大型VLM看得懂圖片還不夠，中研院以Taiwan GBA與G-YOLO強化AI理解世界的能力

VLM近年快速發展，可根據影像生成文字描述，但中研院資訊科學研究所所長廖弘源認為，AI若要真正進入照護、自駕、機器人等場域，不能只是「看見」，還要理解人類行為與環境關係。中研院近年投入多模態AI基礎能力研發，包括研究Taiwan GBA行為分析器，以理解人類動作行為，還有延伸傳統物件偵測能力的G-YOLO，讓AI從辨識物件進一步理解場景與物件互動關係。