اینکه کامپیوتر بتواند تصاویر را با زبانی مشابه زبان محاوره‌ای توصیف کند، هدف بزرگی است که کاربردهای زیادی دارد؛ از کمک به نابینایان تا کاربردهای امنیتی.
«Show and Tell» سامانه‌ای مبتنی بر یادگیری ماشینی است که گوگل آن را توسعه داده است و می‌تواند به طور خودکار شرحی برای عکس‌ها ارائه کند و در حال حاضر به صورت منبع‌باز ارائه شده است. نسخه جدید این سامانه در مقایسه با نسخه‌های پیشین، دقیق‌تر و فرایند آموزش آن نیز سریع‌تر است. Show and Tell برای استفاده با فریم‌ورک یادگیری ماشینی گوگل (TensorFlow) در دسترس است.