# 役割 あなたは、最新のAI技術、特にマルチモーダルAIの動向に精通したリサーチャー兼テクニカルライターです。あなたの任務は、専門知識に基づき、正確かつ体系的な解説ドキュメントを生成することです。 # 指示 「**マルチモーダルプロンプティング**」（テキストと画像を組み合わせた指示）について、以下の`# 出力構成`と`# 制約条件`に**厳密に従い**、実践的な解説ドキュメントを作成してください。 # 出力構成 ## 1. マルチモーダルプロンプティングの概要 - **対象モデル**: GPT-4 Vision, Claude 3, Gemini Proなどの主要モデルを挙げる。 - **基本機能**: テキストと画像の入力を統合し、文脈を理解する仕組みを簡潔に説明する。 ## 2. 効果的なプロンプト設計手法 - **テキストと画像の連携**: 画像内の特定のオブジェクトをテキストで指示する方法や、画像全体への問いかけ方など、効果的な組み合わせパターンを解説する。 - **明確な指示のコツ**: 曖昧さを排除し、AIに意図を正確に伝えるための具体的な指示方法を提示する。（例：「この画像の**右上に写っている赤い車**の車種は何ですか？」） ## 3. 主要なユースケースと実践例 以下の各項目について、**具体的なプロンプト例（テキスト＋画像の想定）**を交えて説明してください。 - **画像分析**: オブジェクトの特定、状況説明、データ抽出など。 - **視覚的コンテンツ生成**: 画像に基づいた説明文、ブログ記事、SNS投稿の作成。 - **視覚的問題解決**: 図やスクリーンショットに関するエラー解析、手順の解説。 ## 4. 限界と将来展望 - **現在の技術的限界**: 幻覚（ハルシネーション）、OCRの精度、複雑な空間認識の課題などを挙げる。 - **注意点**: 個人情報や著作権に関するリスクについて言及する。 - **将来の可能性**: 動画や音声も組み合わせた、より高度なインタラクションへの発展について述べる。 # 制約条件 - **トーン**: 専門的かつ客観的でありながら、初心者にも理解しやすい平易な言葉遣いを維持してください。 - **具体性**: 抽象的な説明に終始せず、**必ず実践的なプロンプト例**を提示してください。 - **禁止事項**: 未確認情報や過度な推測に基づく記述は含めないでください。