Một công nghệ AI cho phép lưu trữ và tái sử dụng kiến thức đã được phát triển bởi nhóm nghiên cứu tại KAIST. Nhóm nghiên cứu đã thành công trong việc giảm trung bình 55,61% số lần gọi máy chủ bằng cách cho phép AI nhỏ gọn trên thiết bị tích lũy và sử dụng kiến thức từ AI lớn trên máy chủ mà vẫn duy trì độ chính xác.
KAIST đã công bố vào ngày 21 rằng nhóm nghiên cứu do Giáo sư Lee Jae-gil thuộc Khoa Khoa học Máy tính phát triển công nghệ hợp tác giữa thiết bị và máy chủ mang tên 'CURE (tái sử dụng kiến thức tích lũy)'.
Các thiết bị như smartphone thường sử dụng các mô hình AI nhỏ gọn do hạn chế về khả năng tính toán và bộ nhớ. Mô hình nhỏ gọn có thể xử lý nhanh các vấn đề đơn giản nhưng độ chính xác giảm khi gặp các hình ảnh phức tạp hoặc lạ. Ngược lại, khi tất cả các vấn đề được giao cho AI trên máy chủ có hiệu suất cao, độ chính xác tăng lên nhưng thời gian truyền dữ liệu, khối lượng giao tiếp và chi phí tính toán trên máy chủ cũng tăng theo.
Do đó, phương pháp hợp tác đã được nghiên cứu, trong đó AI nhỏ gọn trên thiết bị sẽ đưa ra quyết định trước và chỉ gửi những vấn đề khó khăn đến máy chủ. Tuy nhiên, phương pháp hiện tại chỉ sử dụng câu trả lời từ máy chủ một lần và bỏ qua, dẫn đến việc phải yêu cầu sự trợ giúp giống nhau từ máy chủ mỗi khi có vấn đề tương tự xuất hiện. Nhóm nghiên cứu đã chú ý đến việc không tiêu thụ câu trả lời từ máy chủ một lần mà lưu trữ chúng như kiến thức có thể sử dụng sau này.
CURE hoạt động theo ba bước: △ AI nhỏ gọn tự đánh giá khả năng xử lý đầu vào △ Nếu không đủ, sẽ sử dụng kiến thức từ máy chủ đã lưu trữ trên thiết bị trước tiên △ Chỉ khi vẫn thiếu, mới yêu cầu máy chủ. Các trường hợp mà máy chủ cung cấp câu trả lời sẽ không được lưu trữ riêng lẻ mà sẽ được tóm tắt các đặc điểm và sự khác biệt của nhiều trường hợp để lưu giữ như kiến thức. Điều này cho phép sử dụng kiến thức tích lũy không chỉ cho các trường hợp đã thấy trước đó mà còn cho các trường hợp tương tự lần đầu tiên gặp phải.
Nhóm nghiên cứu đã xác thực hiệu suất bằng mô hình thị giác-ngôn ngữ có khả năng hiểu đồng thời hình ảnh và văn bản. Mô hình nhỏ gọn cho thiết bị là MobileCLIP2, trong khi mô hình lớn cho máy chủ có quy mô 18 tỷ tham số là EVA-CLIP.
Kết quả từ các thử nghiệm trên nhiều bộ dữ liệu phân loại hình ảnh cho thấy CURE duy trì độ chính xác gần tương đương với phương pháp xử lý tất cả đầu vào bằng mô hình máy chủ lớn, đồng thời giảm trung bình 55,61% số lần gọi máy chủ so với phương pháp hợp tác hiện tại không tích lũy kiến thức. Tốc độ xử lý nhanh hơn từ 2,8 lần so với phương pháp hợp tác hiện tại và nhanh hơn tới 3,67 lần so với phương pháp gửi tất cả đầu vào đến máy chủ.
CURE có thể được áp dụng mà không cần tái huấn luyện riêng biệt cho các mô hình nhỏ và lớn, chỉ cần thêm một kho lưu trữ để chứa kiến thức từ máy chủ vào mô hình hiện có. Công nghệ này có thể được áp dụng không chỉ cho nhận diện hình ảnh và tìm kiếm hình ảnh trên smartphone mà còn cho robot, thiết bị đeo và các thiết bị khác cần nhận diện môi trường xung quanh với nguồn lực hạn chế. Tuy nhiên, hiệu quả thực tế của việc áp dụng sẽ phụ thuộc vào hiệu suất của thiết bị, không gian lưu trữ, môi trường giao tiếp và đặc điểm dữ liệu đầu vào, do đó cần có thêm kiểm chứng trong nhiều thiết bị và môi trường khác nhau.
Giáo sư Lee Jae-gil cho biết: "CURE là công nghệ cho phép AI nhỏ gọn trên thiết bị không phải hỏi máy chủ về cùng một vấn đề nhiều lần, mà nhớ lại kiến thức đã nhận được để sử dụng lại".
Nghiên cứu này có sự tham gia của Tiến sĩ Lee Young-jun từ Viện Nghiên cứu Thông tin và Điện tử KAIST với vai trò tác giả chính, Giáo sư Lee Jae-gil là tác giả liên lạc. Các tác giả đồng tham gia bao gồm Tiến sĩ Kim Do-young từ Amazon, Tiến sĩ Kang Jun-hyuk từ LG AI Research, và Giáo sư Song Hwan-jun từ Khoa Kỹ thuật Công nghiệp và Hệ thống KAIST. Kết quả nghiên cứu đã được công bố vào ngày 10 tháng 9 tại Hội nghị Thị giác Máy tính Châu Âu (ECCV 2026) diễn ra tại Malmö, Thụy Điển từ ngày 8 đến 12 tháng 9. Nghiên cứu này được thực hiện với sự hỗ trợ từ Dự án Phát triển Công nghệ Cốt lõi AI Hướng tới Con người của Bộ Khoa học và Công nghệ Thông tin và Viện Đánh giá và Quy hoạch Thông tin và Truyền thông.
* Bài viết này được dịch tự động bằng AI.
Kim Seong Hyeon
minus1@ajunews.com
© Bản quyền thuộc về Thời báo Kinh tế AJU & www.ajunews.com: Việc sử dụng các nội dung đăng tải trên vietnam. kyungjeilbo.com phải có sự đồng ý bằng văn bản của Aju News Corporation.