Sáu nguyên mẫu AI Việt ra mắt, khóa hai nhận bài toán đặt hàng

Ngày 8/10/2026 tại TP.HCM, Saigon AI Hub (SAIH) và Quỹ Google AI Futures Fund tổ chức buổi trình diễn mà Báo Tin tức ghi nhận sáu trong mười nhóm của khóa đầu giới thiệu trực tiếp nguyên mẫu AI. Các hướng nghiên cứu trải từ xử lý tiếng Việt và truy vấn video đến phát hiện nội dung giả mạo, hỗ trợ đọc ảnh nội soi. Khóa đầu kéo dài sáu tháng; những nhóm còn lại cũng giới thiệu kết quả tại khu vực trải nghiệm của sự kiện.

Cùng ngày, SAIH khởi động khóa hai với cách chọn việc mới: tiếp nhận bài toán từ doanh nghiệp, cơ quan và tổ chức công, rồi tìm nhóm nghiên cứu phù hợp để phát triển lời giải. Bước chuyển này đặt dữ liệu, chuyên môn của đơn vị sử dụng và nơi thử nghiệm vào quá trình nghiên cứu ngay từ đầu. Những gì khách tham dự thấy ở khóa đầu là nguyên mẫu được trình diễn, chưa phải danh mục sản phẩm đã triển khai tại các đơn vị sử dụng.

Sáu nguyên mẫu xử lý những dữ liệu nào?

Mỗi nhóm giải một bài toán khác nhau, nên cùng một chữ “nguyên mẫu” có thể chỉ bản thử trên web, mô hình xử lý dữ liệu hoặc hệ thống trình diễn tương tác. Đầu vào và kết quả mong muốn cũng cho thấy loại đối tác cần có nếu nghiên cứu được đưa sang giai đoạn thử trong môi trường sử dụng thực tế.

Nhận diện cảm xúc người Việt: Nhóm do Lê Duy Tân đại diện kết hợp hình ảnh khuôn mặt, giọng nói và văn bản tiếng Việt để nhận ra sắc thái mà chỉ đọc câu chữ có thể bỏ sót. Nhóm đã làm bản thử trên web và tích hợp vào robot Richie để điều chỉnh phản hồi khi tương tác. Giáo dục, chăm sóc sức khỏe thông minh và dịch vụ khách hàng là các hướng ứng dụng được nêu; mỗi môi trường sẽ cần tình huống tương tác và tiêu chí đánh giá riêng.
Tách giọng nói tiếng Việt: Nguyên mẫu hướng tới bản ghi có nhiều người nói cùng lúc và tính đến khác biệt giọng vùng miền. Kết quả cần đánh giá là khả năng tách riêng tiếng nói của từng người, khác với việc chép lại nội dung của cả cuộc trò chuyện. Để thử trong một dịch vụ cụ thể, nhóm cần bản ghi phù hợp với điều kiện âm thanh mà dịch vụ đó thường gặp.
Tìm kiếm trong kho video: Nhóm phát triển cách dùng ngôn ngữ tự nhiên để tìm thông tin trong video. Bài toán của đơn vị sở hữu kho tư liệu là tìm đúng đoạn cần dùng giữa nhiều nội dung hình ảnh, thay vì dò thủ công từng tệp. Giá trị ứng dụng sẽ phụ thuộc vào việc thử với kho video được phép sử dụng và những câu hỏi phản ánh nhu cầu tìm kiếm thực.
Hỏi đáp video bóng đá: Nguyên mẫu phân tích hình ảnh trận đấu và trả lời câu hỏi về bóng đá chuyên nghiệp. Công việc này đòi hỏi nhận ra diễn biến trong video rồi liên kết chúng với câu hỏi, không chỉ xác định một khung hình. Nếu phát triển cùng đối tác, dữ liệu trận đấu, quyền sử dụng video và bộ câu hỏi có đáp án đối chiếu sẽ quyết định khả năng đánh giá kết quả.
Phát hiện nội dung giả mạo: Mô hình tìm dấu hiệu hình ảnh hoặc video bị chỉnh sửa, kể cả khi dữ liệu bị mờ, nhiễu hay nén. Những điều kiện đó đáng chú ý với nội dung được tải lên dịch vụ trực tuyến, nơi tệp nhận được có thể khác xa bản gốc. Một đơn vị định danh hoặc an toàn số muốn thử nghiệm sẽ cần dữ liệu được phép sử dụng và cách đo cả trường hợp bỏ sót lẫn cảnh báo nhầm.
Hỗ trợ phát hiện polyp: Mô hình học sâu xác định vùng nghi có polyp trong ảnh nội soi, hướng tới hỗ trợ phát hiện sớm ung thư đại trực tràng. Đầu ra là vùng ảnh để bác sĩ xem xét, không phải quyết định chẩn đoán thay bác sĩ. Đánh giá trong bệnh viện sẽ cần ảnh nội soi được quản lý phù hợp, nhãn chuyên môn và quy trình đối chiếu kết quả với nhận định lâm sàng.

Trình diễn được nguyên mẫu chưa đồng nghĩa đã triển khai

Trạng thái thương mại hóa được nêu rõ tại sự kiện thuộc về một dự án khác của khóa đầu: môi trường học điều khiển máy bay không người lái, kết hợp thiết bị thật với hình ảnh mô phỏng. Nhóm này đã chuyển hướng từ nghiên cứu tương tác người và robot. Kết quả riêng đó không thể dùng để suy ra rằng các nguyên mẫu y tế, tiếng Việt, video và phát hiện giả mạo đã được bệnh viện hay doanh nghiệp đưa vào vận hành.

Với công cụ hỗ trợ đọc ảnh nội soi, sự khác biệt nằm giữa việc mô hình khoanh vùng trên ảnh và việc bác sĩ có thể dùng kết quả ấy trong một quy trình khám chữa bệnh. Với phát hiện giả mạo, một bản trình diễn cho thấy loại nội dung mô hình xử lý; mức hữu ích của nó trong định danh còn phụ thuộc vào dữ liệu thực và ngưỡng chấp nhận cảnh báo nhầm. Các nhóm đã đưa được nghiên cứu thành thứ có thể trình diễn, còn việc đánh giá trong môi trường của đối tác là chặng tiếp theo.

Khóa hai chọn bài toán trước khi chọn nhóm

SAIH dự định tìm, tiếp nhận và chọn lọc vấn đề thực tế trước, sau đó kết nối từng đề bài với nhóm có chuyên môn phù hợp trên cả nước. Chủ tịch HĐQT VNG Lê Hồng Minh giải thích trong phát biểu về khóa hai: “Thay vì bắt đầu từ đề tài nghiên cứu, chúng tôi sẽ bắt đầu từ những đề bài thực tế cần được giải quyết.” Theo kế hoạch được công bố, SAIH nhận đề bài từ ngày 8/10 đến cuối tháng 11/2026; hoạt động nghiên cứu dự kiến khởi động vào tháng 2/2027 và kéo dài sáu tháng.

Đơn vị đặt bài toán vì thế có vai trò lớn hơn người nêu nhu cầu. Họ cần cử chuyên gia am hiểu lĩnh vực đồng hành với nhóm nghiên cứu, chia sẻ dữ liệu và tạo môi trường thử nghiệm cho giải pháp. Giai đoạn đầu ưu tiên sản xuất, nông nghiệp, biến đổi khí hậu và các vấn đề có tác động ở cấp quốc gia. Đây là phạm vi tiếp nhận đề xuất của khóa mới, không phải tuyên bố rằng những nguyên mẫu vừa trình diễn đã có đối tác trong các lĩnh vực ấy.

Ở phía thành phố, Phó chủ tịch UBND TP.HCM Trương Minh Huy Vũ nhấn mạnh bài toán phải đi cùng nguồn lực thực tế và không nên bị giới hạn bởi địa giới hành chính, theo tường thuật của Trung tâm Báo chí TP.HCM. Thành phố đang xây dựng các nguồn dữ liệu về đất đai, thuế và tài chính để có thể hình thành đề bài nghiên cứu. Việc chọn đề bài sau đợt tiếp nhận sẽ cho thấy đơn vị nào có thể đưa dữ liệu, chuyên gia và điều kiện thử nghiệm vào cùng một dự án.

Đọc thêm: