AI ต่อเนื่องหลายรูปแบบ: ChatGPT และ Google Bard ทำอะไรได้บ้าง

เผยแพร่แล้ว: 2023-10-27

รั้งตัวเอง. ขั้นต่อไปของ AI กำลังเริ่มต้นขึ้น ซึ่งก็คือ AI แบบต่อเนื่องหลายรูปแบบ

AI ต่อเนื่องหลายรูปแบบเป็นก้าวสำคัญสู่ระบบ AI ที่ชาญฉลาดและหลากหลายมากขึ้น ซึ่งสามารถทำความเข้าใจและโต้ตอบกับโลกในลักษณะเหมือนมนุษย์มากขึ้น

ในโพสต์นี้ เราจะแจกแจงรายละเอียดฟังก์ชันใหม่ที่คุณสามารถใช้ประโยชน์จาก ChatGPT และ Google Bard โดยเน้นไปที่การเชื่อมโยงระหว่างเครื่องมือเหล่านี้กับการสังเกตรูปภาพโดยเฉพาะ

คิมคูเปอร์

ผู้อำนวยการฝ่ายการตลาด Amazon Alexa

เม็ดเดี่ยวช่วยให้เราเพิ่มผลกระทบโดยไม่ต้องเพิ่มจำนวนพนักงาน

ทำงานกับเรา

AI ต่อเนื่องหลายรูปแบบคืออะไร?

Multimodal AI เป็นปัญญาประดิษฐ์ประเภทหนึ่งที่สามารถเข้าใจและสร้างอินพุตข้อมูลหลายรูปแบบ เช่น ข้อความ รูปภาพ และเสียง ได้พร้อมกัน

และมันเป็นเรื่องใหญ่อย่างที่คิด

ระบบ AI ต่อเนื่องหลายรูปแบบได้รับการฝึกอบรมเกี่ยวกับชุดข้อมูลหลายรูปแบบขนาดใหญ่ ซึ่งช่วยให้พวกเขาเรียนรู้ความสัมพันธ์ระหว่างรูปแบบต่างๆ และวิธีการหลอมรวมเข้าด้วยกันอย่างมีประสิทธิภาพ เมื่อผ่านการฝึกอบรมแล้ว ระบบเหล่านี้สามารถนำไปใช้งานได้หลากหลาย รวมถึง:

คำบรรยายภาพ: การสร้างคำอธิบายข้อความของรูปภาพ
การสร้างข้อความเป็นรูปภาพ: การสร้างรูปภาพจากคำอธิบายข้อความ
ความเข้าใจเกี่ยวกับวิดีโอ: สรุปเนื้อหาของวิดีโอ ตอบคำถามเกี่ยวกับวิดีโอ และการตรวจจับวัตถุและเหตุการณ์ในวิดีโอ
การโต้ตอบระหว่างมนุษย์กับคอมพิวเตอร์: ช่วยให้เกิดการสื่อสารที่เป็นธรรมชาติและเป็นธรรมชาติมากขึ้นระหว่างมนุษย์และคอมพิวเตอร์
วิทยาการหุ่นยนต์: ช่วยให้หุ่นยนต์เข้าใจและมีปฏิสัมพันธ์กับโลกแห่งความเป็นจริงได้ดีขึ้น

วิวัฒนาการนี้มีศักยภาพอย่างมาก โดยเฉพาะอย่างยิ่งเมื่อเป็นเรื่องของการใช้งานในโลกแห่งความเป็นจริง

ภาพรวมความสามารถหลายรูปแบบของ ChatGPT

ความสามารถที่หลากหลายของ ChatGPT ช่วยให้สามารถโต้ตอบกับผู้ใช้ได้อย่างเป็นธรรมชาติและเป็นธรรมชาติมากขึ้น ขณะนี้สามารถเห็น ได้ยิน และพูดได้ ซึ่งหมายความว่าผู้ใช้สามารถป้อนข้อมูลและรับคำตอบได้หลากหลายวิธี

ต่อไปนี้คือตัวอย่างเฉพาะบางส่วนของความสามารถหลายรูปแบบของ ChatGPT:

อินพุตรูปภาพ: ผู้ใช้สามารถอัปโหลดรูปภาพไปยัง ChatGPT ตามที่ได้รับแจ้ง และแชทบอตจะสร้างการตอบกลับตามสิ่งที่เห็น เช่น คุณสามารถอัปโหลดรูปภาพสูตรอาหารและขอให้ ChatGPT สร้างรายการส่วนผสมหรือคำแนะนำ เราจะขยายเรื่องนี้ในไม่ช้า
การป้อนข้อมูลด้วยเสียง: ผู้คนยังสามารถใช้เสียงเตือนเพื่อโต้ตอบกับ ChatGPT สิ่งนี้มีประโยชน์สำหรับงานแบบแฮนด์ฟรี เช่น การขอให้ ChatGPT เล่นเพลงขณะขับรถ
เอาต์พุตเสียง: ChatGPT ยังสามารถสร้างการตอบกลับด้วยหนึ่งในห้าเสียงที่ฟังดูเป็นธรรมชาติที่แตกต่างกัน ซึ่งหมายความว่าผู้ใช้สามารถมีประสบการณ์การสนทนาที่เป็นปกติมากขึ้นกับแชทบอท
การบูรณาการ DALL-E: ผู้ใช้ ChatGPT Plus และ Enterprise สามารถสร้างรูปภาพจากคำอธิบายข้อความได้โดยตรงภายในอินเทอร์เฟซ ChatGPT เช่นนี้ (“สร้างรูปภาพของมนุษย์ที่สนทนากับหุ่นยนต์ AI”):

การบูรณาการของ Google Bard
ในขณะที่ ChatGPT กำลังสร้างกระแสด้วยแนวทางหลายรูปแบบ Google Bard ก็กลายเป็นคู่แข่งที่แข็งแกร่งในด้าน AI
ผู้ใช้หลายคนสังเกตเห็นถึงความสามารถของมัน แม้จะบอกว่า Bard เหนือกว่า ChatGPT ในบางด้านก็ตาม ข้อโต้แย้งที่สนับสนุน Bard มักเน้นที่ความสดใหม่ของข้อมูล
ChatGPT แม้จะมีเวอร์ชันที่กำลังจะเปิดตัว แต่ก็อาศัยชุดข้อมูลที่ล้าสมัยเล็กน้อย (ฐานความรู้ปัจจุบันถูกตัดออกในเดือนกันยายน 2021) ซึ่งส่งผลต่อความเกี่ยวข้องในหัวข้อที่เป็นปัจจุบันและกำลังพัฒนา

Google Bard มีการบูรณาการกับแหล่งข้อมูลต่างๆ เช่น:
Google เที่ยวบิน
Google Maps
โรงแรมกูเกิล
และ Google Workspace ที่กว้างขึ้น
นั่นเป็นเพียงส่วนน้อยของการผสานรวมผลิตภัณฑ์ที่ Google Bard สามารถทำได้ นอกจากนี้ เนื่องจากไม่มีวันตัดความรู้ จึงสามารถเข้าถึงข้อมูลผ่าน Google Search ซึ่งหมายความว่าสามารถสื่อสารแบบไดนามิกมากขึ้นด้วยเครื่องมือเช่น Maps และโรงแรม โดยให้ข้อมูลอัปเดต (เกือบ) แบบเรียลไทม์สำหรับคำถามที่เกี่ยวข้องกับหัวข้อเหล่านั้น .

ข้อความค้นหาง่ายๆ เช่น การค้นหาข้อมูลเชิงลึกเกี่ยวกับอินฟลูเอนเซอร์ของ YouTube จะให้ผลลัพธ์โดยละเอียดเกี่ยวกับช่องที่พวกเขาดำเนินการ ธีมเนื้อหาหลัก และอื่นๆ อีกมากมาย
ความแตกต่างในยูทิลิตี้ระหว่าง ChatGPT และ Google Bard นั้นชัดเจน โดยแต่ละอันมีจุดแข็งที่เป็นเอกลักษณ์ ผู้ใช้บางคนโน้มตัวไปทาง Bard สำหรับงานบางอย่าง ในขณะที่ ChatGPT ยังคงเป็นงานหลักสำหรับคนอื่นๆ การแข่งขันระหว่างทั้งสองทำให้มั่นใจได้ว่าเครื่องมือ AI จะมีการพัฒนาอย่างต่อเนื่อง โดยให้ความสามารถที่ได้รับการปรับปรุงแก่ผู้ใช้

การตีความภาพ
ทั้ง Google Bard และ ChatGPT ใช้ AI ต่อเนื่องหลายรูปแบบเพื่ออธิบายรูปภาพโดยการรวมความรู้ด้านภาษาและรูปภาพเข้าด้วยกัน:
สิ่งนี้มีประโยชน์สำหรับนักการตลาดเพราะช่วยให้พวกเขาสร้างคำอธิบายผลิตภัณฑ์และบริการของตนที่แม่นยำและให้ข้อมูลมากขึ้น
ตัวอย่างเช่น คุณสามารถใช้ Bard หรือ ChatGPT เพื่อสร้างคำอธิบายของเสื้อผ้าชิ้นใหม่ที่อาจดึงดูดความสนใจของผู้มีโอกาสเป็นลูกค้าได้มากกว่า หรือคุณสามารถใช้โมเดลเหล่านี้เพื่อสร้างคำอธิบายผลิตภัณฑ์ของคุณในภาษาต่างๆ ซึ่งอาจช่วยให้คุณเข้าถึงผู้ชมได้กว้างขึ้น

ต่อไปนี้เป็นวิธีเฉพาะบางประการที่นักการตลาดสามารถใช้ Bard และ ChatGPT เพื่ออธิบายรูปภาพ:
สร้างคำอธิบายผลิตภัณฑ์: สิ่งนี้สามารถช่วยให้นักการตลาดเพิ่มยอดขายและปรับปรุงประสบการณ์ของลูกค้าได้
สร้างแคมเปญการตลาด: นักการตลาดสามารถใช้โมเดลเหล่านี้เพื่อสร้างสำเนาโฆษณาที่แตกต่างกันสำหรับแพลตฟอร์มโซเชียลมีเดียต่างๆ ตามกราฟิกหรือรูปภาพที่ให้ไว้
ปรับปรุง SEO: Bard และ ChatGPT สามารถใช้เพื่อสร้างคำอธิบายรูปภาพที่ได้รับการปรับให้เหมาะกับเครื่องมือค้นหา สิ่งนี้สามารถช่วยให้นักการตลาดปรับปรุงอันดับเว็บไซต์ของตนในผลการค้นหาได้
เส้นทางข้างหน้าสำหรับ Multimodal AI
ความก้าวหน้าอย่างรวดเร็วในเครื่องมือ AI เช่น ChatGPT และ Google Bard นั้นน่าตื่นเต้นอย่างไม่ต้องสงสัย อย่างไรก็ตาม ข้อควรระวัง: เครื่องมือเหล่านี้ยังอยู่ในช่วงการพัฒนา การคาดหวังว่าการดำเนินงานจะสมบูรณ์แบบอาจทำให้ผิดหวังได้ ในอีกสองสามปีข้างหน้า เครื่องมือเหล่านี้มีแนวโน้มที่จะได้รับการขัดเกลาและแม่นยำมากขึ้น และ ความไม่ถูกต้องจะยังคงมีอยู่

กุญแจสำคัญในการควบคุมพลังของเครื่องมือ AI เหล่านี้อยู่ที่การทำงานร่วมกันระหว่างมนุษย์และเครื่องจักร การใช้ AI เพียงอย่างเดียวอาจไม่ให้ผลลัพธ์ที่ดีที่สุด แต่เมื่อรวมกับวิจารณญาณและความเชี่ยวชาญของมนุษย์แล้ว เครื่องมือเหล่านี้ก็สามารถกลายเป็นทรัพย์สินที่น่าเกรงขามได้
เช่นเคย ด้วยเทคโนโลยีที่พัฒนาอย่างรวดเร็ว การอัปเดตเครื่องมือเหล่านี้อยู่เสมอจะช่วยให้มั่นใจได้ว่าผู้ใช้จะก้าวนำหน้าอยู่เสมอ
หากคุณพร้อมที่จะยกระดับแบรนด์ของคุณด้วยเครื่องมือ AI ผู้เชี่ยวชาญ AI ของ Single Grain สามารถช่วยได้!
ทำงานกับเรา
หากต้องการข้อมูลเชิงลึกและบทเรียนเพิ่มเติมเกี่ยวกับการตลาด โปรดดูพอ ดแคสต์ของ Marketing School บน YouTube