AI giúp phát hiện "ảo giác" khi lập luận, phân tách giọng nói trộn lẫn,...

AI có thể kiểm chứng, nhằm loại bỏ hiện tượng "ảo giác" và nâng cao độ tin cậy khi lập luận.

Saigon AI Hub (SAIH) và Quỹ Google AI Futures Fund vừa công bố kết quả của Khóa 1 cuộc thi lập trình AI. Khóa này quy tụ gần 60 nhà nghiên cứu đến từ các trường đại học tại TP.HCM. Kết quả, 10 nhóm đã được tuyển chọn dựa trên năng lực nghiên cứu, tính ứng dụng thực tiễn và định hướng phát triển AI có trách nhiệm.

Quá trình nghiên cứu có sự hỗ trợ về hạ tầng AI, mô hình AI, kỹ thuật và tư vấn trực tiếp từ chuyên gia Google Labs, Google DeepMind và VNG. Các nhóm cũng được tiếp cận sớm những công nghệ AI mới của Google.

Giải pháp phân tách giọng nói trộn lẫn bằng AI.

Đáng chú ý, Khóa 1 đã có dự án thương mại hóa thành công. Chẳng hạn, có nhóm nghiên cứu chuyển hướng từ tương tác người - robot (XR-MR) sang ứng dụng AI để xây dựng môi trường học điều khiển máy bay không người lái (drone), kết hợp thiết bị thật với hình ảnh mô phỏng.

Hay Vietnamese Multimodal Emotion Understanding là hệ thống kết hợp giọng nói và văn bản, được tối ưu cho đặc trưng thanh điệu và phương ngữ đa dạng của tiếng Việt. Theo đó, một đoạn ghi âm trộn lẫn tiếng nhiều người có thể được phân tách thành những đoạn riêng biệt với giọng nói của từng người.

Bên cạnh việc phát triển nguyên mẫu, các nhóm nghiên cứu ghi dấu ấn tại nhiều hội nghị và cuộc thi học thuật quốc tế ở Mỹ, Hà Lan, Thụy Điển, Úc, Ý và Trung Quốc.

Phát biểu tại sự kiện, ông Trương Minh Huy Vũ - Phó Chủ tịch UBND TP.HCM chúc mừng các nhóm nghiên cứu: “Hạt giống tốt cần được gieo vào đất tốt. Nếu Saigon AI Hub là những người làm vườn, thì Thành phố xin nhận vai trò người làm đất, tạo môi trường và điều kiện thuận lợi để nhân tài AI phát huy năng lực, đưa những ý tưởng nghiên cứu vào thực tế và phát triển thành những doanh nghiệp công nghệ”.

Phó Chủ tịch UBND TP.HCM cũng đề cập khả năng ứng dụng các giải pháp AI trong thực tế, như phát hiện deepfake phục vụ ngân hàng, định danh và bảo mật, hay ứng dụng thực tế ảo trong du lịch và văn hóa.

Từ kinh nghiệm của Khóa 1, Saigon AI Hub khởi động Khóa 2 với cách tiếp cận mới: Bắt đầu từ những vấn đề thực tế cần giải quyết, thay vì xuất phát từ đề tài nghiên cứu của các nhóm. SAIH sẽ chủ động tìm kiếm, tiếp nhận và chọn lọc đề bài từ doanh nghiệp, cơ quan và tổ chức công, sau đó kết nối với các nhóm nghiên cứu có năng lực và chuyên môn phù hợp trên cả nước.

Danh sách 10 nhóm nghiên cứu tham gia Saigon AI Hub Khóa 1:

STT	Dự án	Mô tả
1	Epistemically Disciplined Reasoning	Phát triển các mô hình ngôn ngữ lớn với khả năng suy luận có hệ thống, tuân theo các ràng buộc nhận thức luận có thể kiểm chứng, nhằm loại bỏ hiện tượng "ảo giác" và nâng cao độ tin cậy khi lập luận.
2	Vietnamese Multimodal Emotion Understanding	Xây dựng hệ thống kết hợp giọng nói và văn bản, được tối ưu cho đặc trưng thanh điệu và phương ngữ đa dạng của tiếng Việt.
3	Multimodal Lifelog & Video Retrieval	Xây dựng hệ thống tác tử AI cho phép tìm kiếm nhanh trong kho video không lời bằng ngôn ngữ tự nhiên, thông qua cả tương tác trực tiếp lẫn xử lý tự động.
4	SoccerNet Video Question Answering	Phát triển mô hình đa phương thức để giải quyết các bài toán suy luận thị giác và hỏi-đáp phức tạp trong phân tích bóng đá chuyên nghiệp.
5	Simulators for Testing Robot Design and Interactions	Nghiên cứu xây dựng môi trường học điều khiển máy bay không người lái (drone), kết hợp thiết bị thật với hình ảnh mô phỏng.
6	Vn-SpeechMix: Vietnamese Speech Separation	Giải quyết bài toán tách riêng từng người nói trong môi trường nhiều người nói cùng lúc, đặc biệt với các giọng vùng miền khác nhau tại Việt Nam, sử dụng học sâu.
7	AI for Cancer Detection	Nâng cao khả năng chẩn đoán sớm ung thư đại trực tràng thông qua các mô hình học sâu tự động phân vùng polyp trong hình ảnh nội soi lâm sàng.
8	AI-Powered Interactive VR Experiences	Phát triển các trải nghiệm nhập vai tương tác dùng AI, từ kể chuyện sinh tự động, tìm kiếm nội dung đa phương tiện, tương tác trong môi trường ảo đến huấn luyện thông minh.
9	Deepfake Detection	Phát triển các mô hình pháp y số có khả năng phát hiện nội dung đa phương tiện bị chỉnh sửa, can thiệp, ngay cả trong điều kiện cực ít như mờ, nhiều hay nền ảnh.
10	Subject-Aware Distractor Localization	Xây dựng taxonomy dựa trên tâm lý học để tự động xác định và loại bỏ vật thể gây xao nhãng trong ảnh, hỗ trợ người dùng không chuyên.