Chúng ta

FPT Software ghi dấu với bài báo khoa học quốc tế trong lĩnh vực Trí tuệ nhân tạo

Thứ tư, 15/11/2023 | 17:05 GMT+7

Từ 11/11 đến 14/11 tại Istanbul, Thổ Nhĩ Kỳ, đội ngũ chuyên gia nghiên cứu đến từ Trung tâm Trí tuệ nhân tạo Quy Nhơn (QAI - FPT Software) đã ghi dấu ấn bằng việc công bố bài báo khoa học mang tên “Towards Better Explanations for Object Detection” tại Hội nghị Asia Conference on Machine Learning lần thứ 15 - ACML 2023. Đây là lần thứ 2 trong năm 2023, đơn vị khẳng định năng lực tại các Hội nghị quốc tế danh giá ở lĩnh vực Trí tuệ nhân tạo.

Sau thành công tại Hội nghị AAAI-23 với công trình nghiên cứu hồi đầu năm, đội ngũ chuyên gia FPT tiếp tục tập trung nghiên cứu và tìm ra phương pháp eXplainable AI mới có tên D-CLOSE với mục đích giải thích các AI Model, đặc biệt là những mô hình trong bài toán Nhận diện đối tượng (Object Detection) của sản phẩm akaCam. Phương pháp này giúp nâng cao chất lượng lời giải thích, từ đó giúp các AI Engineer và AI Researcher hiểu được lý do mô hình nhận diện đối tượng cụ thể một cách chính xác hơn.

-7159-1700040941.jpg

Chuyên gia FPT tại Hội nghị Asia Conference on Machine Learning lần thứ 15 - ACML 2023.

Cụ thể, với phương pháp mới D-CLOSE, tốc độ đưa ra lời giải thích cho các trường hợp chất lượng dữ liệu bị tác động tiêu cực bởi ngoại cảnh đã được tối ưu hoá, giúp rút ngắn thời gian để model có thể xử lý data; thậm chí, tìm ra được đặc trưng của bộ data để không cần cung cấp quá nhiều dữ liệu mà model vẫn cho kết quả với độ chính xác cao. Việc nghiên cứu thành công phương pháp mới D-CLOSE đã giúp cho tốc độ các model của sản phẩm akaCam nhận diện, định danh đối tượng cũng như phân tích hành vi của đối tượng được cải thiện hơn rất nhiều so với những phương pháp truyền thống.

Đặc biệt, phương pháp mới do team RnD của akaCam nghiên cứu cũng giúp nâng cao và tối ưu các model cần xử lý các bài toán near real-time tại akaCam Box – thiết bị do đội ngũ phát triển sản phẩm sản xuất và lắp ráp. Từ đó, góp phần nâng cao hiệu suất và độ chính xác cho các model của sản phẩm akaCam, tiết kiệm chi phí xử lý dữ liệu và rút ngắn thời gian triển khai cho khách hàng, đặc biệt với các bài toán phức tạp tại nhà máy, nhà kho hay tại các chuỗi cửa hàng bán lẻ.

-7697-1700040941.jpg

Đại diện nhóm nghiên cứu trình bày, trao đổi về bài báo khoa học tại Hội thảo. Ảnh: ĐVCC

Phương pháp D-CLOSE nói trên nằm trong bài báo khoa học mang tên “Towards Better Explanations for Object Detection” của nhóm nghiên cứu QAI gồm các thành viên: Trương Văn Bình, Nguyễn Trương Thành Hưng, Nguyễn Võ Thành Khang, Nguyễn Quốc Khánh, Cao Quốc Hưng. Công trình này đã được Hội đồng khoa học của Hội nghị Asia Conference on Machine Learning lần thứ 15 thông qua và trở thành một trong số ít bài báo được sắp xếp bên cạnh những tên tuổi lớn như NEC, Imperial College London, Exester, JP Morgan,... vào chiều ngày 14/11/2023 tại Trường Đại học Acibadem (Istanbul, Thổ Nhĩ Kỳ).

Điểm khác biệt của hội nghị ACML năm nay chính là ở sự quy tụ của rất nhiều chuyên gia và Viện, Trường nghiên cứu AI hàng đầu trên thế giới như Google DeepMind, NTT, Đại học Kyoto, Viện công nghệ Tokyo, Đại học Nam Kinh, Đại học giao thông Thượng Hải, … Poster công trình nghiên cứu mang logo QAI – FPT Software được trưng bày tại nơi diễn ra Hội nghị, chào đón các chuyên gia công nghệ thảo luận trực tiếp với tác giả trong khuôn khổ 4 ngày của sự kiện.

Nhóm tác giả cũng đồng thời gặt hái thành công khi bài báo “Enhancing the Fairness and Performance of Edge Cameras with Explainable AI" đã được chấp thuận và sẽ trình bày trực tiếp tại Hội nghị quốc tế IEEE International Conference on Consumer Electronics (ICCE 2024) tổ chức tại Đà Nẵng vào tháng 7 năm sau.

Nhóm tác giả của những công trình nghiên cứu và bài báo khoa học kể trên đồng thời là dịch giả của cuốn sách nổi tiếng “AI 2041 – 10 viễn cảnh cho tương lai” (tên tiếng Anh: AI 2041: Ten Visions for Our Future) của tác giả Kai-Fu Lee, xuất bản thời gian gần đây. Nhóm tập trung nghiên cứu eXplainable AI (hay XAI) và đã đề xuất ra rất nhiều phương pháp mới như Segmentation - Class Activation Mapping (SeCAM) để giải thích cho bài toán Phân loại hình ảnh, khắc phục nhược điểm của những phương pháp cũ để tối ưu chất lượng hình ảnh dữ liệu đầu vào, rút ngắn thời gian model phân tích data. Hiện, nhóm nghiên cứu đang trong quá trình hoàn thiện bài báo khoa học giúp tối ưu hoá thiết bị akaCam Box – điểm đặc trưng khiến akaCam khác biệt với những sản phẩm trên thị trường.

Tâm An

Ý kiến

()