Nghiên cứu công nghệ AI chuyển văn bản thành hình ảnh

TS. Lương Minh Thắng cùng 10 chuyên gia tại Google Brain đang Nghiên cứu công nghệ AI chuyển văn bản thành hình ảnh, xây dựng mô hình Parti, dạy cho trí tuệ nhân tạo có thể vẽ tranh dựa trên từ ngữ mô tả.

TS. Lương Minh Thắng

Là người Việt duy nhất trong nhóm nghiên cứu chủ chốt về mô hình Parti (Pathways Autoregressive Text-to-Image) - tự chuyển văn bản thành hình ảnh tại Google Brain đầu năm 2021, TS. Lương Minh Thắng cho biết ngôn ngữ thường dùng trong giao tiếp của con người, nhưng nếu ứng dụng công nghệ để tạo ra các bức ảnh, tranh sáng tạo thì có thể coi là bước tiến mới của AI. Các mô hình AI hiện nay ứng dụng trong ngôn ngữ thông qua mô hình chatbot có thể tương tác với con người bằng văn bản. Còn trong lĩnh vực hình ảnh, AI có thể nhận diện các vật thể trong ảnh. Nếu kết hợp hai thứ này để chuyển hóa từ ngôn ngữ dạng văn bản thành hình ảnh sẽ tạo ra một mô hình AI rất hiện đại, hỗ trợ đắc lực cho con người trong lĩnh vực sáng tạo hình ảnh. Đây cũng là ý tương mà TS Lương Minh Thắng mong muốn được nghiên cứu thông qua mô hình Parti của anh và cộng sự.

Cụ thể, mô hình Parti cho phép tạo hình ảnh đúng như mô tả và mong muốn của người dùng. Công nghệ này có thể hỗ trợ những người chuyên làm công việc sáng tạo hình ảnh như nghệ sĩ, nhiếp ảnh gia, nhà thiết kế thời trang, đồ họa... Khi họ có ý tưởng về một bức ảnh, chỉ cần viết các chi tiết mong muốn, AI sẽ phân tích và cho ra bức ảnh gợi ý cho ý tưởng đó giúp họ tăng khả năng sáng tạo. Chỉ cần thay đổi một câu, từ, hay chi tiết trong văn bản có thể cho ra bức ảnh khác nhau.

TS. Lương Minh Thắng cùng các chuyên gia tại Google Brain đã sử dụng hàng trăm triệu cặp dữ liệu văn bản - hình ảnh tương ứng, huấn luyện cho mô hình AI. Dữ liệu được sử dụng từ các website, xử lý bằng mạng nơ-ron nhân tạo có dung lượng khoảng 20 tỷ nơ-ron. "Dựa trên những dữ liệu văn bản và hình ảnh, AI sẽ kết hợp lại để tạo ra một bức ảnh mới, giúp con người có những ý tưởng mới. Các chủ đề được mô hình Parti thể hiện nhiều nhất về thiên nhiên, động vật, đồ vật, cảnh vật... Trên website của Google Reseach giới thiệu nhiều hình ảnh được tạo từ AI như ảnh thật có thể được tham khảo với người dùng”.

Vấn đề lớn hiện này là với những văn bản quá dài, mô tả quá nhiều chi tiết, hay mô tả những hình ảnh có tính xung đột (như biển đặt cạnh sa mạc) thì AI có thể hiểu sai hoặc không cho ra kết quả. Do vậy, nhóm nghiên cứu sẽ khắc phục hạn chế này để xây dựng mô hình AI hoàn thiện. Bên cạnh đó, với những hình ảnh liên quan đến con người cần được xử lý cẩn trọng dựa trên nguyên tắc không gây ảnh hưởng tiêu cực đến cá nhân, cộng đồng, giới tính, sắc tộc...

TS. Lương Minh Thắng là tiến sĩ khoa học trẻ có tầm ảnh hưởng ở Google Brain, một bộ phận chuyên nghiên cứu về trí tuệ nhân tạo của Google. Với chuyên môn là ngôn ngữ tự nhiên và học sâu cùng hơn 20 đề tài nghiên cứu khoa học, đã giúp trình dịch thuật của Google trở nên chính xác hơn, giúp máy tính hiểu rõ hơn ngôn ngữ con người, đồng thời phát triển mô hình máy tự học. 

Năm 2018, TS. Lương Minh Thắng được Forbes bình chọn vào top 30 người dưới 30 tuổi.  

P.A.T (Tổng hợp)