تصور کنید یک مشاور برندینگ حرفه‌ای، تنها با نگاه به عکس پروفایل شما، تمام پیش‌فرض‌های اجتماعی مخاطبان را رمزگشایی کند. اکنون می‌توانید با یک پرامپت دقیق، ChatGPT را به چنین مشاور بصری تبدیل کنید تا حضور حرفه‌ای شما را نقد کند.
این قابلیت از طریق مدل‌های چندوجهی (Multimodal) — مدل‌هایی که شبیه انسان‌ها هم‌زمان متن، عکس و صدا را می‌فهمند — ممکن شده است. در واقع، مدل دیگر به عکس به چشم یک تصویر ساده نگاه نمی‌کند، بلکه آن را به عنوان مجموعه‌ای از داده‌ها برای تحلیل آرکی‌تایپ‌های شخصیتی می‌بیند. همان‌طور که در تحلیل قبلی ما درباره‌ی توانمندی‌های بصری مدل‌های زبانی اشاره کردیم، مرز بین «توصیف تصویر» و «تحلیل معنایی» در حال محو شدن است.
طبق دستورالعملی که در ۳ جولای ۲۰۲۶ منتشر شد، این فرآیند نیازمند یک عکس باکیفیت و یک پرامپت ساختاریافته است. برای دستیابی به نتایج دقیق‌تر در این سطح، استفاده از چارچوب‌های پیشرفته مهندسی پرامپت می‌تواند به مدل کمک کند تا تحلیل‌های استراتژیک‌تری ارائه دهد. بر اساس مستندات این متد، هوش مصنوعی متغیرهای کلیدی زیر را تحلیل می‌کند:
- نشانگرهای بصری: حالت چهره، فیگور، آراستگی، مدل مو و لباس.
- عوامل فنی: نورپردازی، زاویه دوربین و پس‌زمینه.
- تخمین‌های روان‌شناختی: ۳ آرکی‌تایپ برتر شخصیتی با درصد اطمینان و رتبه‌بندی تیپ‌های MBTI.
خروجی نهایی به شکل یک گزارش تحریریه مینیمال و سیاه-سفید طراحی می‌شود. این گزارش شامل کارت‌های «نکات برجسته برداشت اول»، برچسب‌های «وایب شخصیتی» و بخشی است که پیش‌فرض‌های رایج مردم درباره ظاهر کاربر را بررسی می‌کند. در نهایت، ابزاری برای بهبود نورپردازی و زاویه عکس ارائه می‌دهد.
این تغییر رویکرد، هوش مصنوعی را از توصیف ساده به «تحلیل وایب» (Vibe Analysis) می‌برد و آینه‌ای از هویت اجتماعی ادراک‌شده برای کاربر می‌سازد. در واقع، یک رابط چت ساده به ابزاری برای برندینگ تبدیل شده است تا متخصصان بتوانند نحوه نمایش خود در فضای دیجیتال را اصلاح کنند. با توجه به سرعت بالای تحولات، یادگیری این رویکردهای نوین ضروری است، زیرا مهارت‌های فعلی هوش مصنوعی شما ممکن است در سال‌های آینده به دلیل ظهور ابزارهای پیشرفته‌تر منسوخ شوند.
گام بعدی شما
- یک عکس پرتره (Headshot) با کیفیت بالا آپلود کنید.
- از مدل بخواهید یک گزارش بصری سطح‌بالا (High-end visual report) برای تحلیل برند شخصی شما تهیه کند.
- دقت تخمین‌های مدل را با بازخوردهای واقعی همکارانتان مقایسه کنید تا میزان انحراف ادراک AI را بسنجید.
اما داستان تحلیل داده‌های بصری را می‌توان با ابزارهای پیشرفته‌تر سنجید؛ برای بررسی نحوه استخراج داده از تصاویر پیچیده به تحلیل ما درباره مدل‌های VLM مراجعه کنید.
گفتگو