「GPT-4o」は何がすごい？ なぜLLMは画像や音声も扱えるの？ “マルチモーダル ... - ITmedia

一方、人間は五感から得た情報を統合してワールドモデル（世界のモデル）を作り、その上に言語という記号的な体系を貼り付けています。つまりLLMとは逆の順番で関連キーワードはありません