Trải Nghiệm AI Đa Phương Thức 2024: Khi Cỗ Máy Không Chỉ Đọc Mà Còn Thấy Và Nghe

Mấy hôm nay ngồi test lạiấy đống code xử lý ảnh, mình mới thấy AI đa phương thức năm nay tiến một đoạn khá dài. Nếu như trước đây chỉ quanh quẩn gõ text rồi chờ đợi mỏi mòn, thì bây giờ mình chỉ cần ném thẳng tấm ảnh chụp sơ đồ kiến trúc hệ thống hay mạch điện tử lên là máy tự đọc và bóc tách ra tài liệu chi tiết. Lũ coder bọn mình nhờ thế mà tiết kiệm được kha khá thời gian gõ boilerplate code hay tóm tắt tài liệu. Đợt rồi thử cấu hình gửi payload qua API của GPT-4o để phân tích lỗi giao diện, mọi thứ gọn hơn hẳn:

{
  "model": "gpt-4o",
  "messages": [
    {
      "role": "user",
      "content": [
        {"type": "text", "text": "Phân tích lỗi giao diện trong ảnh chụp màn hình này giúp mình:"},
        {
          "type": "image_url",
          "image_url": {"url": "data:image/jpeg;base64,..."}
        }
      ]
    }
  ]
}

Công nghệ thông minh thật đấy, nhưng mà nói đi cũng phải nói lại, máy móc giỏi đến đâu thì cũng chỉ là công cụ. Cậu em làm cùng dự án với mình đợt đi chuyến công tác kết hợp du lịch ở biển Mỹ Khê vừa rồi là một ví dụ. Cậu hí hửng nhờ AI viết giúp đoạn giới thiệu bản thân mượt mà để tạo hồ sơ trên các ứng dụng tìm ny, thậm chí còn bật tính năng chat quanh đây khi ngồi uống nước dọc sông Hàn. Cậu bảo muốn tìm bạn gái Đà Nẵng để chia sẻ hoàng hôn, nhưng rồi ngẫm lại thì AI có thể vắt ra câu thơ hay hay đoạn văn chải chuốt, chứ làm sao thay cậu rung động trước một ánh mắt thật ngoài đời được. Nhưng mà thôi, nói vậy đôi lúc cũng hơi chủ quan vì nhiều khi chính mình còn đang phụ thuộc vào nó quá nhiều để giảm giờ OT. Anh em ZolaChat dạo này đã thử ứng dụng mấy mô hình này vào công việc hay đời sống chưa, có gặp pha nào dở khóc dở cười vì trợ lý ảo chưa nhỉ?