Apple Machine Learning Research vừa chính thức công bố một nghiên cứu đột phá giới thiệu VICIS (Visual Concept Inference from Sets), một phương pháp mới nhằm đánh giá khả năng tư duy hình ảnh độc lập của các mô hình ngôn ngữ-thị giác (VLM) phổ biến hiện nay. Nghiên cứu quan trọng này đã chỉ ra rằng dù các mô hình AI tiên tiến nhất hiện tại rất giỏi trong việc làm theo các chỉ dẫn phức tạp bằng văn bản, chúng lại gặp khó khăn nghiêm trọng khi phải tự suy luận ra khái niệm chung từ các bức ảnh mẫu thực tế để áp dụng vào bối cảnh mới.
Diễn biến chi tiết
Các nhà nghiên cứu hàng đầu tại tập đoàn công nghệ Apple đã nhận thấy một khoảng trống lớn trong khả năng nhận thức trực quan của các mô hình VLM hiện đại. Thông thường, người dùng phải viết các đoạn văn bản giải thích vô cùng chi tiết và phức tạp thì hệ thống AI mới có thể hiểu được ngữ cảnh mong muốn.
Tuy nhiên, trong đời sống thực tế của con người, việc truyền đạt ý tưởng thông qua các ví dụ trực quan bằng hình ảnh ("show me examples") lại là phương thức tự nhiên và hiệu quả hơn rất nhiều. Thử nghiệm thực tế của Apple cho thấy ngay cả các mô hình AI hàng đầu thế giới hiện nay cũng thường xuyên bối rối và hoàn toàn thất bại trong việc tìm ra điểm chung hoặc quy luật ẩn sau các bức ảnh mẫu được cung cấp làm đầu vào.
Phân tích kỹ thuật & Công nghệ
Để đo lường và khắc phục điểm yếu chí mạng này, Apple đề xuất tác vụ mang tên VICIS. Quy trình hoạt động của benchmark VICIS bắt đầu bằng việc cung cấp cho mô hình một tập hợp nhỏ các hình ảnh chứa chung một khái niệm trừu tượng (được gọi là "context set"), đi kèm với một hình ảnh truy vấn độc lập ("query image").
Nhiệm vụ cốt lõi của mô hình AI lúc này là phải tạo ra những hình ảnh mới sao cho vừa bảo tồn nguyên vẹn được khái niệm trừu tượng rút ra từ tập ngữ cảnh, lại vừa phải đảm bảo tính nhất quán chặt chẽ với hình ảnh truy vấn ban đầu. Đây là một bài toán cực kỳ phức tạp, kết hợp hài hòa giữa khả năng suy luận logic thị giác sâu sắc và kỹ năng tạo ảnh có kiểm soát cao, đòi hỏi cấu trúc mạng nơ-ron phải có sự hiểu biết vượt bậc về các thuộc tính phi ngôn ngữ mà không cần đến sự trợ giúp của văn bản mồi.
Ý kiến chuyên gia & Nhận định
Theo báo cáo từ nhóm nghiên cứu của Apple, các mô hình VLM thuộc hàng tiên tiến nhất hiện nay (SOTA) đều đạt điểm số cực kỳ thấp khi đối mặt với thách thức từ benchmark VICIS. Các tác giả nghiên cứu nhấn mạnh rằng việc thiếu hụt khả năng suy luận thị giác thuần túy là một rào cản kỹ thuật khổng lồ, khiến các hệ thống AI chưa thể đạt tới mức độ tự chủ cao trong các tác vụ thiết kế mỹ thuật chuyên nghiệp hoặc hỗ trợ thị giác thời gian thực. Nhiều chuyên gia độc lập trong ngành cũng đưa ra nhận định đồng thuận rằng việc công nghệ hiện tại quá phụ thuộc vào mô tả bằng chữ (text prompts) đang vô hình trung giới hạn nghiêm trọng tiềm năng sáng tạo và tính linh hoạt của các hệ sinh thái AI tạo sinh đang bùng nổ hiện nay.
Tác động & Tương lai
Nghiên cứu mới này của Apple không chỉ vạch trần những giới hạn tiềm ẩn của các mô hình VLM thế hệ cũ mà còn mở ra một chương mới đầy triển vọng cho việc nghiên cứu và phát triển công nghệ trí tuệ nhân tạo toàn cầu. Việc nâng cao năng lực tư duy trực quan không phụ thuộc vào văn bản hứa hẹn sẽ mang lại những cải tiến vượt bậc cho nhiều ứng dụng thực tiễn trong tương lai, từ robot tự hành thông minh, phần mềm thiết kế đồ họa tự động cho đến các hệ thống trợ lý ảo cá nhân siêu thông minh. Đối với cộng đồng nghiên cứu AI tại Việt Nam, VICIS chắc chắn sẽ là một bộ dữ liệu thử nghiệm (benchmark) vô cùng giá trị cần được tham chiếu kỹ lưỡng khi xây dựng và tối ưu hóa các mô hình thị giác máy tính thế hệ tiếp theo.