Kỷ Nguyên AI Đa Phương Thức 2024: Khi Trợ Lý Ảo Học Cách 'Thấu Cảm' Đời Sống

Nói thẳng là hồi đầu năm 2024, mình cũng như nhiều anh em làm tech, nhìn đâu cũng thấy AI. Ngồi quán cà phê ở Hà Nội hay Sài Gòn là thể nào cũng nghe bàn chuyện tái cấu trúc nhân sự hay dùng xe điện đi chữa lành. Mà thôi, công nhận là làn sóng AI đa phương thức năm nay nó quét qua nhanh thật, không còn là mấy dòng prompt chữ nghĩa khô khan nữa. Nhớ lại ngày xưa, từ thời xài các web chat IRC hay Yahoo! Messenger chậm rì trên màn hình dày cộp, rồi qua app tìm bạn tứ xứ hay app cho gay, hay mấy ứng dụng chat với người lạ để tìm vợ đêm muộn... mục đích cuối cùng của loài người vẫn chỉ là tìm kiếm sự thấu hiểu. Giờ thì đỡ rồi, thay vì đoán già đoán non ý người lạ, mình lôi ngay trợ lý ảo ra. Mà nói có sách máчы có chứng, cái hay của mấy mô hình như GPT-4o hay Claude 3.5 Sonnet năm nay là nó ăn tiền ở khả năng đa phương thức. Hôm nọ cái quạt điện ở nhà bị kẹt cứng, thay vì mò mẫm tra tài liệu mất toi cả tiếng, mình bậtừ camera điện thoại chĩa thẳng vào bảng mạch rồi hỏi luôn. Nó trả lời bằng giọng nói chuẩn xác từng bước, mượt mà phết. Với dân dev, lúc cần viết script Python xử lý hình ảnh từ camera giám sát kiểu này:

import base64
import requests

def analyze_multimodal_snapshot(image_path):
    with open(image_path, "rb") as img_file:
        encoded_image = base64.b64encode(img_file.read()).decode('utf-8')
    
    payload = {
        "model": "gpt-4o",
        "messages": [
            {
                "role": "user",
                "content": [
                    {"type": "text", "text": "Hãy phân tích xem trong ảnh có điểm gì bất thường không?"},
                    {"type": "image_url", "image_url": {"url": f"data:image/jpeg;base64,{encoded_image}"}}
                ]
            }
        ]
    }
    return payload

Ném cái ảnh lên là nó phân tích ngon lành, khỏi mất công gõ code mỏi tay. Mấy con AI Agent tự hành đợt này cũng rảnh rỗi thay mình kha khá việc lặt vặt. Nhưng mà dùng nhiều đâm ra mình thấy hơi rén. Máy móc làm thay hết, tớ bắt đầu thấy lười tư duy đi một chút. Nhiều ông bạn quanh mình lo sốn sảng vì sợ mất việc. Mà công nhận, AI có giỏi đến đâu thì cái cảm giác ngồi ngắm hoàng hôn hay nắm tay người thật việc thật ngoài đời vẫn là thứ cỗ máy chịu chết. Anh em đã thử dùng tính năng giọng nói hay hình ảnh của AI thế hệ mới vào việc gì ra ngô ra khoai chưa, hay cũng chỉ nghịch vài lần rồi thôi?