AI image search -näkymässä voi kuvien tekoälyisen analysoinnin jälkeen tehdä kuvahakuja tekstitse. Löydetyt kuvat näytetään samoin kuin particular browsing -näkymässä ja niitä voi drag'n'dropata kirjoituksissa käytettäväksi.

Ennen kuvien haettavuutta tekstitse kuvia täytyy ensin analysoida tekoälyllä, joita on valittavaksi useita. Tekoälyinen analyysi per kuva on tässä vaiheessa tarkoitettu toimivan siten, että sitä varten kuvia ei tarvitse lähettää johonkin toiseen palveluun, vaan kaikki analysointi tehdään sillä tai niillä palvelimilla, jotka asiakkaan käytössä kenties jo ovatkin. Tämä voi asettaa rajoituksia sille, kuinka nopeasti kuvia voidaan analysoida, sillä jotkin tekoälymallit vaativat paljon laskentahoa prosessorilta.

Jollakin tekoälymalleilla muutaman sadan kuvan analysoimiseen voi mennä kymmenisen sekuntia, jollakin toisella minuutteja. Kuva-analyysien tulokset tallennetaan automaattisesti talteen, jotta ne ovat vertailukelpoisesti käytettävissä kuvia tekstitse hakiessa.

Eri tekoälymallien analysoinnit eivät lähtökohtaisesti ole yhteensopivia keskenään, mutta käyttöliittymästä on tehty sellainen, että sille on selkeät indikaattorit, mihin kuvasäilöön on käytetty mitäkin tekoälymallia.

Ensimmäisten kuva-analysointien jälkeen kuvia voi jo käydä hakemaan tekstitse ja jos kuvasäilöön laitetaan myöhemmin lisää kuvia, puuttuvista kuva-analyyseistä esitetään selkeä indikaattori, jotta tietää, mihin kuvasäilöön kuva-analyysiä pitäisi kohdistaa. Tausta-ajona tapahtuva kuva-analyysi olisi sekin eräs toteutusvaihtoehto, mutta siinä on riskinsä mm. palvelimen liiallisen kuormittumisen kannalta.

Hakutulokset ovat alustavien kokeilujen perusteella miellyttävän luotettavia eli haettaessa esim. "kaupungin katuja", hakutulokset ovat kyselyn mukaisia. Analyysitulokset voi poistaa kuvasäilö- ja tekoäly-kohtaisesti Ctrl-klikkaamalla tekoälymallin nimeä.

Kuva-analyysien tulokset tallennetaan samaan tietokannanhallintajärjestelmään, mitä käytetään ennestäänkin mm. kirjoituksien tietojen säilyttämiseen eli MariaDB:hen. Sen uudemmissa versioissa on ominaisuutena vektori-tyyppisen datan hyödyntämisen mahdollisuus, mikä soveltuu tarkoitukseen erinomaisesti. Aiemmin on ollut harkinnassa, josko käyttäisi erillistä vektoritietokantaa (esim. Qdrant, Pinecone tai Weavite).

Eräänä myöhempänä vaihtoehtona voisi olla kuvien analysoiminen erillisessä palvelussa, jossa on käytettävissä runsaasti laskentatahoa. Nykyisellään tehoa lisäävänä vaihtoehtona on sijoittaa enemmän tehoa vaativat toiminnot pois virtuaalipalvelimelta esim. dedikoidulle palvelimelle. Vaikuttaisi kuitenkin siltä, että yksikin virtuaalipalvelin riittää useiden tekoälymallin käyttämiseen ilman, että edes palvelimelta muisti loppuisi. Tosin, kuva-analyysissä käytetään kuvien 360-pikseliä leveitä versioita. Jos käyttäisi suurempikokoisempia, loppuisivat kaikki resurssit varsin nopeasti.

Tekoälyisten kuva-analyysien tuloksia ei tallenneta projektien varmuuskopioihin, joten jos poistaa jonkin projektin ja siihen liitetyt kuvakatalogit, katoavat myös niihin liittyvät kuva-analyysien tulokset.