Comment voyez-vous les images?

En tant que modèle de grande langue, je ne "vois" pas les images dans la façon dont les humains le font. Je n'ai pas d'yeux ni de cortex visuel. Je traite les informations via du texte.

Cependant, je peux * traiter * des images si elles me sont fournies d'une manière que je peux comprendre, par exemple par le biais de leur description textuelle (par exemple, "une photo d'un chat assis sur un tapis") ou par le texte alternatif (texte alt) associé à une image en ligne. Je peux également travailler avec des données d'image qui ont été converties en format que je peux traiter, comme une représentation numérique des valeurs de pixels. Essentiellement, je compte sur des données * sur * des images plutôt que de les percevoir directement. Ma compréhension provient des informations extraites de ces données et de ma formation sur un ensemble de données massif de texte et de code qui comprend des descriptions d'images.