Kỷ Nguyên AI Đa Phương Thức 2024: Khi Máy Móc Biết Lắng Nghe Và Thấu Cảm

Hôm ngồi cà phê ngẫm lại mới thấy, cách chúng ta tương tác với máy tính thay đổi nhanh thật. Mới năm ngoái còn ngồi gõ từng dòng prompt dài dằng dặc, mà giờ chuyển sang dùng AI đa phương thức từ bao giờ. Chỉ cần một bức ảnh chụp nhanh màn hình lỗi hay đoạn ghi âm ngập ngừng là mô hình đã hiểu. Nhưng điều khiến mình ấn tượng không phải là thông số kỹ thuật, mà là chuyện tuần trước của ông bạn thân trong nhóm dev. Vừa dính đợt cắt giảm nhân sự, cậu ấy mất phương hướng trầm trọng. Suốt ngày quẹt qua mấy app kết bạn bốn phương hay tìm đọc mâỵ trang kết bạn trôi nổi trên mạng với hy vọng tìm người tâm sự. Càng tìm càng thấy trống rỗng vì mọi thứ quá hời hợt. Khựng lại một nhịp, mà thôi, nói vậy cũng không hẳn là chê app hẹn hò, chỉ là lúc rối bời người ta ngại mở lòng với người lạ. Cuối cùng, cậu ấy lại tìm thấy sự cân bằng khá bất ngờ bằng cách trò chuyện bằng giọng nói với AI mỗi tối đi dạo. Dùng AI để tập diễn đạt cảm xúc, phân tích khúc mắc tâm lý trước khi dám mở lời với thế giới thực. Nghe thì có vẻ hơi lạ lùng trong thời đại số này, nhưng nghĩ kỹ cũng hợp lý. Trong công việc lập trình, mình thấy đám multimodal này cực kỳ đáng tiền ở khoản đỡ phải gõ phím dài dòng. Lái xe trên đường bật chế độ voice mode để nói ý tưởng bộc phát, hoặc gặp lỗi CSS thì chụp thẳng màn hình ném vào máy để nó chỉ đích xác chỗ vỡ layout. Nhanh hơn khối việc ngồi tra Google thủ công.

import { GoogleGenerativeAI } from "@google/generative-ai";

const ai = new GoogleGenerativeAI(process.env.API_KEY);
const model = ai.getGenerativeModel({ model: "gemini-1.5-flash" });

const result = await model.generateContent([promptText, imagePart]);
console.log(result.response.text());

Nói chung, máy móc thì vẫn chỉ là công cụ, quan trọng là cách mình bắt nó phục vụ mình sao cho đỡ mệt mỏi nhất. Anh em ZolaChat năm nay đã thử dùng tính năng trò chuyện bằng giọng nói hay quét hình ảnh củaấy con AI này chưa, hay vẫn trung thành với việc gõ văn bản truyền thống?