Η βασική τεχνητή νοημοσύνη «Make in Vietnam» της CMC κατατάσσεται στις 12 κορυφαίες στον κόσμο

Το μοντέλο CATI-VLM που αναπτύχθηκε από την ερευνητική ομάδα του CMC έχει συμπεριληφθεί στις 12 κορυφαίες στον κόσμο και στην 1η θέση στο Βιετνάμ στις κατατάξεις που ανακοινώθηκαν πρόσφατα από τον Διαγωνισμό Robust Reading τον Ιούνιο του 2025.

Ο μετασχηματισμός της τεχνητής νοημοσύνης στο Βιετνάμ λαμβάνει χώρα με έντονους ρυθμούς, και η τεχνολογία OCR (οπτική αναγνώριση χαρακτήρων) παίζει ολοένα και πιο σημαντικό ρόλο στην ψηφιοποίηση εγγράφων. Φωτογραφία: Εικονογράφηση

Πρόσφατα, το Ινστιτούτο Τεχνολογικών Εφαρμογών CMC (CMC ATI) ανακοίνωσε το μοντέλο CATI-VLM (Visual Document Understanding) που ανέπτυξε η ερευνητική ομάδα από μια μεγάλη αποθήκη δεδομένων 5TB, φτάνοντας στην πρώτη 12άδα στον κόσμο και στην πρώτη θέση στο Βιετνάμ στις κατατάξεις που μόλις ανακοινώθηκαν από τον Διαγωνισμό Robust Reading (RRC) τον Ιούνιο του 2025 στην κατηγορία Απαντήσεις Οπτικών Ερωτήσεων Εγγράφων (DocVQA).

Ο κ. Dang Minh Tuan, Διευθυντής του CMC ATI, δήλωσε: «Είμαστε πολύ ευχαριστημένοι που η ερευνητική ικανότητα της ομάδας CMC έχει επιβεβαιωθεί μέσω ενός διεθνούς κύρους, όπως το RRC. Είμαστε περήφανοι που σε σύντομο χρονικό διάστημα, η ομάδα μπορεί να επιτύχει υψηλή κατάταξη, δίπλα σε μεγάλα ονόματα από ανεπτυγμένες χώρες. Το πιο σημαντικό, αυτή είναι μια σαφής επίδειξη της ικανότητας να κατακτήσει κανείς την τεχνολογία για την επίλυση συγκεκριμένων προβλημάτων του Βιετνάμ και εξειδικευμένων τομέων στο Βιετνάμ».

Στο πλαίσιο του ψηφιακού μετασχηματισμού και του μετασχηματισμού της Τεχνητής Νοημοσύνης στο Βιετνάμ που λαμβάνει χώρα έντονα, η τεχνολογία OCR (Οπτική Αναγνώριση Χαρακτήρων) διαδραματίζει ολοένα και πιο σημαντικό ρόλο στην ψηφιοποίηση εγγράφων, στην αυτοματοποίηση των επιχειρηματικών διαδικασιών, στην εξοικονόμηση κόστους και στη βελτίωση της αποτελεσματικότητας της διαχείρισης.

Ωστόσο, με τα χαρακτηριστικά των Βιετναμέζων με προφορές και γραφικό χαρακτήρα, το πρόβλημα αναγνώρισης δεν σταματά στην «ανάγνωση λέξεων», αλλά απαιτεί από το μοντέλο να έχει την ικανότητα να κατανοεί το πλαίσιο ολοκληρωμένα.

Το CATI-VLM διαφέρει από το παραδοσιακό OCR στο ότι όχι μόνο εξάγει χαρακτήρες, αλλά κατανοεί και πολλαπλά επίπεδα πληροφοριών: περιεχόμενο κειμένου, μη κειμενικά στοιχεία (πλαίσια επιλογής, πλαίσια ελέγχου, γραφήματα, υπογραφές, τύποι), διάταξη (δομή σελίδας, πίνακες, φόρμες) και στυλ (γραμματοσειρές, επισημάνσεις...).

Το μοντέλο μπορεί να απαντήσει σε οπτικά ερωτήματα που τίθενται σε εικόνες εγγράφων, παρόμοια με το ChatGPT, χωρίς να χρειάζεται να μάθει κανείς συγκεκριμένες φόρμες εκ των προτέρων.

Ο Διαγωνισμός Ανθεκτικού Αναγνώσματος (RRC) είναι ένας επιστημονικός διαγωνισμός υψηλού κύρους, που διοργανώνεται από το Κέντρο Υπολογιστικής Όρασης του Αυτόνομου Πανεπιστημίου της Βαρκελώνης (UAB) Ισπανίας, ένα έγκριτο ερευνητικό κέντρο στον κόσμο στον τομέα της υπολογιστικής όρασης.

Ξεκινώντας το 2011, συνοδεύοντας πάντα το Διεθνές Συνέδριο Ανάλυσης και Αναγνώρισης Κειμένου ICDAR - ένα από τα μεγαλύτερα φόρουμ στον κόσμο για την ανάλυση εγγράφων και την υπολογιστική όραση, ο διαγωνισμός έχει γίνει ένα σημαντικό γεγονός, προσελκύοντας ερευνητές, μηχανικούς από έγκριτα πανεπιστήμια, ερευνητικά ιδρύματα και εταιρείες τεχνολογίας όπως το Πανεπιστήμιο Tsinghua, ο Όμιλος Hyundai Motor και η Tencent...

Οι αποστολές του RRC έχουν σχεδιαστεί για να προωθούν την τεχνολογική πρόοδο, συνδεδεμένη με προβλήματα του πραγματικού κόσμου που κυμαίνονται από τη μετάφραση και τη διαχείριση επιχειρηματικών δεδομένων έως την αστική ανάλυση και την επεξεργασία ιστορικών εγγράφων.

Από την εργασία μέχρι την ανατροφή των παιδιών: Πώς οι διευθύνοντες σύμβουλοι του τεχνολογικού κλάδου χρησιμοποιούν την Τεχνητή Νοημοσύνη κάθε μέρα. Από τον Jensen Huang μέχρι τον Tim Cook, οι πιο ισχυροί διευθύνοντες σύμβουλοι του τεχνολογικού κλάδου στον κόσμο αξιοποιούν την Τεχνητή Νοημοσύνη στην καθημερινότητά τους.

Πηγή: https://vietnamnet.vn/ai-loi-make-in-vietnam-cua-cmc-duoc-xep-hang-top-12-the-gioi-2417479.html