Lộ trình
Cơ bản về Trí tuệ Nhân tạo
10 giờ
Nguồn: Google
Nguồn: Google
Flow cũng có các công cụ điều khiển máy quay và chuyển cảnh, giúp clip có cảm giác điện ảnh hơn. Những tính năng này hữu ích nhưng không mới—Sora và Runway đã có các tính năng tương tự, nên tôi không cho rằng đây là đột phá.
Dù vậy, vẫn đáng theo dõi cách các công cụ này phát triển. Flow mang cảm giác của một phiên bản đầu của trình biên tập video ưu tiên AI, và không khó để hình dung tương lai khi quy trình như vậy trở thành tiêu chuẩn. Cũng như chúng ta coi Premiere Pro hay DaVinci Resolve là điều hiển nhiên ngày nay, một công cụ như Flow có thể trở thành chuẩn mực trong vài năm tới.
Flow hiện chỉ khả dụng ở Mỹ, và bạn có thể truy cập qua các gói AI Pro và AI Ultra của Google.
Imagen 4
Một thông báo quan trọng khác là Imagen 4, mô hình tạo ảnh mới nhất của Google. Bạn có thể dùng trực tiếp trong Gemini hoặc trong Whisk, công cụ thiết kế của Google.
Google cho biết đã cải thiện trên toàn diện—tính chân thực cao hơn, chi tiết cận cảnh sạch hơn, đa dạng phong cách nghệ thuật hơn. Tất cả đều ổn, nhưng điều thu hút tôi là lời hứa về khả năng chính tả và kiểu chữ nâng cao. Nếu bạn từng dùng các trình tạo ảnh gần đây, hẳn thấy hầu hết vẫn sai chữ hoặc làm biến dạng ký tự.
Hãy xem một bức ảnh do Imagen 4 tạo:
Nguồn: Google
Hiện tại, tôi cho rằng khả năng tạo ảnh của GPT-4o là mạnh nhất thị trường. Tuy nhiên, nó vẫn đôi khi gặp khó với văn bản và bám sát prompt. Nếu Imagen 4 thực sự xử lý chính tả chuẩn và giữ được ý định của prompt, tôi nghĩ nó có cơ hội vươn lên dẫn đầu mảng tạo ảnh.
Gemma 3n
Gemma 3n là mô hình on-device mới nhất và mạnh nhất của Google. Nếu bạn chưa quen với thuật ngữ này, mô hình on-device là mô hình chạy trực tiếp trên điện thoại, máy tính bảng hoặc laptop của bạn—không cần gửi dữ liệu lên đám mây. Điều này quan trọng vì: độ trễ thấp, quyền riêng tư tốt hơn và khả năng dùng ngoại tuyến.
Nhưng để làm được vậy, mô hình phải đủ nhỏ để vừa với bộ nhớ hạn chế, đồng thời đủ mạnh để xử lý tác vụ thực. Đó là thách thức mà Gemma 3n hướng tới.
Nó được xây dựng trên kiến trúc mới dùng chung với Gemini Nano—và thực tế, chữ “n” trong “3n” là viết tắt của “nano.” Kiến trúc này được tối ưu cho mức dùng bộ nhớ thấp, phản hồi nhanh, và hỗ trợ nhiều kiểu đầu vào như văn bản, âm thanh, hình ảnh.
Gemma 3n có hai biến thể, với kích thước tham số 5B và 8B. Cả hai được thiết kế để chạy hiệu quả, với yêu cầu bộ nhớ tiệm cận các mô hình 2B và 4B nhờ một số tối ưu bên trong.
Điều khiến tôi ấn tượng là nó gần như ngang ngửa trên Chatbot Arena với Claude 3.7 Sonnet, một mô hình lớn hơn nhiều.
Nguồn: Google
Bản phát hành này chủ yếu nhắm tới nhà phát triển, đặc biệt là những người xây dựng ứng dụng di động hoặc nhúng có thể hưởng lợi từ AI cục bộ. Trong khi đội ngũ DataCamp của chúng tôi đang thực hiện các hướng dẫn Gemma 3n mới, tôi khuyến nghị bắt đầu với các bài blog Gemma 3 này:
Gemini Diffusion
Công nghệ tôi tò mò nhất là Gemini Diffusion.
Gemini Diffusion là kiến trúc mô hình thử nghiệm mới được thiết kế để cải thiện tốc độ và tính mạch lạc trong sinh văn bản. Khác với các mô hình ngôn ngữ truyền thống tạo từng token theo chuỗi cố định, mô hình diffusion hoạt động bằng cách tinh lọc nhiễu qua nhiều bước—một phương pháp mượn từ tạo ảnh.
Thay vì dự đoán trực tiếp từ kế tiếp, Gemini Diffusion bắt đầu với một bản xấp xỉ thô và cải thiện lặp dần, nhờ đó tốt hơn ở các tác vụ hưởng lợi từ tinh chỉnh và sửa lỗi—như toán, mã nguồn, và biên tập.
Nguồn: Google
Nguồn: Google
