假设我想构建一个搜索引擎，能够遍历文本并找出可以转化为图像、视频或3D动画的句子或段落。也就是说，这些句子包含可以视觉表达的信息。理想情况下，这个搜索引擎会随着时间的推移变得越来越好。

1. 是否已经存在能够做到这一点的搜索引擎？
2. 如果没有，我需要研究/考虑哪些类型的技术？我在这里的意思是我对机器学习和搜索引擎了解不多。我试图了解在机器学习、信息检索等领域我需要研究哪些方面。

我这里不期待长篇大论的回答，只需要一些像“可以看看这种类型的机器学习”或者“信息检索理论的这一部分可能相关”的建议就好。

只是为了大致了解我需要研究的内容。

回答：

自然语言理解

我不知道是否有现成的搜索引擎能做到这一点。但这可以通过自然语言理解和语义解析来实现。

可以查看斯坦福大学的自然语言理解课程（关于文本到场景问题的讨论可以在这里找到）以获取更多细节。