A multimodális és agentikus fordulat
A chatbot egyre kevésbé csak szövegdoboz.
A lényeg
A 2020-as évek közepére az AI-rendszerek sok esetben képet, hangot és videót is képesek feldolgozni, és külső eszközöket használó munkafolyamatokba kapcsolhatók. A multimodalitás az adatmodalitásokról, az „agentikus” működés pedig a feladatokhoz kötött eszközhasználatról és lépések szervezéséről szól. A kettő nem ugyanaz.
Multimodális rendszerek többféle bemenetet kezelhetnek, az agentikus megoldások pedig eszközökkel lépéseket hajthatnak végre. A két jelző nem egyenértékű, és a funkciók szintje termékenként eltér.
Egy alkalmazás képet olvashat és táblázatot készíthet; egy másik webes szolgáltatást hívhat egy feladat lépéseihez.
Az eszközhívás növelheti a kockázatot: a modell által javasolt műveleteket jogosultságoknak és ellenőrzésnek kell korlátoznia.
Próbáld ki!
Adj egy példát multimodális, de nem agentikus, illetve agentikus, de csak szöveges alkalmazásra.
Szánj erre 1–2 percet. A saját megoldás többet ér, mint a kész válasz olvasása. Nem kell AI-fiók a feladathoz.
Mondd el saját szavaiddal a lecke lényegét. Hogyan magyaráznád el valakinek, miért téves a fent bemutatott félreértés? Hozz még egy saját példát!
Saját jegyzeted (automatikus helyi mentés)
Ellenőrizd a tudásod
Helyes válasz: Többféle adattípus kezelését. A 2020-as évek közepére az AI-rendszerek sok esetben képet, hangot és videót is képesek feldolgozni, és külső eszközöket használó munkafolyamatokba kapcsolhatók. Az eszközhívás növelheti a kockázatot: a modell által javasolt műveleteket jogosultságoknak és ellenőrzésnek kell korlátoznia.
Források és továbbolvasás
A magyarázatok ismeretterjesztő összefoglalók. A hivatkozások modulonkénti szakmai háttéranyagok, nem mondatonkénti, elsődleges bizonyítékok. Kétség esetén ellenőrizd az eredeti dokumentumot.