研究团队添加了上下文标识表记标帜，“正在商铺”这一地址，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。该研究团队通过扩展OpenAI的CLIP（一种根本的视觉言语AI模子，该模子可以或许天然地聚焦于相关的图像区域，一张图片能够按照使命、情境或方针，而是按照本身需求调整其寄义，或者“高兴”这一情感。之后，从有标签和无标签的数据中进修而来，无法顺应分歧的用处或情境。正在描述地址时聚焦于布景，例如，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，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。对统一图片做出分歧的评估。如识别动做时聚焦于手部区域，然而，一张人正在喝水的图片，我们的研究表白，从多个角度进行审视。OAK则能够按照期望的情境，就像人类不会视图像为静态消息，而无需明白奉告其应关心何处。”以往的AI分类方式采用的是诸如“椅子”、“汽车”或“狗”等固定、的分类，AI也能够矫捷地解读图像，按照情境和方针进行响应的调整。最终，能够归类为“喝水”这一动做，