Agent.ai.vn

ChatGPT Search: Thử nghiệm thực tế

<h2>ChatGPT Search: Một thử nghiệm thực tế</h2>
<p><strong>Mục lục:</strong></p>
<ol>
<li>Giới thiệu</li>
<li>Cách sử dụng ChatGPT Search</li>
<li>Thử nghiệm ChatGPT Search</li>
<li>Lợi ích của ChatGPT Search</li>
<li>Kết luận</li>
</ol>
<p><strong>1. Giới thiệu</strong></p>
<p>ChatGPT Search là công cụ tìm kiếm mới của OpenAI, cạnh tranh trực tiếp với Google Search. Bài viết này sẽ phân tích nội dung video trên YouTube "OpenAI's New ChatGPT Search Engine: My Hands-On Test" để đánh giá hiệu quả của ChatGPT Search.</p>
<p><strong>2. Cách sử dụng ChatGPT Search</strong></p>
<p>Hiện tại, ChatGPT Search chỉ dành cho người dùng ChatGPT Plus (20 USD/tháng), thành viên nhóm Chat GPT Team và người dùng trong danh sách chờ của Search GPT (danh sách chờ đã đóng). Dự kiến, công cụ tìm kiếm sẽ được cung cấp miễn phí cho tất cả người dùng trong những tháng tới.</p>
<p>Để sử dụng ChatGPT Search, bạn cần đăng nhập vào ChatGPT và chọn phiên bản ChatGPT 4.0. Sau đó, bạn sẽ thấy biểu tượng quả địa cầu nhỏ trong khung nhập liệu. Khi di chuột vào biểu tượng này, bạn sẽ thấy dòng chữ "Tìm kiếm trên web". Nhấp vào biểu tượng quả địa cầu để kích hoạt ChatGPT Search.</p>
<p><strong>3. Thử nghiệm ChatGPT Search</strong></p>
<p>Video giới thiệu một số thử nghiệm với ChatGPT Search. </p>
<ul>
<li>Tìm kiếm thông tin về Quincy Jones: ChatGPT trả lời bằng ngôn ngữ tự nhiên, cung cấp thông tin về bài hát nổi tiếng của Quincy Jones và kèm theo đường dẫn đến trang Wikipedia của ông và playlist nhạc trên YouTube Music. Ngoài ra, ChatGPT còn liệt kê các nguồn tin liên quan đến Quincy Jones từ các trang báo uy tín như Wall Street Journal, Vanity Fair và Pitchfork.</li>
<li>Tìm kiếm điểm tham quan ở Monteray: ChatGPT đề xuất một số điểm tham quan nổi tiếng ở Monteray như M Bay Aquarium, Canary Row, Coastal Recreation Trail, Whale watching tours, Fisherman's Warf, Dennis the Menace park, Monarch butterfly sanctuary và 17-Mile Drive. ChatGPT cũng cung cấp các đường dẫn liên quan đến các điểm tham quan, hình ảnh minh họa và các nguồn tin tham khảo.</li>
<li>Tìm kiếm thông tin về tour du lịch ma quái ở Monteray: ChatGPT cung cấp thông tin về các tour du lịch ma quái phổ biến ở Monteray, kèm theo đường dẫn đến trang web của một số công ty tổ chức tour du lịch.</li>
<li>Tìm kiếm thông tin về Pebble Beach: ChatGPT cung cấp thông tin về Pebble Beach, kèm theo hình ảnh và lời khuyên về thời gian cần thiết để tham quan con đường 17-Mile Drive.</li>
</ul>
<p><strong>4. Lợi ích của ChatGPT Search</strong></p>
<p>ChatGPT Search có một số lợi thế so với Google Search:</p>
<ul>
<li><strong>Trả lời bằng ngôn ngữ tự nhiên:</strong> Thay vì chỉ liệt kê các đường dẫn, ChatGPT trả lời bằng ngôn ngữ tự nhiên, dễ hiểu và dễ tiếp cận.</li>
<li><strong>Cung cấp thông tin đa dạng:</strong> ChatGPT không chỉ cung cấp thông tin từ các trang web mà còn cung cấp thông tin từ các nguồn tin khác như Wikipedia, YouTube Music, các trang báo uy tín...</li>
<li><strong>Cung cấp đường dẫn liên quan:</strong> ChatGPT cung cấp đường dẫn đến các nguồn tin liên quan, giúp người dùng tìm kiếm thêm thông tin.</li>
<li><strong>Giao diện trực quan:</strong> ChatGPT cung cấp giao diện trực quan, dễ sử dụng và dễ tìm kiếm thông tin.</li>
</ul>
<p><strong>5. Kết luận</strong></p>
<p>ChatGPT Search là một công cụ tìm kiếm đầy tiềm năng, mang đến những lợi ích vượt trội so với Google Search. ChatGPT có thể trở thành đối thủ cạnh tranh đáng gờm của Google Search trong tương lai. </p>
<p>Tuy nhiên, vẫn cần thêm thời gian để đánh giá toàn diện hiệu quả của ChatGPT Search. Bên cạnh đó, ChatGPT Search vẫn còn một số hạn chế như chưa có sẵn cho tất cả người dùng. </p>

ChatGPT Search: Thử nghiệm thực tế

ChatGPT Search: Một thử nghiệm thực tế Mục lục: Giới thiệu Cách sử dụng ChatGPT Search Thử nghiệm ChatGPT Search Lợi ích của ChatGPT S...

tháng 11 07, 2024

Llama: Mô hình AI mã nguồn mở cách mạng hóa cách chúng ta suy nghĩ về AI

<h2>Llama: Mô hình AI mã nguồn mở đang thay đổi cách chúng ta suy nghĩ về AI</h2>
<p><strong>Mục lục</strong></p>
<ol>
<li>Giới thiệu về Llama</li>
<li>Các điểm khác biệt của Llama</li>
<li>Lịch sử phát triển của Llama</li>
<li>Các tính năng nổi bật của Llama 3.1</li>
<li>Ứng dụng của Llama 3.1</li>
<li>Tương lai của Llama</li>
</ol>
<p><strong>1. Giới thiệu về Llama</strong></p>
<p>Llama là một mô hình ngôn ngữ lớn (LLM) mã nguồn mở được phát triển bởi Meta. Điều này có nghĩa là mã nguồn của mô hình được công khai và bất kỳ ai cũng có thể truy cập và sử dụng nó.  Llama được huấn luyện trên một lượng lớn dữ liệu văn bản, cho phép nó thực hiện nhiều nhiệm vụ liên quan đến ngôn ngữ như tạo văn bản, dịch thuật, tóm tắt văn bản và trả lời câu hỏi.</p>
<p><strong>2. Các điểm khác biệt của Llama</strong></p>
<ul>
<li><p><strong>Mã nguồn mở:</strong> Khả năng truy cập và sửa đổi mã nguồn của Llama mang đến nhiều lợi ích, bao gồm:</p>
<ul>
<li><strong>Minh bạch:</strong> Cho phép người dùng hiểu rõ cách thức hoạt động của mô hình.</li>
<li><strong>Tùy chỉnh:</strong> Dễ dàng điều chỉnh mô hình cho phù hợp với các trường hợp sử dụng cụ thể.</li>
<li><strong>Độ chính xác:</strong> Có thể tạo ra các mô hình chính xác hơn với kích thước nhỏ hơn, giúp giảm chi phí và thời gian phát triển.</li>
</ul>
</li>
<li><p><strong>Kích thước nhỏ:</strong>  Llama có kích thước nhỏ hơn so với các mô hình độc quyền, giúp tiết kiệm chi phí và thời gian sử dụng.</p>
</li>
<li><p><strong>Tùy chỉnh:</strong> Người dùng có thể tạo các mô hình chuyên biệt cho các lĩnh vực và trường hợp sử dụng cụ thể, thay vì phải sử dụng các mô hình đa năng.</p>
</li>
</ul>
<p><strong>3. Lịch sử phát triển của Llama</strong></p>
<ul>
<li><p><strong>Phiên bản đầu tiên:</strong> Ra mắt vào tháng 2 năm 2023, Llama 1 được huấn luyện trên một lượng lớn dữ liệu văn bản và có kích thước từ 7 tỷ đến 65 tỷ tham số. </p>
</li>
<li><p><strong>Phiên bản thứ hai:</strong> Ra mắt vào tháng 7 năm 2023, Llama 2 có hiệu suất cao hơn so với phiên bản trước, với kích thước từ 7 tỷ đến 70 tỷ tham số.</p>
</li>
<li><p><strong>Code Llama:</strong> Ra mắt vào tháng 8 năm 2023, đây là các mô hình chuyên biệt cho lĩnh vực lập trình, đặc biệt là ngôn ngữ Python.</p>
</li>
<li><p><strong>Llama 3:</strong> Ra mắt vào tháng 4 năm 2024, Llama 3 tập trung vào việc nâng cao hiệu suất so với kích thước, với phạm vi từ 7 tỷ đến 70 tỷ tham số.</p>
</li>
<li><p><strong>Llama 3.1:</strong> Ra mắt vào tháng 7 năm 2024, Llama 3.1 có các tính năng mới:</p>
<ul>
<li><strong>Đa ngôn ngữ:</strong> Hỗ trợ nhiều ngôn ngữ, bao gồm cả tiếng Việt.</li>
<li><strong>Cửa sổ ngữ cảnh mở rộng:</strong> Cho phép mô hình xử lý nhiều dữ liệu hơn trong một lần chạy.</li>
<li><strong>Tăng cường bảo mật:</strong>  Bao gồm các kỹ thuật như Llama Guard để bảo vệ chống lại các cuộc tấn công như tiêm lệnh.</li>
<li><strong>Mô hình lớn hơn:</strong> Phiên bản 405 tỷ tham số, mang lại hiệu suất cạnh tranh với các mô hình lớn khác.</li>
</ul>
</li>
</ul>
<p><strong>4. Các tính năng nổi bật của Llama 3.1</strong></p>
<ul>
<li><strong>Đa ngôn ngữ:</strong> Hỗ trợ nhiều ngôn ngữ, cho phép người dùng tương tác với mô hình bằng ngôn ngữ mẹ đẻ của họ.</li>
<li><strong>Cửa sổ ngữ cảnh mở rộng:</strong> Cho phép mô hình xử lý nhiều dữ liệu hơn trong một lần chạy, giúp nó có thể thực hiện các nhiệm vụ phức tạp hơn.</li>
<li><strong>Tăng cường bảo mật:</strong>  Bao gồm các kỹ thuật để bảo vệ chống lại các cuộc tấn công như tiêm lệnh, đảm bảo an toàn cho người dùng.</li>
<li><strong>Mô hình lớn hơn:</strong> Phiên bản 405 tỷ tham số, mang lại hiệu suất cạnh tranh với các mô hình lớn khác.</li>
</ul>
<p><strong>5. Ứng dụng của Llama 3.1</strong></p>
<ul>
<li><strong>Tạo dữ liệu:</strong> Sử dụng mô hình 405 tỷ tham số để tạo ra dữ liệu tổng hợp phục vụ cho các mục đích nghiên cứu và phát triển.</li>
<li><strong>Chưng cất kiến thức:</strong> Sử dụng mô hình để trích xuất thông tin cụ thể từ một lượng lớn dữ liệu.</li>
<li><strong>Đánh giá mô hình LLM:</strong> Sử dụng Llama để đánh giá hiệu suất của các mô hình LLM khác cho các trường hợp sử dụng cụ thể.</li>
</ul>
<p><strong>6. Tương lai của Llama</strong></p>
<p>Llama được kỳ vọng sẽ tiếp tục phát triển và mang đến nhiều tính năng mới, nâng cao hiệu suất và ứng dụng trong các lĩnh vực như:</p>
<ul>
<li><strong>Phát triển chatbot</strong>: Tạo ra các chatbot thông minh hơn, có thể hiểu và phản hồi các câu hỏi phức tạp hơn.</li>
<li><strong>Dịch thuật</strong>:  Nâng cao khả năng dịch thuật tự động, giúp xóa bỏ rào cản ngôn ngữ.</li>
<li><strong>Tạo nội dung</strong>: Hỗ trợ người sáng tạo trong việc viết bài, viết kịch bản, tạo âm nhạc,...</li>
<li><strong>Phân tích dữ liệu</strong>:  Phân tích dữ liệu văn bản để rút ra những thông tin hữu ích, hỗ trợ ra quyết định.</li>
</ul>
<p>Llama là một mô hình AI mã nguồn mở đầy tiềm năng, mang đến nhiều cơ hội cho cộng đồng nghiên cứu và phát triển AI. Với sự phát triển không ngừng, Llama có thể thay đổi cách chúng ta suy nghĩ và tương tác với AI trong tương lai.</p>

Llama: Mô hình AI mã nguồn mở cách mạng hóa cách chúng ta suy nghĩ về AI

Llama: Mô hình AI mã nguồn mở đang thay đổi cách chúng ta suy nghĩ về AI Mục lục Giới thiệu về Llama Các điểm khác biệt của Llama Lịch ...

tháng 11 07, 2024

AI hỗ trợ giải quyết vấn đề toàn cầu: Những người nhận giải thưởng Llama Grant đang làm gì?

<h2>Sử dụng AI để giải quyết các vấn đề toàn cầu: Những người nhận giải thưởng Llama Grant đang làm gì?</h2>
<h3>Mục lục</h3>
<ol>
<li>Giới thiệu</li>
<li>Ứng dụng Llama 3 cho giáo dục tại Ấn Độ</li>
<li>Nâng cao dịch vụ tư vấn nông nghiệp cho nông dân</li>
<li>Nối kết bệnh nhân ung thư với các thử nghiệm lâm sàng</li>
<li>Người chiến thắng và giải thưởng khác</li>
<li>Kết luận</li>
</ol>
<h3>1. Giới thiệu</h3>
<p>Meta vừa công bố những người nhận giải thưởng Llama Impact Grants năm 2023. Chương trình này nhằm hỗ trợ các dự án sáng tạo sử dụng Llama 2 và Llama 3 - các mô hình AI mã nguồn mở của Meta - để giải quyết những vấn đề xã hội cấp bách. </p>
<p>Hơn 800 đơn ứng tuyển từ các tổ chức ở hơn 90 quốc gia đã được gửi về. 20 ứng viên xuất sắc đã được chọn lựa, và cuối cùng 3 dự án dẫn đầu đã được trao giải thưởng 500.000 USD mỗi dự án.</p>
<h3>2. Ứng dụng Llama 3 cho giáo dục tại Ấn Độ</h3>
<p>Wadhwani AI, một tổ chức có trụ sở tại Gujarat, Ấn Độ, dự định sử dụng Llama 3 để phát triển một hệ thống đánh giá trôi chảy đọc bằng AI. Mục tiêu của dự án là nâng cao kỹ năng đọc và hiểu tiếng Anh cho học sinh trong các trường công lập tại Gujarat. </p>
<p>Dự án này, được thực hiện cùng với Sở Giáo dục Gujarat, sẽ sử dụng Llama để tạo ra các đoạn văn bản và câu hỏi hiểu bài phù hợp với nhu cầu, khả năng và mức độ học tập của học sinh. Hệ thống sẽ ghi nhận các lỗi phát âm, sau đó Llama sẽ tạo ra các đoạn văn bản mới, liên quan đến văn hóa địa phương, sử dụng các từ được phát âm sai, giúp học sinh tập trung vào việc cải thiện những điểm yếu. Tiếng Anh đóng vai trò quan trọng trong sự di động xã hội và kinh tế ở Ấn Độ, và dự án của Wadhwani AI sẽ góp phần làm cho tiếng Anh trở nên dễ tiếp cận hơn với mọi người.</p>
<h3>3. Nâng cao dịch vụ tư vấn nông nghiệp cho nông dân</h3>
<p>Digital Green's Farmer Chat là một chatbot AI đa ngôn ngữ cung cấp các dịch vụ tư vấn nông nghiệp theo yêu cầu cho nông dân ở các khu vực nghèo khó tại Ấn Độ, Kenya và Nigeria. Dự án của Digital Green sẽ huấn luyện Llama 2 trên một kho dữ liệu nông nghiệp khổng lồ, điều chỉnh mô hình cho phù hợp với nhu cầu và bối cảnh cụ thể của từng vùng, từ đó nâng cao độ chính xác và tính phù hợp của Farmer Chat. </p>
<p>Khả năng trò chuyện của Llama sẽ được sử dụng để tương tác với nông dân, hiểu rõ câu hỏi của họ và cung cấp các phản hồi toàn diện và thực tế bằng nhiều ngôn ngữ địa phương, bao gồm tiếng Hindi, Swahili và Kikuyu. Dự án, được thực hiện cùng với One Acre Fund, nhằm mục tiêu giúp cải thiện khả năng chống chịu biến đổi khí hậu và giảm nghèo cho nông dân nhỏ lẻ bằng cách giảm chi phí dịch vụ tư vấn nông nghiệp.</p>
<h3>4. Nối kết bệnh nhân ung thư với các thử nghiệm lâm sàng</h3>
<p>Viện Ung thư Dana-Farber (DFCI) có trụ sở tại Hoa Kỳ, dự định xây dựng một nền tảng AI mã nguồn mở mới để kết nối bệnh nhân ung thư với các thử nghiệm lâm sàng. Dự án của Dana-Farber sẽ sử dụng Llama 3 để tóm tắt và hiểu các ghi chú lâm sàng và tiêu chí đủ điều kiện tham gia thử nghiệm lâm sàng không có cấu trúc, từ đó xác định nhanh chóng các lựa chọn thử nghiệm phù hợp cho từng bệnh nhân. Các mô hình AI mới sẽ được tích hợp vào nền tảng MatchMiner mã nguồn mở hiện có của Dana-Farber và được đánh giá với sự hợp tác của các đối tác lâm sàng. </p>
<p>Các thử nghiệm lâm sàng rất cần thiết cho việc phát triển các phương pháp điều trị ung thư mới, và việc kết nối hiệu quả có thể giúp tạo điều kiện cho nhiều thử nghiệm lâm sàng hơn.</p>
<h3>5. Người chiến thắng và giải thưởng khác</h3>
<p>Jacaranda Health, người về nhì trong cuộc thi Llama Impact Grants, đã được trao giải thưởng 300.000 USD cho kế hoạch mở rộng khả năng của dịch vụ y tế kỹ thuật số AI PROMPTS của họ bằng cách sử dụng Llama.</p>
<p>Meta cũng trao giải thưởng cho 11 người chiến thắng giải Llama Impact Innovations Awards, một phần mở rộng của chương trình Llama Impact Grants. Chương trình này nhằm mục tiêu xác định và hỗ trợ các tổ chức có trụ sở tại châu Phi, Trung Đông, Thổ Nhĩ Kỳ, châu Á Thái Bình Dương và Mỹ Latinh, những tổ chức đang sử dụng Llama 2 và 3 để giải quyết các vấn đề trong khu vực của họ. Ngoài khoản tài trợ tài chính, những người chiến thắng và về nhì sẽ được tiếp cận với nhiều nguồn lực để giúp họ thực hiện dự án của mình, bao gồm cố vấn, cơ hội hợp tác và tín dụng quảng cáo.</p>
<h3>6. Kết luận</h3>
<p>Meta rất vui mừng được chứng kiến cách Llama có thể góp phần vào sự tiến bộ xã hội trên toàn thế giới. Meta khuyến khích các tổ chức đủ điều kiện nộp đơn xin tài trợ Llama Impact Grants năm 2024. </p>

AI hỗ trợ giải quyết vấn đề toàn cầu: Những người nhận giải thưởng Llama Grant đang làm gì?

Sử dụng AI để giải quyết các vấn đề toàn cầu: Những người nhận giải thưởng Llama Grant đang làm gì? Mục lục Giới thiệu Ứng dụng Llama 3 ...

tháng 11 07, 2024

Nâng cao độ chính xác và tính thời sự cho phản hồi của mô hình với Grounding with Google Search

<h2>Tăng cường độ chính xác và tính thời sự cho phản hồi của mô hình với Grounding with Google Search</h2>
<p><strong>Mục lục:</strong></p>
<ol>
<li><strong>Giới thiệu</strong></li>
<li><strong>Cấu hình Grounding with Google Search</strong><ul>
<li>2.1 Cấu hình bằng chuỗi</li>
<li>2.2 Cấu hình bằng từ điển</li>
</ul>
</li>
<li><strong>Lợi ích của Grounding with Google Search</strong></li>
<li><strong>Google Search Suggestions</strong></li>
<li><strong>Tìm nạp động (Dynamic retrieval)</strong><ul>
<li>5.1 Cách thức hoạt động của tìm nạp động</li>
</ul>
</li>
<li><strong>Phản hồi được Grounding</strong></li>
</ol>
<h3>1. Giới thiệu</h3>
<p>Grounding with Google Search là một tính năng mới trong Gemini API và AI Studio, cho phép tăng cường độ chính xác và tính thời sự của phản hồi từ mô hình. Ngoài việc cung cấp phản hồi chính xác hơn, khi Grounding with Google Search được bật, Gemini API sẽ trả về các nguồn grounding (liên kết hỗ trợ trực tuyến) và các Google Search Suggestions cùng với nội dung phản hồi. Search Suggestions dẫn người dùng đến các kết quả tìm kiếm tương ứng với phản hồi được Grounding.</p>
<h3>2. Cấu hình Grounding with Google Search</h3>
<p>Có hai cách để cấu hình mô hình sử dụng Grounding with Google Search: <strong>bằng chuỗi</strong> và <strong>bằng từ điển</strong>.</p>
<h4>2.1 Cấu hình bằng chuỗi</h4>
<pre><code class="language-python">model = genai.GenerativeModel('models/gemini-1.5-pro-002')
response = model.generate_content(contents="Who won Wimbledon this year?",
                                  tools='google_search_retrieval')
print(response)
</code></pre>
<h4>2.2 Cấu hình bằng từ điển</h4>
<pre><code class="language-python">model = genai.GenerativeModel('models/gemini-1.5-pro-002')
response = model.generate_content(
    contents="Who won Wimbledon this year?",
    tools={"google_search_retrieval": {
        "dynamic_retrieval_config": {
            "mode": "unspecified",
            "dynamic_threshold": 0.06}}})
print(response)
</code></pre>
<p>Trong cấu hình bằng từ điển, bạn không cần phải cung cấp các cặp key-value cho "mode" hoặc "dynamic_threshold". Bạn có thể bỏ qua chúng và để mô hình sử dụng các giá trị mặc định, như ví dụ sau:</p>
<pre><code class="language-python">model = genai.GenerativeModel('models/gemini-1.5-pro-002')
response = model.generate_content(contents="Who won Wimbledon this year?",
                                  tools={"google_search_retrieval": {}})
print(response)
</code></pre>
<p>Các cài đặt "mode" và "dynamic_threshold" cho phép bạn kiểm soát hành vi của tìm nạp động, cung cấp thêm quyền kiểm soát khi nào sử dụng Grounding with Google Search.</p>
<h3>3. Lợi ích của Grounding with Google Search</h3>
<p>Trong AI tạo sinh, Grounding là quá trình kết nối mô hình với các nguồn thông tin có thể kiểm chứng được. Các nguồn này có thể cung cấp thông tin từ nơi làm việc thực tế hoặc các ngữ cảnh cụ thể khác. Grounding giúp cải thiện độ chính xác, độ tin cậy và tính hữu ích của đầu ra AI.</p>
<p>Grounding đặc biệt quan trọng đối với các lời nhắc yêu cầu thông tin cập nhật từ web. Sử dụng Grounding, mô hình có thể truy cập thông tin vượt ra ngoài ngày cắt dữ liệu của nó, lấy nguồn cho thông tin và trả lời các câu hỏi mà nó không thể trả lời chính xác bằng cách khác.</p>
<p>Sử dụng Google AI Studio hoặc Gemini API, bạn có thể Grounding đầu ra mô hình với Google Search. Grounding with Google Search mang lại các lợi ích sau:</p>
<ul>
<li>Cho phép phản hồi của mô hình được gắn với nội dung cụ thể.</li>
<li>Giảm hiện tượng ảo giác của mô hình, đó là những trường hợp khi mô hình tạo ra nội dung không phải là sự thật.</li>
<li>Gắn phản hồi của mô hình với các nguồn mà người dùng có thể nhấp chuột và mở.</li>
<li>Nâng cao độ tin cậy và khả năng áp dụng của nội dung được tạo ra.</li>
</ul>
<p>Khi bạn sử dụng Grounding with Google Search, bạn đang kết nối hiệu quả mô hình với các kết quả Tìm kiếm đáng tin cậy từ Internet. Do phản hồi của mô hình không được Grounding dựa trên các mẫu đã học, bạn có thể không nhận được phản hồi chính xác cho các lời nhắc về các sự kiện hiện tại (ví dụ: yêu cầu dự báo thời tiết hoặc điểm số cuối cùng của một trận bóng đá gần đây). Do Internet cung cấp quyền truy cập vào thông tin mới, một lời nhắc được Grounding có thể tạo ra phản hồi cập nhật hơn, với các nguồn được trích dẫn.</p>
<p>Dưới đây là một ví dụ so sánh phản hồi không được Grounding và phản hồi được Grounding được tạo ra bằng API. (Các phản hồi được tạo ra vào tháng 10 năm 2024.)</p>
<table>
<thead>
<tr>
<th>Ungrounded Gemini</th>
<th>Grounding with Google Search</th>
</tr>
</thead>
<tbody><tr>
<td><strong>Lời nhắc:</strong> Ai đã thắng Super Bowl năm nay? <br /> <strong>Phản hồi:</strong> Kansas City Chiefs đã thắng Super Bowl LVII năm nay (2023).</td>
<td><strong>Lời nhắc:</strong> Ai đã thắng Super Bowl năm nay? <br /> <strong>Phản hồi:</strong> Kansas City Chiefs đã thắng Super Bowl LVIII năm nay, đánh bại San Francisco 49ers trong hiệp phụ với tỷ số 25-22.</td>
</tr>
</tbody></table>
<p>Trong phản hồi không được Grounding, mô hình đề cập đến chiến thắng Super Bowl 2023 của Kansas City Chiefs. Trong phản hồi được Grounding, mô hình chính xác tham chiếu chiến thắng gần đây hơn của họ vào năm 2024.</p>
<p>Hình ảnh sau đây cho thấy phản hồi được Grounding trông như thế nào trong AI Studio.</p>
<div class="separator" style="clear: both; text-align: center;"><a href="https://ai.google.dev/static/gemini-api/docs/images/grounded-prompt.png" style="margin-left: 1em; margin-right: 1em;"><img border="0" data-original-height="1066" data-original-width="1470" height="1066" src="https://ai.google.dev/static/gemini-api/docs/images/grounded-prompt.png" width="1470" /></a></div>
<h3>4. Google Search Suggestions</h3>
<p>Để sử dụng Grounding with Google Search, bạn phải hiển thị Google Search Suggestions, đó là các truy vấn được đề xuất được bao gồm trong siêu dữ liệu của phản hồi được Grounding. Để tìm hiểu thêm về các yêu cầu hiển thị, hãy xem <a href="%5Bhttps://ai.google.dev/gemini-api/docs/grounding/search-suggestions%5D">Use Google Search Suggestions</a>.</p>
<h3>5. Tìm nạp động (Dynamic retrieval)</h3>
<p>Một số truy vấn có thể hưởng lợi nhiều hơn từ Grounding with Google Search so với những truy vấn khác. Tính năng tìm nạp động cung cấp thêm quyền kiểm soát khi nào sử dụng Grounding with Google Search.</p>
<p>Nếu chế độ tìm nạp động không được chỉ định, Grounding with Google Search luôn được kích hoạt. Nếu chế độ được đặt thành động, mô hình sẽ quyết định khi nào sử dụng Grounding dựa trên ngưỡng mà bạn có thể cấu hình. Ngưỡng là một giá trị dấu phẩy động trong phạm vi [0,1] và mặc định là 0,3. Nếu giá trị ngưỡng là 0, phản hồi luôn được Grounding với Google Search; nếu nó là 1, nó sẽ không bao giờ được Grounding.</p>
<h4>5.1 Cách thức hoạt động của tìm nạp động</h4>
<p>Bạn có thể sử dụng tìm nạp động trong yêu cầu của mình để chọn khi nào bật Grounding with Google Search. Điều này hữu ích khi lời nhắc không yêu cầu một câu trả lời được Grounding trong Google Search và mô hình có thể cung cấp câu trả lời dựa trên kiến thức riêng của nó mà không cần Grounding. Điều này giúp bạn quản lý độ trễ, chất lượng và chi phí hiệu quả hơn.</p>
<p>Trước khi bạn gọi cấu hình tìm nạp động trong yêu cầu của mình, hãy hiểu các thuật ngữ sau:</p>
<ul>
<li><strong>Điểm dự đoán:</strong> Khi bạn yêu cầu một câu trả lời được Grounding, Gemini sẽ gán một điểm dự đoán cho lời nhắc. Điểm dự đoán là một giá trị dấu phẩy động trong phạm vi [0,1]. Giá trị của nó phụ thuộc vào việc lời nhắc có thể hưởng lợi từ việc Grounding câu trả lời với thông tin cập nhật nhất từ Google Search hay không. Do đó, nếu một lời nhắc yêu cầu một câu trả lời được Grounding trong những sự thật gần đây nhất trên web, nó sẽ có điểm dự đoán cao hơn. Một lời nhắc mà mô hình tạo ra câu trả lời là đủ sẽ có điểm dự đoán thấp hơn.</li>
</ul>
<p>Dưới đây là các ví dụ về một số lời nhắc và điểm dự đoán của chúng.</p>
<p>[Bảng ví dụ về điểm dự đoán của lời nhắc]</p>
<ul>
<li><p><strong>Ngưỡng:</strong> Trong yêu cầu API của bạn, bạn có thể chỉ định cấu hình tìm nạp động với một ngưỡng. Ngưỡng là một giá trị dấu phẩy động trong phạm vi [0,1] và mặc định là 0,7. Nếu giá trị ngưỡng là zero, phản hồi luôn được Grounding với Google Search. Đối với tất cả các giá trị ngưỡng khác, điều sau đây áp dụng:</p>
<ul>
<li>Nếu điểm dự đoán lớn hơn hoặc bằng ngưỡng, câu trả lời được Grounding với Google Search. Ngưỡng thấp hơn ngụ ý rằng nhiều lời nhắc hơn có phản hồi được tạo ra bằng cách sử dụng Grounding with Google Search.</li>
<li>Nếu điểm dự đoán nhỏ hơn ngưỡng, mô hình có thể vẫn tạo ra câu trả lời, nhưng nó không được Grounding với Google Search.</li>
</ul>
</li>
</ul>
<p>Để tìm hiểu cách đặt ngưỡng tìm nạp động bằng cách sử dụng SDK hoặc API REST, hãy xem <a href="%5Bhttps://ai.google.dev/gemini-api/docs/grounding#configure-grounding%5D">ví dụ mã</a> phù hợp.</p>
<p>Nếu bạn đang sử dụng AI Studio, bạn có thể đặt ngưỡng tìm nạp động bằng cách nhấp vào <strong>Edit grounding</strong>.</p>
<p>[Hình ảnh Select grounding threshold in AI Studio]</p>
<p>Để tìm ra một ngưỡng phù hợp với nhu cầu kinh doanh của bạn, bạn có thể tạo ra một tập hợp các truy vấn đại diện mà bạn mong đợi sẽ gặp phải. Sau đó, bạn có thể sắp xếp các truy vấn theo điểm dự đoán trong phản hồi và chọn một ngưỡng phù hợp với trường hợp sử dụng của bạn.</p>
<h3>6. Phản hồi được Grounding</h3>
<p>Nếu lời nhắc của bạn Grounding thành công với Google Search, phản hồi sẽ bao gồm <code>groundingMetadata</code>. Một phản hồi được Grounding có thể trông giống như thế này (một phần của phản hồi đã bị bỏ qua để ngắn gọn):</p>
<pre><code class="language-json">{
  "candidates": [
    {
      "content": {
        "parts": [
          {
            "text": "Carlos Alcaraz won the Gentlemen's Singles title at the 2024 Wimbledon Championships. He defeated Novak Djokovic in the final, winning his second consecutive Wimbledon title and fourth Grand Slam title overall. \n"
          }
        ],
        "role": "model"
      },
      "groundingMetadata": {
        "searchEntryPoint": {
          "renderedContent": "<style>\n.container {\n  align-items: center;\n  border-radius: 8px;\n  display: flex;\n  font-family: Google Sans, Roboto, sans-serif;\n  font-size: 14px;\n  line-height: 20px;\n  padding: 8px 12px;\n}\n.chip {\n  display: inline-block;\n  border: solid 1px;\n  border-radius: 16px;\n  min-width: 14px;\n  padding: 5px 16px;\n  text-align: center;\n  user-select: none;\n  margin: 0 8px;\n  -webkit-tap-highlight-color: transparent;\n}\n.carousel {\n  overflow: auto;\n  scrollbar-width: none;\n  white-space: nowrap;\n  margin-right: -12px;\n}\n.headline {\n  display: flex;\n  margin-right: 4px;\n}\n.gradient-container {\n  position: relative;\n}\n.gradient {\n  position: absolute;\n  transform: translate(3px, -9px);\n  height: 36px;\n  width: 9px;\n}\n@media (prefers-color-scheme: light) {\n  .container {\n    background-color: #fafafa;\n    box-shadow: 0 0 0 1px #0000000f;\n  }\n  .headline-label {\n    color: #1f1f1f;\n  }\n  .chip {\n    background-color: #ffffff;\n    border-color: #d2d2d2;\n    color: #5e5e5e;\n    text-decoration: none;\n  }\n  .chip:hover {\n    background-color: #f2f2f2;\n  }\n  .chip:focus {\n    background-color: #f2f2f2;\n  }\n  .chip:active {\n    background-color: #d8d8d8;\n    border-color: #b6b6b6;\n  }\n  .logo-dark {\n    display: none;\n  }\n  .gradient {\n    background: linear-gradient(90deg, #fafafa 15%, #fafafa00 100%);\n  }\n}\n@media (prefers-color-scheme: dark) {\n  .container {\n    background-color: #1f1f1f;\n    box-shadow: 0 0 0 1px #ffffff26;\n  }\n  .headline-label {\n    color: #fff;\n  }\n  .chip {\n    background-color: #2c2c2c;\n    border-color: #3c4043;\n    color: #fff;\n    text-decoration: none;\n  }\n  .chip:hover {\n    background-color: #353536;\n  }\n  .chip:focus {\n    background-color: #353536;\n  }\n  .chip:active {\n    background-color: #464849;\n    border-color: #53575b;\n  }\n  .logo-light {\n    display: none;\n  }\n  .gradient {\n    background: linear-gradient(90deg, #1f1f1f 15%, #1f1f1f00 100%);\n  }\n}\n</style>\n<div class=\"container\">\n  <div class=\"headline\">\n    <svg class=\"logo-light\" width=\"18\" height=\"18\" viewBox=\"9 9 35 35\" fill=\"none\" xmlns=\"http://www.w3.org/2000/svg\">\n      <path fill-rule=\"evenodd\" clip-rule=\"evenodd\" d=\"M42.8622 27.0064C42.8622 25.7839 42.7525 24.6084 42.5487 23.4799H26.3109V30.1568H35.5897C35.1821 32.3041 33.9596 34.1222 32.1258 35.3448V39.6864H37.7213C40.9814 36.677 42.8622 32.2571 42.8622 27.0064V27.0064Z\" fill=\"#4285F4\"/><path fill-rule=\"evenodd\" clip-rule=\"evenodd\" d=\"M26.3109 43.8555C30.9659 43.8555 34.8687 42.3195 37.7213 39.6863L32.1258 35.3447C30.5898 36.3792 28.6306 37.0061 26.3109 37.0061C21.8282 37.0061 18.0195 33.9811 16.6559 29.906H10.9194V34.3573C13.7563 39.9841 19.5712 43.8555 26.3109 43.8555V43.8555Z\" fill=\"#34A853\"/><path fill-rule=\"evenodd\" clip-rule=\"evenodd\" d=\"M16.6559 29.8904C16.3111 28.8559 16.1074 27.7588 16.1074 26.6146C16.1074 25.4704 16.3111 24.3733 16.6559 23.3388V18.8875H10.9194C9.74388 21.2072 9.06992 23.8247 9.06992 26.6146C9.06992 29.4045 9.74388 32.022 10.9194 34.3417L15.3864 30.8621L16.6559 29.8904V29.8904Z\" fill=\"#FBBC05\"/><path fill-rule=\"evenodd\" clip-rule=\"evenodd\" d=\"M26.3109 16.2386C28.85 16.2386 31.107 17.1164 32.9095 18.8091L37.8466 13.8719C34.853 11.082 30.9659 9.3736 26.3109 9.3736C19.5712 9.3736 13.7563 13.245 10.9194 18.8875L16.6559 23.3388C18.0195 19.2636 21.8282 16.2386 26.3109 16.2386V16.2386Z\" fill=\"#EA4335\"
      </svg>
      <svg class=\"logo-dark\" width=\"18\" height=\"18\" viewBox=\"0 0 48 48\" xmlns=\"http://www.w3.org/2000/svg\">
      <circle cx=\"24\" cy=\"23\" fill=\"#FFF\" r=\"22\"/><path d=\"M33.76 34.26c2.75-2.56 4.49-6.37 4.49-11.26 0-.89-.08-1.84-.29-3H24.01v5.99h8.03c-.4 2.02-1.5 3.56-3.07 4.56v.75l3.91 2.97h.88z\" fill=\"#4285F4\"/><path d=\"M15.58 25.77A8.845 8.845 0 0 0 24 31.86c1.92 0 3.62-.46 4.97-1.31l4.79 3.71C31.14 36.7 27.65 38 24 38c-5.93 0-11.01-3.4-13.45-8.36l.17-1.01 4.06-2.85h.8z\" fill=\"#34A853\"/><path d=\"M15.59 20.21a8.864 8.864 0 0 0 0 5.58l-5.03 3.86c-.98-2-1.53-4.25-1.53-6.64 0-2.39.55-4.64 1.53-6.64l1-.22 3.81 2.98.22 1.08z\" fill=\"#FBBC05\"/><path d=\"M24 14.14c2.11 0 4.02.75 5.52 1.98l4.36-4.36C31.22 9.43 27.81 8 24 8c-5.93 0-11.01 3.4-13.45 8.36l5.03 3.85A8.86 8.86 0 0 1 24 14.14z\" fill=\"#EA4335\"
      </svg>
      <div class=\"gradient-container\"><div class=\"gradient\"></div></div>
    </div>
    <div class=\"carousel\">
      <a class=\"chip\" href=\"https://vertexaisearch.cloud.google.com/grounding-api-redirect/AWhgh4x8Epe-gzpwRBvp7o3RZh2m1ygq1EHktn0OWCtvTXjad4bb1zSuqfJd6OEuZZ9_SXZ_P2SvCpJM7NaFfQfiZs6064MeqXego0vSbV9LlAZoxTdbxWK1hFeqTG6kA13YJf7Fbu1SqBYM0cFM4zo0G_sD9NKYWcOCQMvDLDEJFhjrC9DM_QobBIAMq-gWN95G5tvt6_z6EuPN8QY=\">who won wimbledon 2024</a>
    </div>
  </div>
        "groundingChunks": [
          {
            "web": {
              "uri": "https://vertexaisearch.cloud.google.com/grounding-api-redirect/AWhgh4whET1ta3sDETZvcicd8FeNe4z0VuduVsxrT677KQRp2rYghXI0VpfYbIMVI3THcTuMwggRCbFXS_wVvW0UmGzMe9h2fyrkvsnQPJyikJasNIbjJLPX0StM4Bd694-ZVle56MmRA4YiUvwSqad1w6O2opmWnw==",
              "title": "wikipedia.org"
            }
          },
          {
            "web": {
              "uri": "https://vertexaisearch.cloud.google.com/grounding-api-redirect/AWhgh4wR1M-9-yMPUr_KdHlnoAmQ8ZX90DtQ_vDYTjtP2oR5RH4tRP04uqKPLmesvo64BBkPeYLC2EpVDxv9ngO3S1fs2xh-e78fY4m0GAtgNlahUkm_tBm_sih5kFPc7ill9u2uwesNGUkwrQlmP2mfWNU5lMMr23HGktr6t0sV0QYlzQq7odVoBxYWlQ_sqWFH",
              "title": "wikipedia.org"
            }
          },
          {
            "web": {
              "uri": "https://vertexaisearch.cloud.google.com/grounding-api-redirect/AWhgh4wsDmROzbP-tmt8GdwCW_pqISTZ4IRbBuoaMyaHfcQg8WW-yKRQQvMDTPAuLxJh-8_U8_iw_6JKFbQ8M9oVYtaFdWFK4gOtL4RrC9Jyqc5BNpuxp6uLEKgL5-9TggtNvO97PyCfziDFXPsxylwI1HcfQdrz3Jy7ZdOL4XM-S5rC0lF2S3VWW0IEAEtS7WX861meBYVjIuuF_mIr3spYPqWLhbAY2Spj-4_ba8DjRvmevIFUhRuESTKvBfmpxNSM",
              "title": "cbssports.com"
            }
          },
          {
            "web": {
              "uri": "https://vertexaisearch.cloud.google.com/grounding-api-redirect/AWhgh4yzjLkorHiUKjhOPkWaZ9b4cO-cLG-02vlEl6xTBjMUjyhK04qSIclAa7heR41JQ6AAVXmNdS3WDrLOV4Wli-iezyzW8QPQ4vgnmO_egdsuxhcGk3-Fp8-yfqNLvgXFwY5mPo6QRhvplOFv0_x9mAcka18QuAXtj0SPvJfZhUEgYLCtCrucDS5XFc5HmRBcG1tqFdKSE1ihnp8KLdaWMhrUQI21hHS9",
              "title": "jagranjosh.com"
            }
          },
          {
            "web": {
              "uri": "https://vertexaisearch.cloud.google.com/grounding-api-redirect/AWhgh4y9L4oeNGWCatFz63b9PpP3ys-Wi_zwnkUT5ji9lY7gPUJQcsmmE87q88GSdZqzcx5nZG9usot5FYk2yK-FAGvCRE6JsUQJB_W11_kJU2HVV1BTPiZ4SAgm8XDFIxpCZXnXmEx5HUfRqQm_zav7CvS2qjA2x3__qLME6Jy7R5oza1C5_aqjQu422le9CaigThS5bvJoMo-ZGcXdBUCj2CqoXNVjMA==",
              "title": "apnews.com"
            }
          }
        ],
        "groundingSupports": [
          {
            "segment": {
              "endIndex": 85,
              "text": "Carlos Alcaraz won the Gentlemen's Singles title at the 2024 Wimbledon Championships."
            },
            "groundingChunkIndices": [
              0,
              1,
              2,
              3
            ],
            "confidenceScores": [
              0.97380733,
              0.97380733,
              0.97380733,
              0.97380733
            ]
          },
          {
            "segment": {
              "startIndex": 86,
              "endIndex": 210,
              "text": "He defeated Novak Djokovic in the final, winning his second consecutive Wimbledon title and fourth Grand Slam title overall."
            },
            "groundingChunkIndices": [
              1,
              0,
              4
            ],
            "confidenceScores": [
              0.96145374,
              0.96145374,
              0.96145374
            ]
          }
        ],
        "webSearchQueries": [
          "who won wimbledon 2024"
        ]
      }
    }
  ],
  ...
}
</code></pre>
<p>Nếu phản hồi không bao gồm <code>groundingMetadata</code>, điều này có nghĩa là phản hồi đã không được Grounding thành công. Có một số lý do tại sao điều này có thể xảy ra, bao gồm độ phù hợp nguồn thấp hoặc thông tin không đầy đủ trong phản hồi của mô hình.</p>
<p>Khi một kết quả được Grounding được tạo ra, siêu dữ liệu sẽ chứa các URI chuyển hướng đến các nhà xuất bản của nội dung đã được sử dụng để tạo ra kết quả được Grounding. Các URI này chứa miền phụ <code>vertexaisearch</code>, như trong ví dụ được rút gọn này: <code>https://vertexaisearch.cloud.google.com/grounding-api-redirect/...</code>. Siêu dữ liệu cũng chứa các miền của nhà xuất bản. Các URI được cung cấp vẫn có thể truy cập được trong vòng 30 ngày sau khi kết quả được Grounding được tạo ra.</p>
<p>[Lưu ý về việc truy cập các URI được cung cấp]</p>
<p>Trường <code>renderedContent</code> trong <code>searchEntryPoint</code> là mã được cung cấp để triển khai Google Search Suggestions. Xem <a href="%5Bhttps://ai.google.dev/gemini-api/docs/grounding/search-suggestions%5D">Use Google Search Suggestions</a> để tìm hiểu thêm.</p>

Nâng cao độ chính xác và tính thời sự cho phản hồi của mô hình với Grounding with Google Search

Tăng cường độ chính xác và tính thời sự cho phản hồi của mô hình với Grounding with Google Search Mục lục: Giới thiệu Cấu hình Grounding...

tháng 11 06, 2024

Google AI Teammate: Mọi thứ bạn cần biết

<h2>Google AI Teammate: Mọi thứ bạn cần biết</h2>
<p><strong>Mục lục</strong></p>
<ol>
<li><a href="#google-ai-teammate-l%C3%A0-g%C3%AC">Google AI Teammate là gì?</a></li>
<li><a href="#ai-teammate-s%E1%BA%BD-ho%E1%BA%A1t-%C4%91%E1%BB%99ng-nh%C6%B0-th%E1%BA%BF-n%C3%A0o">AI Teammate sẽ hoạt động như thế nào?</a><ul>
<li><a href="#v%C3%A0-%C4%91i%E1%BB%81u-g%C3%AC-khi%E1%BA%BFn-ai-teammate-kh%C3%A1c-bi%E1%BB%87t-v%E1%BB%9Bi-gemini">Và điều gì khiến AI Teammate khác biệt với Gemini?</a></li>
<li><a href="#ai-agents-l%C3%A0-g%C3%AC">AI Agents là gì?</a></li>
</ul>
</li>
<li><a href="#khi-n%C3%A0o-google-ai-teammate-ra-m%E1%BA%AFt">Khi nào Google AI Teammate ra mắt?</a><ul>
<li><a href="#ng%C3%A0y-ph%C3%A1t-h%C3%A0nh-ch%C3%ADnh-th%E1%BB%A9c-ch%C6%B0a-%C4%91%C6%B0%E1%BB%A3c-c%C3%B4ng-b%E1%BB%91">Ngày phát hành chính thức chưa được công bố</a></li>
<li><a href="#li%E1%BB%87u-google-ai-teammate-c%C3%B3-thay-th%E1%BA%BF-con-ng%C6%B0%E1%BB%9Di">Liệu Google AI Teammate có thay thế con người?</a></li>
</ul>
</li>
<li><a href="#ai-l%C3%A0-t%C6%B0%C6%A1ng-lai-nh%C6%B0ng-con-ng%C6%B0%E1%BB%9Di-v%E1%BA%ABn-c%E1%BA%A7n-thi%E1%BA%BFt-%C4%91%E1%BB%83-v%E1%BA%ADn-h%C3%A0nh-n%C3%B3">AI là tương lai, nhưng con người vẫn cần thiết để vận hành nó</a></li>
</ol>
<h3>Google AI Teammate là gì?</h3>
<p>Google AI Teammate là một tích hợp Workspace sắp ra mắt, hỗ trợ các nhóm làm việc  bằng cách cập nhật thông tin, quản lý nhiệm vụ. AI Teammate được công bố tại Google I/O 2024, hội nghị nhà phát triển thường niên của Google. </p>
<p>Nó không phải là sự thay thế cho Gemini. AI Teammate là một chatbot bổ sung, giám sát các dự án, phân tích dữ liệu và xác định xu hướng trong toàn bộ không gian làm việc. </p>
<h3>AI Teammate sẽ hoạt động như thế nào?</h3>
<p>AI Teammate được trình bày như một đồng nghiệp ảo, sở hữu tài khoản riêng và truy cập vào các tệp, dự án và cuộc hội thoại của công ty. Nó cũng nhấn mạnh khả năng tùy chỉnh, vượt xa việc đặt cho nó một cái tên dễ thương. Không giống như Gemini, AI Teammate có thể được doanh nghiệp cấu hình để thực hiện các nhiệm vụ cụ thể trong tổ chức.  </p>
<p>Ví dụ trong bài thuyết trình của Google, AI Teammate được giao nhiệm vụ:</p>
<ul>
<li>Giám sát và theo dõi các dự án</li>
<li>Tổ chức thông tin và cung cấp bối cảnh </li>
<li>Phân tích dữ liệu và xác định xu hướng</li>
<li>Hỗ trợ cộng tác nhóm</li>
</ul>
<p>Các nhiệm vụ này nghe rất giống những gì một người giám sát hoặc quản lý làm, và việc sử dụng AI cho vai trò này có thể gây tranh cãi và đáng sợ. Tuy nhiên, các ứng dụng thực tế mà Google giới thiệu tập trung vào việc hỗ trợ quy trình làm việc, thay vì thay thế sếp của ai đó.  Hãy nghĩ đến việc tóm tắt cuộc hội thoại hoặc xử lý các nhiệm vụ nhàm chán mà AI có thể hoàn thành trong vài phút, nhưng con người cần hàng giờ để hoàn thành.</p>
<h3>Và điều gì khiến AI Teammate khác biệt với Gemini?</h3>
<p>Mặc dù được hỗ trợ bởi Gemini, AI Teammate không phải là một chatbot thay thế. Phiên bản demo tại Google I/O cho thấy AI Teammate là một đồng nghiệp ảo với tài khoản riêng, có quyền truy cập vào các tệp, dự án và cuộc trò chuyện của công ty. </p>
<p>Nó cũng nhấn mạnh khả năng tùy chỉnh, vượt xa việc đặt cho nó một cái tên dễ thương.  Không giống như Gemini, các doanh nghiệp có thể nói cho AI Teammate biết những gì cần làm trong tổ chức. </p>
<h3>AI Agents là gì?</h3>
<p>Google mô tả AI Teammate là một "trải nghiệm agentive". Trước đó, trong bài thuyết trình tại Google I/O, Giám đốc điều hành Google Sundar Pichai đã mô tả AI Agents là "những hệ thống thông minh thể hiện khả năng lập luận, lên kế hoạch và ghi nhớ. Có khả năng "suy nghĩ" nhiều bước trước, hoạt động trên các phần mềm và hệ thống, tất cả để hoàn thành một nhiệm vụ thay mặt bạn. Và quan trọng nhất, dưới sự giám sát của bạn".</p>
<p>Như Pichai đã nói, AI Agents vẫn còn ở giai đoạn đầu, nhưng có tiềm năng giải phóng chúng ta khỏi những công việc nhàm chán. Google đã trình bày hai ví dụ tại Google I/O: tổ chức trả lại sản phẩm và loại bỏ sự phiền hà khi chuyển đến một thành phố khác. Trong một không gian làm việc ảo, rất nhiều loại công việc có thể được AI Agents hỗ trợ, ví dụ như tóm tắt dữ liệu và tạo báo cáo. </p>
<h3>Khi nào Google AI Teammate ra mắt?</h3>
<p>Hiện tại chưa có ngày phát hành chính thức cho AI Teammate, và không có dấu hiệu nào cho thấy nó sẽ sớm ra mắt. Gợi ý gần nhất chúng ta có là từ Aparna Pappu, Phó chủ tịch và Giám đốc điều hành của Google Workspace. Bà đã giới thiệu AI Teammate như một phần trong tầm nhìn của công ty cho năm 2025 và hơn thế nữa. "Chúng tôi còn rất nhiều việc phải làm để tìm ra cách đưa những trải nghiệm agentive như đồng nghiệp ảo vào Workspace," Pappu nói thêm.</p>
<h3>Liệu Google AI Teammate có thay thế con người?</h3>
<p>Đây không phải là câu hỏi dễ trả lời. Công nghệ đã có lịch sử thay thế lao động của con người. Đó là lý do tại sao con người không còn điều khiển thang máy và bưu điện nữa, hoặc gõ cửa để đánh thức mọi người dậy trước khi đồng hồ báo thức được phát minh. Nhìn lại, việc tự động hóa những công việc này đã cải thiện cuộc sống của chúng ta, mặc dù một số người phải tìm việc làm ở nơi khác. </p>
<p>Việc tích hợp AI vào các công việc kỹ thuật số đã bắt đầu với các công cụ mạnh mẽ như ChatGPT và Google Gemini. Việc phát triển các trợ lý như AI Teammate chỉ là vấn đề thời gian, và điều dễ hiểu là tốc độ phát triển nhanh chóng của AI có thể gây lo ngại.  AI không hoàn hảo, nhưng nó không cần phải hoàn hảo. Nếu AI tốt hơn con người, thì có khả năng nó sẽ thay thế con người. </p>
<h3>AI là tương lai, nhưng con người vẫn cần thiết để vận hành nó</h3>
<p>AI Teammate được định hình như một công cụ, và công cụ cần con người để vận hành. Quan trọng hơn, con người cần thiết để đưa ra quyết định và chịu trách nhiệm về kết quả, tốt hay xấu. Nếu điểm mạnh tối thượng của AI Teammate là làm những công việc nhàm chán, lặp đi lặp lại trong khi tôi chăm sóc những thứ thú vị, thì nó được chào đón trong văn phòng ảo của tôi.  Nếu nó kết thúc bằng việc thay thế bất kỳ ai, bao gồm cả bản thân tôi, thì có lẽ công việc của họ thực sự cần được tự động hóa. </p>

Google AI Teammate: Mọi thứ bạn cần biết

Google AI Teammate: Mọi thứ bạn cần biết Mục lục Google AI Teammate là gì? AI Teammate sẽ hoạt động như thế nào? Và điều gì khiến AI Te...

tháng 11 06, 2024

OpenAI Tuyển Cựu Giám Đốc Orion của Meta Dẫn Dắt Lĩnh Vực Robot

<h2>OpenAI Tuyển Cựu Giám Đốc Orion của Meta Dẫn Dắt Lĩnh Vực Robot</h2>
<p><strong>Mục lục</strong></p>
<ol>
<li>OpenAI Tuyển Cựu Giám Đốc Orion của Meta</li>
<li>Mục tiêu của OpenAI trong Lĩnh Vực Robot</li>
<li>Kalinowski: Kinh Nghiệm và Vai Trò Mới</li>
<li>Sự Phát Triển của OpenAI trong Lĩnh Vực Phần Cứng</li>
<li>Vị Trí của OpenAI trong Lĩnh Vực Trí Tuệ Nhân Tạo</li>
</ol>
<p><strong>1. OpenAI Tuyển Cựu Giám Đốc Orion của Meta</strong></p>
<p>OpenAI, công ty khởi nghiệp nổi tiếng với chatbot ChatGPT, đã tuyển cựu giám đốc dự án Orion của Meta, Caitlin "CK" Kalinowski, để dẫn dắt nỗ lực phát triển robot và phần cứng tiêu dùng của mình. Kalinowski đã công bố vai trò mới của mình vào thứ Hai (5/11) trên LinkedIn và X, viết rằng: “Trong vai trò mới, tôi sẽ tập trung vào công việc và hợp tác về robot của OpenAI, nhằm giúp đưa trí tuệ nhân tạo (AI) vào thế giới vật chất và khai thác lợi ích của nó cho nhân loại.”</p>
<p><strong>2. Mục tiêu của OpenAI trong Lĩnh Vực Robot</strong></p>
<p>Thông báo này được đưa ra cùng ngày OpenAI công bố khoản đầu tư vào Physical Intelligence, một công ty khởi nghiệp về robot có trụ sở tại San Francisco. Physical Intelligence đã huy động được 400 triệu USD với mức định giá sau đầu tư là 2,4 tỷ USD. Các nhà đầu tư khác bao gồm nhà sáng lập Amazon Jeff Bezos, Thrive Capital, Lux Capital và Bond Capital.</p>
<p>Physical Intelligence tập trung vào việc “đưa AI đa năng vào thế giới vật chất”, theo trang web của công ty. Họ đạt được mục tiêu này bằng cách phát triển các mô hình và thuật toán AI quy mô lớn để cung cấp năng lượng cho robot.</p>
<p><strong>3. Kalinowski: Kinh Nghiệm và Vai Trò Mới</strong></p>
<p>Kalinowski đã làm việc với Meta trong gần hai năm rưỡi với vai trò là giám đốc điều hành phần cứng, dẫn dắt việc tạo ra Orion (trước đây có biệt danh là Project Nazare), được Meta mô tả là “kính AR tiên tiến nhất từng được chế tạo”. Meta đã công bố nguyên mẫu kính Orion vào tháng 9.</p>
<p>Trước khi dẫn dắt dự án Orion, Kalinowski đã dành hơn chín năm làm việc với Meta-owned Oculus về thiết bị thực tế ảo, và trước đó là gần sáu năm tại Apple, giúp thiết kế các mẫu MacBook, bao gồm cả Pro và Air.</p>
<p><strong>4. Sự Phát Triển của OpenAI trong Lĩnh Vực Phần Cứng</strong></p>
<p>Việc OpenAI tuyển dụng Kalinowski cho thấy rõ ràng công ty đang cố gắng chuyển hướng sang lĩnh vực sản xuất và bán phần cứng. Cựu giám đốc điều hành của Apple, Jony Ive, người đã thiết kế một số sản phẩm mang tính biểu tượng nhất của Apple, từ iMac đến iPhone, cũng đã hợp tác với OpenAI để tạo ra một thiết bị AI.</p>
<p><strong>5. Vị Trí của OpenAI trong Lĩnh Vực Trí Tuệ Nhân Tạo</strong></p>
<p>OpenAI đã nổi tiếng với chatbot ChatGPT, nhưng việc họ tuyển dụng Kalinowski và đầu tư vào Physical Intelligence cho thấy họ đang nhắm đến việc mở rộng phạm vi hoạt động sang lĩnh vực robot. Điều này cho thấy sự thay đổi rõ ràng trong chiến lược của OpenAI, từ việc tập trung vào AI ngôn ngữ sang AI vật chất.</p>
<p><strong>Kết luận</strong></p>
<p>Việc OpenAI tuyển dụng Kalinowski và đầu tư vào Physical Intelligence là dấu hiệu cho thấy công ty đang tham gia sâu vào lĩnh vực robot. Kalinowski, với kinh nghiệm của mình trong thiết kế kính AR và thiết bị thực tế ảo, sẽ đóng vai trò quan trọng trong việc đưa AI của OpenAI vào thế giới vật chất. Điều này cũng cho thấy sự chuyển hướng rõ ràng trong chiến lược của OpenAI, và có thể mang đến một cuộc cách mạng trong ngành robot trong tương lai.</p>

OpenAI Tuyển Cựu Giám Đốc Orion của Meta Dẫn Dắt Lĩnh Vực Robot

OpenAI Tuyển Cựu Giám Đốc Orion của Meta Dẫn Dắt Lĩnh Vực Robot Mục lục OpenAI Tuyển Cựu Giám Đốc Orion của Meta Mục tiêu của OpenAI tro...

tháng 11 06, 2024

ChatGPT Search: Thử nghiệm thực tế

Llama: Mô hình AI mã nguồn mở cách mạng hóa cách chúng ta suy nghĩ về AI

AI hỗ trợ giải quyết vấn đề toàn cầu: Những người nhận giải thưởng Llama Grant đang làm gì?

Nâng cao độ chính xác và tính thời sự cho phản hồi của mô hình với Grounding with Google Search

Google AI Teammate: Mọi thứ bạn cần biết

OpenAI Tuyển Cựu Giám Đốc Orion của Meta Dẫn Dắt Lĩnh Vực Robot

Bài đăng phổ biến

Labels