Размышляя о нейросетях и ИИ - очевидно что они пока что в основном работают только с текстом -
Из того что видим мы.
Немного умеют текст в картинку - и наоборот.
Однако думаю, что через некоторое время мы увидим сильные релизы ИИ -
Которые уже смотрят (слушают) - и понимают - любые песни, музыку, фильмы, ролики, шортсы, рилсы, кружочки, тиктоки -
И все прочее.
Понимают семантически - во всей глубине - с учетом исторического и культурного контекста.