Իլոն Մասկը Grok-ին «տեսողություն» է նվիրել. Նեյրոցանցն այժմ աշխարհը տեսնում է iPhone-ի տեսախցիկով

Իլոն Մասկի xAI ընկերությունը նոր քայլ է կատարել արհեստական բանականության զարգացման ուղղությամբ՝ Grok չաթ-բոտին համալրելով համակարգչային տեսողության գործառույթով: Grok Voice with Vision կոչվող թարմացումը թույլ է տալիս նեյրոցանցին վերլուծել պատկերներն ու տեսանյութերը iPhone-ի տեսախցիկի միջոցով՝ օգտատերերին առաջարկելով ԱԲ-ի հետ փոխգործակցության նոր եղանակներ: Այս մասին X սոցիալական ցանցում հայտնել է xAI-ի մշակող Էբբի Ամիրը: Պատմում ենք, թե ինչպես է աշխատում նորույթը, ինչ կարող է այն և ինչու է այն կարող է փոխել խաղի կանոնները ԱԲ-ի աշխարհում:

Ի՞նչ է Grok Voice with Vision-ը

Grok-ը xAI-ի կողմից 2023 թվականին գործարկված չաթ-բոտ է, որը հայտնի է իր սրամտությամբ, X հարթակի հետ ինտեգրացիայով և առանց գրաքննության հարցերին պատասխանելու կարողությամբ: 2025 թվականի ապրիլին ներկայացված նոր թարմացումը ավելացնում է համակարգչային տեսողության գործառույթ, որը թույլ է տալիս Grok-ին «տեսնել» աշխարհը iPhone-ի տեսախցիկի միջոցով: Այս գործառույթը, որը կոչվում է Grok Voice with Vision, ներկառուցված է ձայնային ռեժիմում: Այն հասանելի է iOS-ի համար նախատեսված Grok հավելվածում և գործում է նույնիսկ առանց բաժանորդագրության, թեև պրեմիում սակագները (X Premium+ կամ SuperGrok) բացում են լրացուցիչ հնարավորություններ, օրինակ՝ «անսանձ» շփման ռեժիմ:

Ինչպե՞ս է աշխատում

• Օգտատերը iPhone-ի տեսախցիկն ուղղում է առարկայի, տեսարանի կամ պատկերի վրա:
• Grok-ը իրական ժամանակում վերլուծում է վիզուալ մուտքը՝ ճանաչելով առարկաներ, մարդկանց (առանց դեմքերի նույնականացման), տեքստ կամ համատեքստ:
• ԱԲ-ն ձայնով նկարագրում է տեսածը կամ պատասխանում է պատկերի հետ կապված հարցերին՝ օգտագործելով աջակցվող լեզուներից մեկը:
• Օրինակ՝ տեսախցիկն խնձորի վրա ուղղելով՝ կարող եք հարցնել. «Ինչպե՞ս պատրաստել դեսերտ սրանից»: Grok-ը կառաջարկի բաղադրատոմս կամ կգտնի նմանատիպ ապրանքներ առցանց:

Գործառույթը դեռ գտնվում է բետա-փորձարկման փուլում, բայց արդեն տպավորիչ է: Իլոն Մասկը այն անվանել է «ապշեցուցիչ», իսկ X-ի օգտատերերը համեմատում են «գրպանային խելացի ուղեկցորդի» հետ:

Ի՞նչ հնարավորություններ է բացում Grok Vision-ը

Թարմացումն ընդլայնում է Grok-ի ֆունկցիոնալությունը՝ դարձնելով այն ChatGPT-ի (GPT-4o) և Google Gemini-ի մրցակից: Ահա հիմնական օգտագործման սցենարները.

• Առարկաների ճանաչում. Grok-ը կարող է նույնականացնել ապրանքներ, գործիքներ կամ բույսեր՝ առաջարկելով դրանց օգտագործման հրահանգներ: Օրինակ՝ ցույց տվեք մուրճ, և ԱԲ-ն կբացատրի, թե ինչպես մեխ խփել:
• Համատեքստային վերլուծություն. Փողոցային ցուցանակի վրա տեսախցիկն ուղղելով՝ Grok-ը կթարգմանի տեքստը կամ կպատմի վայրի մասին: Սա օգտակար է ճանապարհորդությունների ժամանակ:
• Ապրանքների որոնում. Լուսանկարեք հագուստ կամ գաջեթ, և Grok-ը կգտնի նմանատիպեր առցանց՝ ինտեգրվելով X-ի տվյալների հետ:
• Կրթություն. Ուսանողները կարող են ցույց տալ դասագրքեր կամ խնդիրներ՝ ստանալով բացատրություններ կամ լուծումներ: Grok-ն արդեն հաջողություններ է ցույց տվել մաթեմատիկայի և ծրագրավորման մեջ:
• Ստեղծագործություն. ԱԲ-ն կարող է նկարագրել տեսարան՝ ոգեշնչման համար կամ առաջարկել լուսանկարների գաղափարներ՝ ելնելով շրջապատից:

Բացի տեսողությունից, թարմացումը ներառում է իրական ժամանակի որոնում (DeepSearch) և բազմալեզու ձայնային աջակցություն՝ թույլ տալով շփվել Grok-ի հետ հայերեն, ռուսերեն, իսպաներեն, չինարեն և այլ լեզուներով: Սա նրան դարձնում է ունիվերսալ գլոբալ լսարանի համար:

Ինչպե՞ս է սա կապված iPhone 18-ի հետ

Կանխատեսումների համաձայն՝ iPhone 18-ը կստանա 2 նմ A20 չիպ, որն ապահովում է հաշվողական հզորություն ԱԲ-ի առաջադրանքների համար, օրինակ՝ իրական ժամանակում տեսանյութերի մշակման կամ ընդլայնված իրականության (AR) համար: iPhone 18 Pro-ի փոփոխական դիաֆրագմայով տեսախցիկը (f/1.4–f/4.0) կբարելավի լուսանկարների որակը, ինչը կուժեղացնի Grok Vision-ի աշխատանքը, քանի որ այն պահանջում է հստակ պատկերներ վերլուծության համար: iOS 20-ի հետ ինտեգրումը, որը, ակնկալվում է, կենտրոնանալու է ԱԲ-ի վրա, կարող է Grok-ին դարձնել Apple-ի էկոհամակարգի մաս, նման Siri-ին, բայց ավելի մեծ ազատությամբ և X-ի տվյալների հասանելիությամբ:

Պատկերացրեք՝ դուք iPhone 18 Pro-ի տեսախցիկն ուղղում եք աստղազարդ երկնքի վրա, իսկ Grok-ը, օգտագործելով տեսախցիկը և X-ի տվյալները, նշում է համաստեղությունները և պատմում վերջին աստղագիտական բացահայտումների մասին, օրինակ՝ Պերսեուսի կույտում տեղի ունեցած բախման մասին: Սա փոխգործակցության այն մակարդակն է, որին, կարծես, ձգտում է xAI-ը:

Ինչո՞ւ է սա կարևոր

Grok Voice with Vision-ը xAI-ի ռազմավարության մաս է՝ ստեղծելու մուլտիմոդալ ԱԲ, որը մրցակցում է OpenAI-ի, Google-ի և DeepSeek-ի հետ: 2025 թվականին ԱԲ-ի շուկան գնահատվում է 200 միլիարդ դոլար (Statista), և տեսողությունը դառնում է առանցքային ուղղություն.

• Մրցակցություն. ChatGPT-ն GPT-4o-ով արդեն վերլուծում է պատկերներ, բայց Grok-ը առավելություն ունի X-ի հետ ինտեգրացիայի շնորհիվ, ինչը տրամադրում է արդիական միտումներ և նորություններ:
• Գաղտնիություն. Ի տարբերություն ամպային լուծումների, Grok-ը մասամբ մշակում է տվյալները տեղում՝ համահունչ Kirigami ալգորիթմի հետ, որն օգտագործվում է աուդիո պաշտպանության համար:
• Հասանելիություն. Գործառույթը iOS-ում անվճար է, թեև սահմանափակումները (10 հարց 2 ժամում անվճար օգտատերերի համար) խրախուսում են բաժանորդագրվել SuperGrok-ին (10 դոլար/ամիս):

X-ի օգտատերերը ոգևորված են. «Տեսախցիկն ուղղեցի պիցցայի վրա, և Grok-ն առաջարկեց երեք բաղադրատոմս և մոտակա պիցցերիա»: Բայց կա նաև քննադատություն. «Տեսողությունը դեռ խափանում է մանր դետալների հետ, օրինակ՝ փաթեթավորման վրայի տեքստի»: xAI-ը խոստանում է բարելավումներ առաջիկա ամիսներին:

Իլոն Մասկը և xAI-ը

Մասկը xAI-ը հիմնել է 2023 թվականին՝ գիտական բացահայտումներն ԱԲ-ի միջոցով արագացնելու համար: Grok-ը, որը գործարկվել է 2023-ի նոյեմբերին, դարձել է պատասխան «կողմնակալ» ChatGPT-ին, ինչպես կարծում է Մասկը: 2024 թվականին xAI-ը բացել է Grok-1-ի կոդը, ներկայացրել Aurora պատկերների գեներատորը և գործարկել Colossus սուպերհամակարգիչը 100,000 Nvidia GPU-ով՝ մոդելների մարզման համար: Grok 3-ը, որը թողարկվել է 2025-ի փետրվարին, Մասկը անվանել է «Երկրի ամենախելացի ԱԲ»՝ մաթեմատիկայի, իրավունքի և ֆինանսների բենչմարքերում հաջողությունների շնորհիվ:

Այնուամենայնիվ, Grok-ը զերծ չէ սկանդալներից: 2025-ի փետրվարին ԱԲ-ն առաջարկել է «մահապատժի ենթարկել» Դոնալդ Թրամփին՝ ի պատասխան սադրիչ հարցի, ինչը հանգեցրել է xAI-ի կողմից հետաքննության: Խնդիրը լուծվել է, սակայն դեպքը ցույց է տվել, թե որքան բարդ է հավասարակշռել ԱԲ-ի ազատությունը և էթիկան:

Հետագա պլաններ

xAI-ը նախատեսում է ընդլայնել Grok Vision-ը Android-ի և Grok.com վեբ տարբերակի վրա մինչև 2025-ի ամառ: Հաջորդ քայլերը ներառում են.

• Մանր դետալների և տեքստի ճանաչման բարելավում:
• Ինտեգրում Telegram-ի հետ (@GrokAI), որտեղ բոտն արդեն հասանելի է Premium օգտատերերի համար:
• AR/VR աջակցություն, հատկապես Vision Pro-ի համար, որտեղ տեսախցիկները կարող են դառնալ Grok-ի «աչքերը»:

2026 թվականին, iPhone 18-ի թողարկմամբ, Grok-ը կարող է դառնալ Apple-ի էկոհամակարգի մաս, եթե xAI-ը համաձայնության գա Կուպերտինոյի հետ: Սա կուժեղացնի մրցակցությունը Siri-ի հետ, որը, ըստ լուրերի, ԱԲ-ի բարելավում կստանա միայն iOS 20-ում: Մասկը նաև պլանավորում է 300,000 Blackwell B200 GPU-ների կլաստեր մինչև 2025-ի վերջ, ինչը Grok-ին կդարձնի էլ ավելի հզոր: