Kỷ Nguyên AI Agent & Multimodal 2024: Biến Trợ Lý Ảo Thành 'Đồng Đội' Thực Thụ

Hôm nay ngồi nhìn lại mớ log lỗi trên màn hình, mình chợt nhận ra cách chúng ta dùng công nghệ đã thay đổi hoàn toàn so với năm ngoái. Nếu như trước đây việc gõ vài câu lệnh prompt đơn giản để xem máy tính làm thơ đã là mộtđiều gì đó mới mẻ, thì bước sang năm 2024 này, nhịp đập công nghệ đã rẽ sang một khúc quanh khác hẳn với sự trỗi dậy của AI đa phương thức và các hệ thống AI Agent tự hành. Thú thật, sau gần một năm vừa làm việc vừa sống cùng làn sóng biến động nhân sự ngành tech, mình thấy rõ ràng AI không còn là thứ trò chơi hỏi - đáp tĩnh lặng nữa. Khi các mô hình như GPT-4o hay Claude 3.5 Sonnet xuất hiện, điểm ăn tiền nhất không phải là tốc độ sinh văn bản mà là khả năng xử lý ngữ cảnh mượt mà. Thay vì ngồi gõ lại cả trang mã nguồn bị lỗi hay tóm tắt bảng dữ liệu dài ngoằng, giờ mình chỉ cần chụp màn hình rồi ném vào khung chat là xong. AI nhận diện cấu trúc, phân tích logic và chỉ ra điểm nghẽn chỉ trong vài giây. Nhưng bước nhảy lớn nhất thực sự nằm ở AI Agent. Nếu LLM là bộ纳 chứa tri thức, thì Agent chính là bộ não được cấp thêm công cụ để hành động. Trong công việc hàng ngày, mình dùng Agent để tự động duyệt email, đọc toàn bộ thư mục dự án tìm hàm lỗi để đề xuất bản vá, hay thu thập tài liệu học thuật xuất ra báo cáo tóm lược dưới dạng Markdown. Lấy ví dụ đơn giản về việc thiết lập function calling bằng Python để gọi API thời tiết:

tools = [
    {
        "type": "function",
        "function": {
            "name": "get_current_weather",
            "description": "Lấy thông tin thời tiết theo địa điểm",
            "parameters": {
                "type": "object",
                "properties": {
                    "location": {"type": "string", "description": "Tên thành phố, ví dụ: Hanoi, Danang"}
                },
                "required": ["location"]
            }
        }
    }
]

Khi mô hình tự nhận thức được lúc nào cần gọi hàm ngoài, câu trả lời mang tính chính xác tuyệt đối chứ không còn là sự suy đoán viển vông. Mà thôi, nói kỹ thuật nhiều quá lại hóa khô khan. Ngay cả trong đời sống, các thuật toán so khớp dựa trên mô hình nhúng ngữ nghĩa giờ đây cũng hiểu được thói quen hay gu âm nhạc để gợi ý những người bạn tâm giao thực sự, khác hẳn thời kỳ gõ tìm kiếm mù quáng trên các diễn đàn trôi nổi ngày trước. Đứng trước làn sóng tái cơ cấu nhân sự, nhiều người hoang mang không biết ngày mai mình có bị AI thay thế hay không. Nhưng qua thực tế vận hành, mình tin rằng AI không thay thế con người, mà những người biết tận dụng AI để nâng cao năng suất mới là người chiến thắng. Anh em trong diễn đàn mình đã ứng dụng AI Agent hay các mô hình multimodal vào công việc hoặc đời sống hàng ngày chưa?