手机相册能搜到“饭”，AI 为什么也能看懂图？

你在相册搜“饭”，一堆照片跳出来。你以为手机给每张图贴了标签？更常见的是：它把图片和文字都变成一串数字，再找“意思相近”的 这其实是多模态模型/向量检索。图片和文字可以被映射到同一空间，用文字找图、用图找相似图。 使用相册搜图其实是把图片和文字变成“向量”。 搜索其实就是找“意思近”，就像把照片按“感觉”放进地图，搜“海边日落”就找类似区域。