مدل چندوجهی

مدل چندوجهی به‌جای تخصص در یک قالب واحد، مثل انسان چند حواس را با هم به کار می‌گیرد: عکس محصول را می‌بیند و توضیح می‌نویسد، صدا را می‌شنود و درباره ویدئو سؤال‌ها را پاسخ می‌دهد. جمینای گوگل و نسخه‌های جدید مدل‌های GPT نمونه‌های شاخص این رویکرد‌اند.

این توانایی کاربردهای تازه ساخته است: دستیارهایی که از روی عکس فاکتور داده را بیرون می‌کشند، ابزارهایی که جلسه را ضبط و خلاصه می‌کنند و مرورگرهایی که با دیدن صفحه، راهنمای کاربر می‌شوند. اگر می‌خواهید در موج بعدی هوش مصنوعی جا نمانید، کار با مدل‌های چندوجهی را از همین امروز تمرین کنید.