この写真を使用して、「目が見える」AI に最初の有能なリクエストを送信します。 Return JSON {"prompt":"...","goal":"...","context":"..."}: prompt — AI に何を尋ねているのか (質問自体、たとえば「このアイコンの意味は何ですか?」)、goal — 出力としてどのような結果を得たいのか (これは質問とは異なります。たとえば、明確な説明や結論、安全に運転できるか）、context - AI を知るために重要なこと、写真に写っていないもの（車のメーカー/モデル、いつ火災が発生したかなど）。
「AIが見る」というのは魔法ではありません。モデルは画像を何千もの小さなセクションに分割し、それらを何百万もの画像から「記憶」したもの (形状、テキスト、オブジェクト、色) と比較します。その結果、画像をその中に単語で記述し、通常のテキストと同様に機能します。ここから得られる結論は 2 つあります。まず、画像が鮮明であればあるほど (鮮明さ、光、フレーム内のオブジェクト全体)、答えはより正確になります (照明が不十分な場所にいる人の場合など)。 2 番目: AI は細かい点で自信を持って間違いを犯す可能性があるため、絵は単に「投げられる」だけでなく、質問と目標を伴う必要があります。プロのコツ: 「これは何ですか?」と漠然と尋ねないでください。役割と目標を与えます。「あなたは自動車整備士です。運転が危険かどうかを初心者に説明してください。」隠されたトリック: まず AI に写真に写っているものを説明するよう依頼し、その後で結論を導き出します。こうすることで、アドバイスを信じる前に認識エラーに気づくことができます。典型的な初心者の間違い: テキストをまったく含まずに写真を添付し、心を読まれるのを待ちます。 AI はピクセルを認識しますが、なぜその写真を見せたのかはわかりません。