Це дослідження вивчає новий підхід, за якого системи ШІ можуть займатися "інтроспективним візуальним мисленням", "спілкуючись із зображеннями". Це дозволяє глибше розуміти та інтерпретувати візуальні дані через взаємодію природною мовою, потенційно приводячи до більш інтуїтивних та ефективних візуальних застосунків ШІ в таких галузях, як аналіз зображень та створення контенту.