[AI Insight] "Cần có 'tai' như con người trong nhà máy"... AI nghe tiếng khóc của trẻ em, tiến vào lĩnh vực công nghiệp

Diphly đang phát triển thành một công ty phân tích âm thanh trong môi trường sản xuất bằng trí tuệ nhân tạo (AI) để quản lý chất lượng và an toàn. Bắt đầu từ việc phân tích tiếng khóc của trẻ em, hiện tại công ty đang mở rộng thị trường âm thanh AI công nghiệp bằng cách phân tích âm thanh máy móc và âm thanh kết nối trong sản xuất các linh kiện ô tô.

Trong cuộc gặp gỡ vào ngày 30 tại văn phòng Diphly ở quận Mapo, Seoul, Giám đốc điều hành Lee Soo-ji cho biết: "Có thể coi Diphly là công ty cung cấp mô-đun thính giác cho các nhà máy tự động". Ông nhấn mạnh: "Khi robot đang tiến hóa giống như con người, chỉ có thị giác là không đủ, và tôi tin rằng mô-đun thính giác sẽ trở nên cần thiết".

Lý do ông Lee chọn âm thanh AI làm lĩnh vực kinh doanh bắt nguồn từ 'xử lý tín hiệu'. Sau khi tốt nghiệp ngành điện tử tại KAIST, ông học chuyên ngành xử lý sóng não tại Đại học Quốc gia Seoul. Ông giải thích rằng sóng não và âm thanh có vẻ là hai loại dữ liệu khác nhau, nhưng về mặt công nghệ, chúng thuộc cùng một lĩnh vực. "Nói chung, âm thanh và sóng não đều thuộc lĩnh vực xử lý tín hiệu". Ông cho biết, với sự phát triển của công nghệ phân chia tần số và tiền xử lý, cùng với sự kết hợp của AI và học sâu, "chúng ta có thể phân tích nhiều tín hiệu hơn với độ phân giải cao hơn".

Ông Lee so sánh sự phát triển của công nghệ phân tích âm thanh với camera. Giống như hình ảnh mờ trước đây đã phát triển thành độ phân giải cao hơn, âm thanh cũng đã được phân tích chi tiết hơn nhờ sự phát triển của công nghệ AI.

Diphly không bắt đầu với mục tiêu hướng đến môi trường sản xuất ngay từ đầu. Vào năm 2020, công ty đã ra mắt ứng dụng 'WAAH' để phân tích tiếng khóc của trẻ em. Kinh nghiệm nuôi dạy con cái và khó khăn trong việc hiểu trẻ muốn gì chỉ bằng tiếng khóc đã trở thành động lực cho sự khởi đầu của dự án.

Ông Lee chia sẻ: "Khi nuôi một đứa trẻ, tôi nhận thấy thật khó để hiểu những gì trẻ đang thể hiện" và cho rằng "nếu thu thập và phân tích nhiều dữ liệu, có thể sẽ có hiệu quả". Những bậc phụ huynh đã nghe nhiều tiếng khóc của trẻ có thể phân biệt được giữa đói hay khó chịu, nhưng những người lần đầu làm cha mẹ thường không biết, vì vậy ông đã nghĩ đến việc sử dụng dữ liệu.

Tuy nhiên, khi thực hiện kinh doanh B2C, Diphly đã gặp khó khăn trong việc xác định nơi nào là phù hợp để áp dụng công nghệ mà họ đã phát triển. Cuối cùng, với bản sắc là một nhóm khởi nghiệp dựa trên công nghệ và khả năng công nghệ hiện có, họ đã chuyển hướng sang B2B. Ông Lee cho biết: "Chúng tôi là một nhóm khởi nghiệp dựa trên công nghệ và đã tích lũy được nhiều công nghệ cho đến nay" và cho rằng "cả tôi và các đồng sáng lập đều có nền tảng kỹ thuật, vì vậy B2B có vẻ phù hợp hơn với chúng tôi".

Sự khác biệt giữa B2C và B2B cũng rất rõ ràng trong cách thức kinh doanh. Ông Lee giải thích rằng trong kinh doanh hướng đến người tiêu dùng, giao diện người dùng (UI) và trải nghiệm người dùng (UX) để tăng tính tiện lợi cùng với tiếp thị trực tuyến là rất quan trọng, trong khi trong ngành sản xuất, việc vào thực địa để kiểm tra công nghệ và xây dựng lòng tin là điều cần thiết.

Ông Lee cho biết: "B2C và B2B thực sự khác nhau từ gốc rễ". Trong thời gian B2C, "có nhiều nhóm tập trung vào việc cải thiện UI và UX để làm cho người tiêu dùng dễ dàng hơn, và tiếp thị trực tuyến cũng được thực hiện quy mô lớn". Ngược lại, trong lĩnh vực sản xuất, "việc xây dựng lòng tin thông qua các hội chợ hoặc các bài báo đáng tin cậy là rất quan trọng".

Trong quá trình chuyển đổi kinh doanh, tổ chức cũng đã giảm mạnh. Ban đầu, họ đã tăng cường nhân lực cho dự án phân tích tiếng khóc của trẻ em, nhưng sau đó đã giảm số lượng nhân viên khi ngừng dự án, và sau đó, ông Lee cùng với các đồng sáng lập và hai đồng nghiệp khác đã bắt đầu lại với mô hình B2B. Hiện tại, tổ chức đã phát triển lại và có 27 nhân viên, trong đó khoảng hai phần ba là nhân viên phát triển, phụ trách phát triển thuật toán AI và sản phẩm.

Vấn đề mà Diphly phát hiện trong môi trường sản xuất là giới hạn của việc kiểm tra chất lượng dựa vào 'tai người'. Tại các nhà máy sản xuất linh kiện ô tô, việc kiểm tra âm thanh để xác định xem sản phẩm có bị lỏng hay không, hoặc kiểm tra xem các kết nối và bu lông có được lắp đúng cách hay không đã diễn ra trong một thời gian dài.

Tuy nhiên, việc kiểm tra bằng tai người khó có thể lưu lại dữ liệu khách quan. Độ chính xác của quyết định có thể thay đổi tùy thuộc vào trình độ và tình trạng của người kiểm tra, và việc theo dõi cơ sở để xác định tình trạng lỗi cũng không dễ dàng. Ông Lee chỉ ra rằng "trong ngành công nghiệp ô tô hiện tại, mọi người đã kiểm tra bằng tai" và nhấn mạnh rằng "giờ đây, chỉ dựa vào tai người là không đủ để có cái nhìn khách quan". Ông cho rằng "chúng ta đang trong quá trình chuyển đổi để hệ thống hóa những điều này và lưu lại dữ liệu".

 
Giải pháp âm thanh AI công nghiệp của Diphly, 'Listen AI Industrial', đang được sử dụng để kiểm tra chất lượng của động cơ ô tô, bộ truyền động, vòng bi và kiểm tra âm thanh kết nối và bu lông. Hiện tại, công ty đang kiểm tra hơn 18.000 sản phẩm mỗi giờ với độ chính xác 100% trong dây chuyền sản xuất, và dữ liệu âm thanh tích lũy đã đạt 520.000 giờ, hơn 20TB.

Trong quá trình này, ông Lee đặc biệt chú trọng đến 'dữ liệu'. Hàng ngày, hàng trăm đến hàng chục nghìn sản phẩm được sản xuất trên dây chuyền sản xuất, và âm thanh phát ra trong quá trình này được lưu trữ cùng với thông tin sản phẩm. Ông cho biết: "Trong môi trường sản xuất hàng loạt, một số dây chuyền sản xuất có thể sản xuất hàng trăm sản phẩm mỗi ngày, trong khi một số dây chuyền có thể sản xuất hàng chục nghìn sản phẩm" và "âm thanh phát ra từ các dây chuyền này đều được ghi lại và liên kết với thông tin sản phẩm".

Điều này không chỉ đơn thuần là thu thập âm thanh. Nó còn có thể xác định xem sản phẩm có đạt tiêu chuẩn hay không, âm thanh phát ra từ sản phẩm nào, thời điểm sản xuất và thông tin quy trình là gì. Đây là lý do tại sao ông Lee coi dữ liệu tích lũy từ thực địa là một lợi thế cạnh tranh của Diphly. Ông nhấn mạnh: "Dữ liệu như vậy được tích lũy liên tục là một tài sản rất quan trọng".

Bối cảnh cho việc ứng dụng âm thanh AI trong ngành sản xuất cũng liên quan đến sự thay đổi trong ngành công nghiệp ô tô. Sự phát triển của xe điện khiến xe trở nên yên tĩnh hơn, do đó việc kiểm soát chất lượng các âm thanh nhỏ và bất thường trở nên quan trọng hơn. Trước đây, những khác biệt nhỏ được kiểm tra bằng tai người giờ đây cần được phân biệt và ghi lại bằng dữ liệu.

Ông Lee cũng thừa nhận rằng thị trường âm thanh AI vẫn còn nhỏ so với thị trường AI thị giác. Tuy nhiên, ông cho rằng khi môi trường sản xuất ngày càng tự động hóa, sẽ cần nhiều cảm biến không chỉ cho thị giác mà còn cho các giác quan khác. Ông nói: "Âm thanh AI có thể là một lĩnh vực rất nhỏ so với AI thị giác hay robot hình người", nhưng ông cũng cho rằng "đó là giác quan thứ hai bên cạnh thị giác". Ông dự đoán rằng "nếu các ngành công nghiệp sản xuất tiếp tục tiến về phía tự động hóa, âm thanh AI sẽ đóng vai trò quan trọng trong nhiều mô hình cảm biến".

Diphly cũng đang nhắm đến thị trường toàn cầu dựa trên các trường hợp ứng dụng trong ngành sản xuất trong nước. Vào năm 2025, công ty đã cung cấp giải pháp Listen AI Industrial cho các cơ sở của tập đoàn H tại Hàn Quốc và Mexico, và vào năm 2026, họ đã cung cấp giải pháp cho một công ty sản xuất động cơ ô tô toàn cầu. Hiện tại, giải pháp của họ đang hoạt động tại 30 cơ sở công nghiệp trên toàn thế giới.

Vào tháng 6 vừa qua, Diphly đã thu hút được 2,5 tỷ won từ các nhà đầu tư như Dev Sisters Ventures, Su Investment Capital và Nautilus Investment, và vào tháng 8, công ty đã được chọn vào chương trình TIPS của Bộ Kinh tế và Doanh nghiệp vừa và nhỏ.

Trước đây, công ty tập trung vào việc nâng cao hiệu suất cho các dây chuyền sản xuất cụ thể, nhưng trong tương lai, họ sẽ nâng cao chất lượng sản phẩm để nhiều doanh nghiệp sản xuất có thể sử dụng sản phẩm đó nhanh chóng hơn. Ông Lee cho biết: "Nếu trước đây chúng tôi tập trung vào việc nâng cao hiệu suất công nghệ cho một dây chuyền, thì giờ đây chúng tôi muốn nâng cao chất lượng sản phẩm để nhiều khách hàng có thể sử dụng". Ông nhấn mạnh rằng "nếu thời gian triển khai và lắp đặt ngắn hơn, chi phí sẽ giảm và nhiều khách hàng hơn có thể sử dụng".

Mục tiêu quan trọng của Diphly là mở rộng ra thị trường sản xuất toàn cầu. Ông Lee cho biết hiện tại doanh thu của công ty đang tăng trưởng khoảng ba lần mỗi năm và ông sẽ tập trung vào việc tăng nhanh số lượng khách hàng thực tế áp dụng sản phẩm hơn là việc gọi vốn hay phát hành cổ phiếu (IPO).

Tầm nhìn cuối cùng mà ông Lee mơ ước cho Diphly là rõ ràng. Đó là không chỉ thay thế mắt của con người bằng AI, mà còn giúp máy móc hiểu được những gì con người nghe thấy.

Ông Lee mô tả hướng đi của Diphly là "công ty sản xuất tai cho robot công nghiệp". Ông nói: "Trong các nhà máy tự động, cho đến nay, các mô-đun thị giác đã chiếm ưu thế, nhưng khi robot tiến hóa giống như con người, tôi thấy rằng mô-đun thính giác cũng cần thiết" và ông bày tỏ mong muốn trở thành công ty cung cấp mô-đun thính giác cho lĩnh vực này."



* Bài viết này được dịch tự động bằng AI.

• #công nghệ âm thanh
• #AI
• #Âm thanh AI