Đến lượt AI của Elon Musk tích hợp tính năng nhìn, nghe, nói như con người

Grok - sản phẩm trí tuệ nhân tạo (AI) đến từ xAI - công ty do Elon Musk sáng lập, được kỳ vọng sẽ sớm được nâng cấp với khả năng tiếp nhận thông tin đa phương tiện. Thông tin này được hé lộ thông qua tài liệu dành cho nhà phát triển được xAI công bố.

Vào tháng 3/2024, Grok đã có bước tiến đáng kể với phiên bản Grok 1.5, sở hữu khả năng lập luận được cải thiện đáng kể. Trước đó, trong một bài đăng trên blog vào tháng trước, xAI từng úp mở về việc Grok-1.5V sẽ cung cấp "các mô hình đa phương thức trong một số lĩnh vực nhất định". Bản cập nhật tài liệu dành cho nhà phát triển gần đây dường như cho thấy xAI đang chuẩn bị cho ra mắt một mô hình AI mới. Điều này đồng nghĩa với việc người dùng có thể tải ảnh lên Grok và nhận được câu trả lời bằng văn bản. Cụ thể, tài liệu hướng dẫn cách thức các nhà phát triển có thể sử dụng bộ công cụ phát triển phần mềm (SDK) của xAI để tạo ra phản hồi dựa trên cả văn bản và hình ảnh. Kịch bản Python mẫu minh họa cách đọc tệp hình ảnh, thiết lập lời nhắc văn bản và sử dụng xAI SDK để tạo phản hồi.

Ra mắt vào tháng 11/2023 và chỉ dành riêng cho người dùng trả phí X Premium Plus, Grok được đánh giá là “tân binh” trong lĩnh vực AI so với các đối thủ nặng ký như ChatGPT của OpenAI. Điểm đặc biệt của Grok là khả năng tiếp cận thông tin theo thời gian thực, bao gồm cả các bài đăng trên nền tảng X. Theo thông tin từ xAI, mô hình Grok được huấn luyện dựa trên "nhiều nguồn dữ liệu văn bản công khai trên Internet tính đến quý 3 năm 2023 và tập dữ liệu do người đánh giá xem xét và tuyển chọn". Bài đăng trên blog của X cũng khẳng định Grok-1 không được huấn luyện trên dữ liệu X (bao gồm cả các bài đăng X công khai). Tuy nhiên, xAI cũng thừa nhận rằng các điểm chuẩn cho mô hình ngôn ngữ lớn thường bị chỉ trích vì các mô hình có thể hoạt động tốt trên điểm chuẩn nếu các điểm chuẩn đó được đưa vào dữ liệu đào tạo của chúng. Điều này giống như việc ghi nhớ câu trả lời trong bài kiểm tra, thay vì thực sự hiểu nội dung.

Mặc dù vậy, theo một bài đăng trên blog của xAI, Grok 1.5 đang dần thu hẹp khoảng cách với GPT-4 trên nhiều tiêu chuẩn đánh giá, từ cấp tiểu học đến các cuộc thi cấp trung học. Chatbot đa phương thức được xem là đích đến tiếp theo của cuộc đua AI. Nhiều ông lớn trong ngành như Google đã công bố những bước tiến mới tại sự kiện Google I/O, trong khi OpenAI cũng trình làng GPT-4o. Việc thiếu hụt khả năng đa phương tiện đã khiến Grok bị tụt lại phía sau cho đến thời điểm hiện tại. Liệu với những nỗ lực nâng cấp, Grok có thể tạo nên bất ngờ trong cuộc đua đầy thử thách này?