Parti - mô hình AI chuyển văn bản thành hình ảnh

Mô hình Parti

Parti (Pathways Autoregressive Text-to-Image) là mô hình tự chuyển văn bản thành hình ảnh do nhóm chuyên gia của Google Brain nghiên cứu và phát triển.

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.

Tiến sĩ Lương Minh Thắng (34 tuổi), là người Việt duy nhất trong nhóm nghiên cứu chủ chốt về mô hình này. 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", Tiến sĩ Thắng cho biết.

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", Tiến sĩ Thắng nói về mô hình Parti.

Để tạo ra mô hình Parti, Tiến sĩ Thắng và các chuyên gia Google 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 nẻuon nhân tạo có dung lượng khoảng 20 tỉ neuron. "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", Tiến sĩ Thắng chia sẻ.

Các chủ đề được mô hình Parti thể hiện nhiều nhất về thiên nhiên, động vật, đồ vật... Trên website của Google Reseach giới thiệu nhiều hình ảnh được tạo từ AI như ảnh thật.

Theo nhóm nghiên cứu, với những hình ảnh liên quan đến con người được nhóm xử lý cẩn trọng dựa trên nguyên tắc không gây ảnh hưởng tiêu cực đến cộng đồng về giới tính, sắc tộc, tôn giáo...

Nhược điểm hiện nay 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.

Tiến sĩ Thắng cho biết, thời gian tới nhóm sẽ khắc phục hạn chế này để xây dựng mô hình AI hoàn thiện. Nhóm tính tới huấn luyện AI có thể chỉnh sửa hình ảnh theo yêu cầu trên văn bản của người dùng để phục vụ họ tốt hơn cũng như nghiên cứu tạo video từ nhiều tấm ảnh có nội dung tương tự nhau.

Chân dung Tiến sĩ Lương Minh Thắng 

Lương Minh Thắng từng là học sinh chuyên Toán trường phổ thông Năng khiếu Đại học Quốc gia thành phố Hồ Chí Minh. Sau khi tốt nghiệp cấp 3, anh học ngành khoa học máy tính tại Đại học Quốc gia Singapore. 

Tại đây, anh bắt đầu nghiên cứu về máy học và ngôn ngữ tự nhiên (natural language processing). Anh được giữ lại làm trợ lý nghiên cứu tại trường, cho đến năm 2011 anh nhận được học bổng tiến sỹ tại Đại học Stanford, Mỹ.

Tháng 9/2016, anh làm việc chính thức tại Google Brain. Công việc của anh là nghiên cứu về máy học, xử lý ngôn ngữu tự nhiên, áp dụng mạng neuron nhân tạo giúp chương trình dịch thuật có thể tự động dịch những câu phức tạp thay vì dịch những cụm từ đơn lẻ như trước, giúp máy hiểu sâu hơn ý nghĩa của từ ngữ trong nhiều ngôn ngữ, đồng thời xử lý đoạn văn dài.

Tiến sĩ Lương Minh Thắng cũng là người đồng sáng lập tổ chức phi lợi nhuận VietAI nhằm tạo cầu nối các nhà khoa học trên thế giới giúp nâng cao kỹ năng cho các nhà lập trình, chuyên viên công nghệ thông tin tại Việt Nam.

Năm 2018, anh được vinh danh trong top Forbes Under 30 Việt Nam (những gương mặt xuất sắc dưới 30 tuổi) trong lĩnh vực khoa học.