desde el aude de la inteligencia artificial y sus modelos GPT, el uso de chatbots para describir situaciones, ha sido un uso recurrente para estos modelos. poder enviar un enlace o un documento a un chatbot y que lo resuma en palabras simples es una herramienta que optimiza el tiempo de trabajo y amplia los conociminetos disponibles para el usuario.
Partiendo de esa premisa, los expertos de IA han trabajado en implementar esa misma mecanica no solo en textos o sitios web, sino tambien en video. de ahi surge el concepto de Video Language Models que recibe como entrada horas de video para luego resumirlas en textos, permitiendo hacer preguntas sobre el video a sus usuarios.