Złóż pierwszą kompetentną prośbę do „widzącej” AI, korzystając z tego zdjęcia. Zwróć JSON {"prompt":"...""goal":"...""context":"..."}: prompt — o co dokładnie PYTASZ sztuczną inteligencję (same pytanie, na przykład „co oznacza ta ikona?”), goal — jaki REZULTAT chcesz uzyskać jako wynik (to coś innego niż pytanie: na przykład jasne wyjaśnienie i wniosek, czy można bezpiecznie jeździć), context - co jest ważne, aby znać AI, czego nie widać na zdjęciu (marka/model samochodu, kiedy się zapalił, itp.).
„AI widzi” to nie magia. Model dzieli obraz na tysiące małych sekcji i porównuje je z tym, co „zapamiętał” z milionów obrazów: kształtami, tekstem, obiektami, kolorami. W rezultacie opisuje obraz słowami wewnątrz siebie, a następnie działa jak zwykły tekst. Są z tego dwa wnioski. Po pierwsze: im wyraźniejszy obraz (ostrość, światło, cały obiekt w kadrze), tym trafniejsza odpowiedź - jak osoba przy słabym oświetleniu. Po drugie: sztuczna inteligencja może z pewnością popełnić błąd w najdrobniejszym szczególe, dlatego obraz nie powinien być po prostu „rzucony”, ale powinien towarzyszyć mu pytanie i cel. Profesjonalna sztuczka: nie pytaj niejasno „co to jest?” Podaj rolę i cel – „jesteś mechanikiem samochodowym, wyjaśnij nowicjuszowi, czy prowadzenie pojazdu jest niebezpieczne”. Ukryty trik: najpierw poproś sztuczną inteligencję, aby opisała CO widzi na zdjęciu, a dopiero potem wyciągnij wnioski – w ten sposób wyłapiesz błąd rozpoznania, zanim uwierzysz radom. Typowy błąd nowicjusza: załącz zdjęcie bez tekstu i poczekaj, aż umysł zostanie odczytany. AI widzi piksele, ale nie wie, DLACZEGO pokazałeś zdjęcie.