چکيده
با پيشرفت حوزه هاي علمي در زمينه هوش مصنوعي، امكان استفاده از منابع بزرگ و متعدد بيش از پيش فراهم شده است. در روش هاي قديمي تر پردازش داده عموماً از منابعي با ماهيت همگن استفاده مي شد. براي مثال، در پردازش زبان طبيعي، منبع رايج «متن» بوده است. دستاوردهاي اخير يادگيري عميق امكان اين را فراهم آورده كه بتوان از چند نوع داده با ماهيت هاي مختلف در يك راستا استفاده كرده و دقت و كارايي سيستم را افزايش داد. اين روش ها را چندگانه (چند-ماژول) مي نامند. با به كارگيري روش هاي چندگانه در پردازش زبان طبيعي مي توان علاوه بر استفاده از داده هاي مبتني بر متن، از داده هاي مبتني بر تصوير، صوت و غيره نيز بهره برد.
اين روش ها مي توانند در حوزه هاي ديگر نيز كارآمد باشند. براي مثال، در صورت از دست رفتن هر يك از گونه هاي اطلاعاتي (مانند داده هاي مبتني بر متن)، مي توانيم براي جلوگيري از افت شديد دقت و كارايي از گونه هاي ديگر موجود در آن زمينه استفاده كنيم (اين گونه ها نيز مي توانند با ماهيت هاي قيد شده باشند كه از انواع معروف آن ها مي توان به داده هاي مبتني بر تصوير و صوت اشاره كرد). مثال ملموس آن استفاده از فيلمي بدون صوت است كه در واقع منبع صوت را از دست داده ايم، اما همچنان قادر به استفاده از تصاوير موجود در فيلم خواهيم بود و خود مي توانند اطلاعات بسيار ارزشمندي حتي در غياب صوت در اختيار ما قرار دهند.
