Trung tâm nghiên cứu và ứng dụng AI (QAI), được thành lập vào tháng 8/2020 dưới sự dẫn dắt của Giám đốc Vũ Hồng Chiên, đã thổi lên ngọn lửa quyết tâm đưa các nghiên cứu khoa học đột phá trong lĩnh vực trí tuệ nhân tạo và máy học vào phục vụ cho việc giải các bài toán tăng năng suất trong FPT Software nói riêng, và đưa Việt Nam vào bản đồ AI trên thế giới nói chung.
QAI đang nghiên cứu về những vấn đề khoa học cơ bản trong AI mà cốt lõi là các thuật toán về học máy, học sâu và ứng dụng trong một loạt các lĩnh vực như xử lý và hiểu hình ảnh, video, ngôn ngữ, giọng nói, hành vi tương tác người dùng… Đặc biệt, QAI sẽ ưu tiên những bài toán lõi mà thế giới đang quan tâm và tìm về những cơ hội đối với ngành khoa học dữ liệu của Việt Nam.
Nhiệm vụ của QAI là xây dựng một lực lượng nòng cốt các chuyên gia hàng đầu về AI cho tập đoàn FPT nói riêng và Việt Nam nói chung. Bên cạnh đó, QAI cũng mang trong mình trọng trách là ươm mầm chất xám cho các tài năng trẻ, từ đó mang lại nguồn nhân lực tinh nhuệ, đủ kiến thức cho ngành AI tại Quy Nhơn và Việt Nam.
Từ bài toán thực tế đến phương pháp mới đánh giá model
Hiện nay việc đánh giá model (mẫu) gần như dựa hoàn toàn vào tập dữ liệu kiểm thử. Phương pháp này có thể đánh giá model với những chỉ số cơ bản nhất dựa theo kết quả của model. Vậy khi model đạt độ chính xác cao trên tập dữ liệu đó, liệu có thể kết luận nó "tốt"? Với trăn trở đó, QAI đã tiếp tục đi sâu hơn và nghiên cứu để tìm thêm các phương pháp để "đo" model.
Thống kê từ lâu đã là nền tảng vững chắc xây dựng nên các mô hình Deep learning (học sâu) hiện đại. Một lần nữa, toán thống kê đã trở lại giúp các kỹ sư AI tiến một bước "sâu" hơn vào bên trong model.
QAI nghiên cứu và áp dụng công cụ Weightwatcher để thống kê và đánh giá sự tương quan của trọng số giữa các lớp trong model. Từ đó, có thể đánh giá được lớp nào đang bị thừa hay thiếu trọng số, kiến trúc model đã đủ tốt chưa hay dữ liệu nào đang thiếu. WeightWatcher đã góp thêm một kim chỉ nam cho bài học không giám sát nói riêng và các bài toán học sâu nói chung.
 |
| Áp dụng công cụ WeightWatcher vào dự án thực tế. Ảnh: ĐVCC |
Giải pháp đang được tích cực nghiên cứu, áp dụng vào dự án thực thế. Góp phần định hướng và tối ưu quá trình training (đào tạo) model.
Hiện nay, dự án akaOCR (dự án về sản phẩm nhận dạng ký tự quang học) mà QAI đang nghiên cứu đã áp dụng công cụ này vào việc đánh giá model sau khi huấn luyện và tìm định hướng để tối ưu model.
Việc không thể đánh giá chi tiết model với từng lớp mà phải hoàn toàn đánh giá qua tập kiểm thử khiến cho quá trình tối ưu kiến trúc model thường không có định hướng cụ thể và mang tính chủ quan. Xuất phát từ thực trạng này, QAI đã nhận thấy model phát hiện chữ viết được huấn luyện quá khớp trên một tập dữ liệu với 14 lớp bị thừa trọng số. Sau khi có đánh giá chi tiết, quá trình tinh chỉnh model đã tăng được độ chính xác và độ ổn định của model trên nhiều tập dữ liệu kiểm thử khác nhau. Ngoài ra, với việc giảm số nốt (node) ở các lớp bị over parameterization (quá tham số hóa) giúp giảm kích thước của model, tăng tốc độ dự đoán nhưng vẫn giữ được độ chính xác.
 |
| Sử dụng akaOCR để chuyển chữ viết tay thành các văn bản tài liệu. Ảnh: ĐVCC |
Hướng tới trung tâm AI số một Đông Nam Á
Với mục tiêu xây dựng một trung tập số một về AI tại Đông Nam Á, QAI đang từng bước khẳng định mình qua các sản phẩm và nghiên cứu sử dụng công nghệ AI để giải quyết các bài toán cốt lõi cho khách hàng và trong tập đoàn.
Về triển khai, QAI đẩy mạnh giải quyết bài toán nguồn lực AI qua dự án AI Camp. Dự án lựa chọn những ứng viên trẻ sáng giá để đào tạo, bước đầu đã có kết quả là nhiều học viên có thể làm việc được trong dự án thật của đơn vị.
Về sản phẩm, dự án akaOCR về nhận diện ký tự quang học thoả mãn được yêu cầu cầu của nhiều khách hàng, đặc biệt là những khách hàng lớn như Toyota, Toppan. Với những gì mà QAI đã và đang làm, đơn vị đang tiếp tục chứng minh vị trí của mình trên hành trình trở thành một trong những đơn vị dẫn đầu về AI tại Việt Nam.
>> AICamp - đào tạo từ tài năng đến 'chiến binh' trí tuệ nhân tạo
Thành Hưng
Ý kiến
()