AI đa phương thức là gì?
Còn gọi: multimodal, multimodal ai, đa phương thức, mô hình đa phương thức
AI đa phương thức (multimodal) là mô hình có thể hiểu và/hoặc tạo nhiều loại dữ liệu cùng lúc, như văn bản, hình ảnh, âm thanh, video, thay vì chỉ một loại.
Hiểu kỹ hơn
Các chatbot như ChatGPT, Gemini, Claude đều nhận ảnh làm đầu vào: bạn có thể gửi ảnh chụp bản thiết kế và hỏi về bố cục, độ tương phản, lỗi chính tả; gửi ảnh chụp màn hình app để nhận góp ý UX; gửi bản phác tay để AI chuyển thành danh sách nội dung. Một số mô hình còn tạo được ảnh, giọng nói hay video ngay trong cùng cuộc trò chuyện. Với designer, đây là bước chuyển quan trọng: AI không chỉ đọc chữ mà còn nhìn được, nên có thể phân tích moodboard, mô tả ảnh tham khảo thành prompt, đọc thông số trong tài liệu PDF có hình. Hạn chế: AI vẫn có thể đếm sai, đọc nhầm chữ nhỏ, đánh giá màu không chính xác. Lỗi hay gặp là thay việc kiểm tra bằng mắt và bằng công cụ đo màu, đo tương phản bằng nhận xét của AI.
