شرکت xAI قابلیت جدیدی را به چت‌بات هوشمند گروک افزوده است که به آن امکان مشاهده و تحلیل دنیای اطراف را می‌دهد. این قابلیت نوآورانه که به تازگی معرفی شده به گروک کمک می‌کند تا تصاویر، اشیاء و محیط‌های واقعی را پردازش کرده و اطلاعات ارزشمندی را به‌صورت آنی در اختیار کاربران قرار دهد. این به‌روزرسانی گروک را به یکی از پیشرفته‌ترین ابزارهای هوش مصنوعی در زمینه تعامل بصری تبدیل می‌کند.
قابلیت جدید گروک که به Visual processing (پردازش بصری) معروف است به کاربران امکان می‌دهد تا با آپلود تصاویر یا استفاده از دوربین دستگاه خود اطلاعات بصری را با گروک به اشتراک بگذارند. برای مثال اگر کاربری عکسی از یک محصول در فروشگاه آپلود کند، گروک می‌تواند نام محصول، ویژگی‌ها یا حتی قیمت تقریبی آن را بر اساس داده‌های موجود نمایش دهد.
در واقع این قابلیت برای کاربردهای متنوعی طراحی شده است. از کاربران عادی که به دنبال شناسایی گیاهان، ترجمه تابلوهای خارجی یا دریافت اطلاعات درباره بناهای تاریخی هستند گرفته تا حرفه‌ای‌هایی که نیاز به تحلیل سریع داده‌های بصری در حوزه‌هایی مانند مهندسی، پزشکی و طراحی دارند، همه می‌توانند از این ابزار بهره‌مند شوند. به گفته xAI هدف این ویژگی تقویت تعاملات کاربران با دنیای واقعی از طریق هوش مصنوعی است.
بیشتر بخوانید: بررسی تحلیلی جدیدترین نسخه هوش مصنوعی Grok 3
به‌علاوه یکی از نقاط قوت این قابلیت، ادغام با توانایی‌های مکالمه‌ای گروک است. کاربران می‌توانند پس از آپلود یک تصویر، سؤالاتی مرتبط با آن بپرسند و گروک با ترکیب تحلیل بصری و دانش گسترده خود پاسخ‌هایی دقیق و زمینه‌محور ارائه می‌دهد. برای مثال اگر کاربری عکسی از یک مدار الکتریکی آپلود کند، گروک نه‌تنها اجزای مدار را شناسایی می‌کند، بلکه می‌تواند توضیح دهد که چگونه کار می‌کند یا حتی پیشنهاداتی برای بهبود آن مطرح نماید.
از نظر فنی نیز این قابلیت از الگوریتم‌های پیشرفته یادگیری عمیق و مدل‌های بینایی کامپیوتری بهره می‌برد که به گروک امکان می‌دهند تا تصاویر را با دقت بالا پردازش کند. این ابزار همچنین می‌تواند در شرایط نوری مختلف یا با تصاویر کم کیفیت عملکرد قابل قبولی داشته باشد.
xAI اعلام کرده که این ویژگی هم‌اکنون برای کاربران گروک ۳ در پلتفرم‌هایی مانند grok.com و اپلیکیشن‌های iOS و اندروید در دسترس است. این شرکت همچنین قصد دارد در آینده قابلیت‌های بصری گروک را با افزودن امکاناتی مانند تشخیص ویدئو در لحظه و ادغام با ابزارهای واقعیت افزوده گسترش دهد.
