中进修而来。