نموذج ذكاء اصطناعي يفهم أو ينتج أكثر من نوع من البيانات، مثل النص والصور والصوت معًا.
النموذج متعدد الوسائط لا يقتصر على النص. يمكنه مثلًا قراءة صورة فاتورة واستخراج بياناتها، أو وصف صورة منتج، أو فهم رسالة صوتية، أو قراءة لقطة شاشة لتصميم. بعض النماذج تفهم عدة وسائط، وبعضها ينتجها أيضًا مثل توليد الصور أو الكلام.
هذا يفتح أفكار تطبيقات عملية: عميل يصوّر قطعة غيار فيجد المنتج المطابق، أو مندوب يصوّر إيصالًا فيُسجَّل تلقائيًا، أو رسالة صوتية في واتساب تتحول إلى طلب. وفي بناء التطبيقات يمكنك إرفاق صورة تصميم ليقترب الناتج منها. نصيحة عملية: اختبر الصور الحقيقية من بيئة عملائك، لا صور مثالية فقط: إضاءة ضعيفة، خط يد عربي، صور مائلة. ولا تعتمد على الاستخراج الآلي في الحقول الحساسة كالمبالغ دون خطوة تأكيد من المستخدم.
مثالتطبيق مصروفات يتيح للموظف تصوير إيصال المطعم، فيستخرج النموذج اسم المطعم والمبلغ والتاريخ ويطلب من الموظف تأكيدها.
كل المصطلحات