Виды нейросетей: текст, изображения, звук и видео

Нейросети специализируются: одни обрабатывают текст, другие — изображения, третьи — звук или видео. Это связано с архитектурными различиями: задача "понять, что нарисовано на картинке" математически отличается от задачи "предсказать следующее слово".

Однако современная тенденция — мультимодальные модели, умеющие работать с разными типами данных одновременно.