AI đa phương thức 2024: Từ mô hình sinh đến trợ lý ảo trong cuộc sống

Nói thật là năm 2024 này, ngồi nhìn mâý con AI đa phương thức nó xử lý từ văn bản, hình ảnh sang giọng nói mà chóng cả mặt. Thay vì chỉ đọc dăm ba bài lý thuyết, mình đã tự xắn tay áo vào test thực tế mấy cái mô hình sinh và trợ lý ảo xem nó nuốt trôi được việc gì. Nhắc đến AI agents, người ta cứ tung hô nó là trợ lý toàn năng tự động hóa mọi thứ từ lịch họp trên Google Calendar đến chăm sóc sức khỏe tinh thần. Nhưng mà, nói thẳng ra thì cấu hình mấy con bot này mệt phờ râu. Đôi khi dùng mấy web có sẵn thì nhanh gọn, nhưng lúc cần bảo mật dữ liệu cá nhân hay tự tinh chỉnh kịch bản riêng cho ZolaChat thì đống dịch vụ ngoài kia lại bó tay. Thế là mình mò mẫm tự dựng môi trường Python để nghịch. Ngồi cặm cụi gõ mấy dòng lệnh quen thuộc:

# Cài đặt môi trường Python cho mô hình LLM
pip install transformers torch

# Tải mô hình GPT-4 mini (phiên bản mở)
from transformers import AutoModelForCausalLM, AutoTokenizer
model = AutoModelForCausalLM.from_pretrained("gpt4-mini")
tokenizer = AutoTokenizer.from_pretrained("gpt4-mini")

# Tạo một prompt cho trợ lý du lịch
prompt = "Hãy đề xuất một chuyến đi 3 ngày tới Đà Lạt cho người thích yoga và thiên nhiên, bắt đầu từ Hà Nội vào tháng 10."
inputs = tokenizer(prompt, return_tensors="pt")
output = model.generate(**inputs, max_length=200)
print(tokenizer.decode(output[0], skip_special_tokens=True))

Nói chung là đoạn code trên giúp mình ép con bot nhả ra lịch trình đi Đà Lạt khá mượt để nhét vào bot chat, nhưng đánh đổi lại là tốn tài nguyên máy kinh khủng. Mà thôi, nói vậy hơi cực đoan, chứ nếu chỉ dùng để tạo ảnh minh họa du lịch hay viết kịch bản livestream nhanh thì mấy công cụ giao diện web vẫn là chân ái cho đỡ đau đầu. Mấy ông đã thử tự code mô hình nào chạy offline chưa hay toàn dùng web có sẵn cho lành?