Vuonna 2017 ensimmäisen kerran järjestetty Zalo AI Summit on tapahtuma, joka kokoaa yhteen tekoälyalan tunnettuja asiantuntijoita. Vuoden 2025 Zalo AI Summit esittelee ratkaisuja tekoälyn soveltamiseen arkielämässä, ennustaa tekoälytrendejä ja esittelee Zalon saavutuksia tekoälyn tuomisessa lähemmäs käyttäjiä.
Avauspuheenvuorossaan Zalon teknologiajohtaja Nguyen Minh Tu totesi, että tekoälyaikakausi alkoi syntyä vuosina 2018–2019 ensimmäisten transformer-mallien myötä. Vasta GPT-3.5:n ja ChatGPT:n ilmestyttyä vuonna 2022 nämä kielimallit saavuttivat korkean laadun ja tulivat laajemman yleisön saataville.
"Silloin alkoi tekoälyn aikakausi, kun ihmiset alkoivat käyttää ChatGPT:tä", Tu korosti.
Positiivinen signaali Vietnamille
Kun yritykset, kuten Google, Anthropic ja DeepSeek, parantavat yhä enemmän laajojen kielten mallintamista (LLM), tekoälymarkkinat ovat todistamassa käännekohtaa, jota kutsutaan agenttiseksi tekoälyksi.
Toisin kuin perinteinen tekoäly, joka pystyy ratkaisemaan vain yksittäisiä tehtäviä, agenttinen tekoäly on autonominen järjestelmä, joka pystyy yhdistämään useita agentteja monimutkaisten ongelmien käsittelemiseksi.
”Agenttitekoäly toimii kuten työntekijämme. Se voi analysoida, päätellä, suorittaa tehtäviä ja kirjoittaa raportteja käskyjemme perusteella”, Tu lisäsi.
Vietnamissa Zalo on yksi yrityksistä, joka integroi monia tekoälyominaisuuksia käyttäjien palvelemiseksi. Vuoteen 2025 mennessä näiden palveluiden käyttäjämäärän odotetaan nousevan yli 17 miljoonaan, mikä on yli 200 %:n kasvu. Yli 7,5 miljoonaa ihmistä käyttää sanelutoimintoa (puheen muuntaminen tekstiksi).
"Tämä ominaisuus on muuttanut monien ihmisten tapaa käyttää Zaloa. Tekstin kirjoittamisen sijaan puhekomentojen käyttö on paljon nopeampaa ja kätevämpää", Tú korosti.
Myös viestien kääntäminen vietnamista englanniksi on houkutellut paljon käyttäjiä. Herra Tu paljasti, että Zalo-puheluihin lisätään pian reaaliaikainen käännös.
 |
Nguyen Minh Tu, Zalon teknologiajohtaja. |
Loppukäyttäjien palvelemisen lisäksi tekoäly tukee myös Zalon toimintaa. Yritys on rakentanut asiakaspalveluchatbotin, joka auttaa ratkaisemaan skaalautumisongelman ruuhka-aikoina, jolloin lisähenkilöstön rekrytointi on vaikeaa.
Kolmen kuukauden käyttöönoton jälkeen Zalon chatbot-järjestelmä saavutti 90 %:n vastausprosentin, mikä on korkeampi kuin ihmisten. Vain noin 2–3 % tapauksista tarvitsi chatbotin apua.
Zalon edustaja myönsi, että tekoälyn sisäisessä soveltamisessa on edelleen joitakin haasteita, jotka liittyvät yksityisyyteen ja tietoturvaan. Siksi alusta on valinnut joustavan lähestymistavan soveltamalla itse kehitettyä mallia arkaluonteiseen dataan ja hyödyntämällä ulkoisia chatbotteja vähemmän arkaluonteiseen dataan.
Herra Tú mainitsi myös Zalo AI Challenge 2025 -kilpailun, jossa kehitetään tekoälysovellusratkaisuja arkielämässä. Nuorten ja opiskelijoiden lisäksi tämän vuoden kilpailu houkutteli useita lukiolaisia, ja jotkut heistä pääsivät jopa viiden parhaan joukkoon.
”Tämä osoittaa, että tekoäly on tunkeutunut yhteiskunnan kaikille alueille ja levinnyt jopa kouluihin, joissa lapset altistuvat tekoälylle jo hyvin nuorena. Tämä on myönteinen merkki Vietnamille tekoälymuutoksen aikakaudella”, Zalon edustaja korosti.
Tekoälyagenttien aalto
Ensimmäisessä sessiossa Ho Chi Minh Cityn teknillisen yliopiston apulaisprofessori Quan Thanh Tho nosti esiin kysymyksen siitä, miten multimodaalinen tekoäly tulee muuttamaan maailmaa . Hän väitti, että LLM on saavuttanut syklinsä päätösvaiheen ja teknologiatrendi on vähitellen siirtymässä kohti moniagenttijärjestelmiä (MAS).
Apulaisprofessori Dr. oli samaa mieltä Mr. Tu:n kanssa GPT-3.5:n käyttöönoton myötä saavutetusta merkittävästä oikeustieteen maisterin tutkinnon (LLM) virstanpylväästä ja totesi, että chatbottien yhteisenä tavoitteena on jäljitellä ihmisiä mahdollisimman tarkasti. Tekoälyagenttien käsite oli olemassa jo aiemmin, mutta se kukoisti todella vasta LLM-kehyksessä.
”Agentti on melko klassinen arkkitehtuuri, ja yhdistettynä LLM:ään se tarjoaa mahdollisuuden mallien väliseen kommunikointiin”, Tho sanoi. Avainsanat ”tekoälyagentit” ja ”agenttinen tekoäly” ovat olleet myös Google Trendsin haetuimpien termien joukossa vuoden 2024 lopusta nykypäivään.
 |
Assosiaatti, tohtori Quan Thanh Tho, tietojenkäsittelytieteen ja -tekniikan laitoksen johtaja, Ho Chi Minh Cityn teknillinen yliopisto. |
Apulaisprofessori kertoi, että agenttinen tekoäly on yksinkertaisesti järjestelmä, joka koostuu useista yhdessä työskentelevistä agenteista. Saatuaan käyttäjältä komennon agentit pilkkovat pyynnön osiin, määrittävät tehtäviä, valitsevat sopivat työkalut ja suorittavat ne askel askeleelta saavuttaakseen paremman tehokkuuden verrattuna yksittäiseen malliin.
Herra Tho esitteli myös joitakin MAS:n käytännön sovelluksia kotimaisissa yrityksissä. Erityisesti tekoälyagentit voivat käsitellä samanaikaisesti PDF-tiedostoja, kuvia ja dokumentteja, mikä parantaa tehokkuutta 40–60 %. Vakuutusalalla tämä teknologia auttaa yritystä automatisoimaan 20–40 % työmäärästään.
Lisäksi tekoälyagentit pystyvät keräämään reaaliaikaista tietoa, mikä auttaa tarjoamaan reaaliaikaisia markkinahintoja. Työssään apulaisprofessori Dr. [Nimi] totesi, että tekoälyagenttijärjestelmä toimii älykkäänä avustajana, joka pystyy vastaamaan vanhempien ja oppilaiden kouluun liittyviin kysymyksiin. Koulutuksessa tekoälyagentit auttavat luomaan yksilöllisiä oppimismalleja, jotka on räätälöity kunkin oppilaan oppimispolulle.
 |
Zalo AI Summit 2025 houkutteli suuren määrän tekoälyalasta kiinnostuneita osallistujia. |
Kaiken kaikkiaan MAS:n etuna on sen kyky käsitellä useita monimutkaisia ongelmia rinnakkain. Päättelyprosessin kautta agentit voivat käsitellä tietoa itsenäisesti, oppia toisiltaan ja käyttäjältä vähentääkseen virheitä ja tuottaakseen tarkkoja ja yksilöllisiä tuloksia.
Nykyaikaiset agenttiarkkitehtuurit tarjotaan usein työkaluina ja alustoina, joissa on käyttäjäystävälliset käyttöliittymät, mikä tekee niistä helpommin saatavilla suurelle yleisölle.
Näiden hyötyjen perusteella Mr. Tho korosti teknologian soveltamisen ja sisäisten työprosessien mukauttamisen tärkeyttä yrityksissä. Apulaisprofessorin mukaan maailmanlaajuisesti käynnissä olevan vahvan innovaatiotrendin yhteydessä yritysten on kiinnitettävä tähän aaltoon erityistä huomiota.
Mitä tapahtuu agenttisen tekoälyn jälkeen?
Humanoidirobotit ovat viime aikoina herättäneet huomiota teknologiamaailmassa. Tämä on myös fyysisen tekoälyn yleisin sovellus.
Jakaessaan ajatuksiaan tästä aiheesta Nvidia Vietnamin vanhempi kehittäjäteknologi, tohtori Tran Minh Quan, korosti, että fyysinen tekoäly on tekoälytrendien edistynein kehitysaskel generatiivisen tai agenttisen tekoälyn aikakauden jälkeen.
”Nämä tekoälymallit pystyvät vastaanottamaan komentoja tai syöttämään dataa ja tuottamaan sitten tiettyjä toimintoja, jotka vaikuttavat robottien, kuten robottikäsivarsien, autonomisten ajoneuvojen ja tehtaiden, moottoreihin tai ohjauskomponentteihin”, Quan kertoi antaen yleiskatsauksen fyysisestä tekoälystä.
 |
Nvidian tohtori Tran Minh Quan jakoi näkemyksiään fyysisen tekoälyn trendeistä. |
Nvidian edustajien mukaan fyysisestä tekoälystä voi tulevaisuudessa tulla biljoonan dollarin teollisuudenala. Fyysisen tekoälyn soveltamispotentiaali on valtava, kun otetaan huomioon, että nykyinen maailmanlaajuinen laitteistoinfrastruktuuri sisältää noin 2 miljardia teollisuuskameraa, 10 miljoonaa tehdasta, 200 000 varastoa ja 1,5 miljardia ajoneuvoa, puhumattakaan miljardeista humanoidiroboteista, joita voitaisiin ottaa käyttöön tulevaisuudessa.
”Jos jokainen laite varustettaisiin tekoälyaivoilla, jotka pystyisivät käsittelemään nykyistä työmäärää, tehtäviä voitaisiin tukea hyvin eri mittakaavassa kuin nykyään”, Quan lisäsi.
Fyysisen tekoälyn tarve johtuu henkilöstöpulasta monilla toimialoilla. Korkeasti koulutettuja työtehtäviä vaativissa olosuhteissa, kuten hitsausta suljetuissa, pimeissä tiloissa, on osoittautumassa ihmisille vaikeiksi.
Robotit ovat nyt ratkaisu, joka tasapainottaa henkilöstö- ja toimintakulut. Kustannuksia voidaan optimoida, koska robotit pystyvät nyt oppimaan uusia tehtäviä itsenäisesti sen sijaan, että ne vain suorittaisivat toistuvia töitä.
”Siksi robotiikan ChatGPT-’hetki’ voisi koittaa tänä tai ensi vuonna”, Quan korosti.
 |
Fyysistä tekoälyä pidetään seuraavana askeleena generatiivisen tekoälyn ja agenttisen tekoälyn jälkeen. |
Tämän vision toteuttamiseksi Nvidian edustajat ehdottivat kolmen tietokoneen mallia, jotka vastaavat fyysisen tekoälyn kehityksen kolmea keskeistä vaihetta.
Näin ollen ensimmäinen vaihe keskittyy palvelimen perustan rakentamiseen. Koulutuksen jälkeen malli voidaan sijoittaa simulaatioympäristöön syy-seuraussuhteiden oppimiseksi, mikä auttaa mallia kehittämään parempaa käyttäytymistä tosielämässä.
Simulointi auttaa robotteja tunnistamaan esineet tarkasti ja käsittelemään niitä. Vielä tärkeämpää on, että simulointi mahdollistaa useiden robottien työskentelyn yhdessä samanaikaisesti, testaten törmäysskenaarioita ilman, että todellisen laitteiston kustannukset lisääntyvät. Lopuksi se mahdollistaa suoran käyttöönoton laitteistossa.
Tekoälyn laajamittaisen käyttöönoton haaste.
"Tekoälyyn siirtymisen" prosessi, jossa teknologiaa integroidaan päivittäisiin toimintoihin tehokkuuden parantamiseksi ja päätöksenteon tukemiseksi, kiihtyy maailmanlaajuisesti.
Zalo AI:n tutkimusjohtajan, tohtori Chau Thanh Ducin, mukaan tekoälyn vauhti Vietnamissa johtuu monista tekijöistä, joista merkittävimpiä ovat tekoälymallien kehitys, laitteiston ja datainfrastruktuurin nopea parantuminen sekä digitaalinen muutosprosessi.
Vietnamia pidetään yhtenä maista, joilla on merkittävä potentiaali tekoälyn kehittämisessä, mistä osoituksena ovat osaajien hankintaohjelmat, teknologiayhteisön rakentaminen ja hallituksen tuki. Lisäksi Vietnamin kansalaisten valmiustason digitaaliseen muutokseen arvioidaan olevan korkea.
 |
Dr. Chau Thanh Duc, tutkimusjohtaja Zalo AI:lla. |
Tässä muutoksessa Zalo lanseerasi monia tekoälyyn liittyviä ominaisuuksia, kuten Kiki-virtuaaliassistentin. Yrityksen tavoitteena on kehittää työkaluja, jotka lisäävät työtehokkuutta ja ovat erityisen helppokäyttöisiä kaikille. Zalon työkalut tukevat kaikkea koodauksesta, ohjelmoinnista ja tutkimuksesta aina jokapäiväisiin toimintoihin, kuten viestintään, kääntämiseen ja kuvien hakuun.
Asiantuntijat uskovat kuitenkin, että tämä on vasta alkua, ja tekoälyn muutosprosessissa on vielä monia vaikeuksia. Zalo AI:n tiedejohtaja, tohtori Nguyen Truong Son, sanoi, että vaikeudet johtuvat turvallisuudesta, kustannusongelmista ja käyttäjien korkeista vaatimuksista. Nämä eivät ole vaikeuksia vain Zalolle, vaan myös käyttäjille ja yrityksille.
Ensimmäinen este liittyy sellaisen tekoälymallin valintaan, joka varmistaa tietyn tason autonomian. Kolmannen osapuolen mallit tarjoavat usein paremman suorituskyvyn ja tulosteen laadun, kun taas sisäisillä malleilla on etuna tiedon hallinta, mutta ne ovat rajoittuneita vakauden ja tehokkuuden suhteen.
    |
Zalo AI -edustajien jakamat tiedot. |
Lisäksi useimmilla nykyisillä malleilla on yhteisiä heikkouksia, kuten epätäydellinen tarkkuus ja epäjohdonmukainen tuloste. Monilla chatboteilla on rajallinen kyky ymmärtää ja käsitellä vietnamia, eivätkä ne täytä tiettyjä vaatimuksia tai konteksteja.
Tämän ongelman ratkaisemiseksi Zalon asiantuntijat ehdottivat useita ratkaisuja, kuten edistyneen mallinkehitysteknologian soveltamista ja luotettavien tietolähteiden yhdistämistä chatbottien koulutuksen aikana. Samanaikaisesti kehitystiimi arvioi mallia jatkuvasti sisäisten testien avulla.
Toinen haaste on kustannusten, suorituskyvyn ja turvallisuuden tasapainottaminen. Tohtori Nguyen Truong Sonin mukaan pienen mallin käyttäminen monimutkaisten pyyntöjen käsittelyyn voi lisätä käsittelyaikaa ja käyttökustannuksia, ja päinvastoin.
 |
Dr. Nguyen Truong Son, Zalo AI:n tiedejohtaja. |
Hän väitti, että optimointi voi alkaa heti komentojen syöttövaiheesta. Käyttäjät voivat vähentää token-kustannuksia rajoittamalla tarpeetonta pituutta ja tarjoamalla chatbotille selkeän ja ytimekkään kontekstin.
Järjestelmätasolla Zalo-tiimi toteuttaa erilaisia ratkaisuja, kuten ehdottaa sopivia komentoja ja ottaa käyttöön useita eri valvontakerroksia käyttäjätietojen turvallisuuden varmistamiseksi.
Vietnamin katsotaan yleisesti ottaen olevan hyvin valmistautunut globaaliin tekoälyaaltoon. Zalo on yksi tämän muutoksen varhaisista osallistujista, ja hän keskittyy ratkaisemaan kustannus-, laatu- ja turvallisuushaasteita tekoälyn laajamittaisessa käyttöönotossa.
Kova sirukilpailu
Tekoälyn räjähdysmäinen kasvu on seurausta laitteiston tai sirujen kehityksestä. OpenAI:n tohtori Pham Hy Hieu korostaa, että ChatGPT:n esiinmarssi mullisti sirut ja mahdollisti Nvidian nopean kasvun lyhyessä ajassa.
Kun ChatGPT käynnistettiin ensimmäisen kerran, sen toiminta perustui lähes kokonaan Nvidian siruihin. Tämä johti laitteistohankintojen äkilliseen kasvuun teknologiajättien, kuten Anthropicin ja Metan, toimesta.
Peli ei kuitenkaan ole tarkoitettu vain Nvidialle. Myös kilpailijat, kuten AMD ja Google, tarjoavat optimaalisia laitteistoratkaisuja tekoälymallinnuksen kehittäjille.
"Sirujen ja siruihin liittyvän pääoman virtaus vaikuttaa myös talousvirtoihin, ainakin Yhdysvaltojen talouden kasvuun."
Lisäksi tekoälyn kehittämiseen pyrkivillä yrityksillä on myös tavoitteita kehittää omia sirujaan, koska sirujen hankintakustannukset nousevat, joten pienikin säästö on valtava etu. Siksi jokainen yritys haluaa olla omavarainen siruresurssien suhteen", Hieu lisäsi.
 |
Dr. Pham Hy Hieu, joka edustaa OpenAI:ta. |
Tekoälysirujen markkinat jaetaan tällä hetkellä kahteen pääluokkaan niiden käyttötarkoituksen perusteella. Ensimmäinen luokka on harjoitussirut, jotka vaativat kykyä suorittaa suuria matriisikertolaskuja, tasaulotteisuutta ja suurta kaistanleveyttä tuhansien sirujen samanaikaiseen yhdistämiseen.
Toinen tyyppi on päättelypiiri, joka vaatii vaatimattomamman määrän linkkejä (noin 50–100 sirua) ja keskittyy pieniin, epäsäännöllisen kokoisiin matriisiongelmiin. Päättelypiirit vaativat kuitenkin hyvän tehon optimoinnin kestävän toiminnan varmistamiseksi.
Kehityshistoriaa tarkasteltaessa vuosina 2019–2023 keskityttiin GPT-mallien koulutukseen ja tiedon pakkaamiseen, mutta vuodesta 2024 eteenpäin painopiste on siirtymässä päättelykykyihin. Tämä muutos johtaa päättelypiirien kysyntään.
"Mikä on Vietnamin rooli sirujen valmistuksessa? Vaikka siruteollisuus on biljoonien dollarien teollisuudenala, emme tarvitse kymmeniä miljardeja dollareita osallistuaksemme siihen. Vietnamilaiset voivat osallistua tekoälysirujen maailmaan monin tavoin", Hieu jakoi.
 |
Näkemyksiä Dr. Pham Hy Hieulta tekoälyinfrastruktuurin laitteistosta. |
OpenAI:n edustajat ehdottivat kahta pääsuuntaa. Sen sijaan, että Vietnam kilpailisi sirujen tuottamisesta laajamittaisiin kielimalleihin, se voisi keskittyä kehittämään pienitehoisia siruja autoihin, älypuhelimiin tai implantoitaviin lääkinnällisiin laitteisiin. Nämä ovat markkinasegmenttejä, joilla on merkittävää kasvupotentiaalia ja alhaisemmat investointikustannukset.
Toiseksi on laitteiston ja ohjelmiston integrointi. Flash Attention 2 -algoritmin kaltaiset saavutukset osoittavat, kuinka ohjelmoinnin ja laitteiston nerokas yhdistelmä voi luoda läpimurtoja ilman massiivisia pääomasijoituksia.
"Tulevaisuus on niiden käsissä, jotka uskaltavat nähdä mahdollisuuksia, uskaltavat ottaa riskejä ja uskaltavat kohdata vaaroja", Hieu totesi.
Erinomaiset joukkueet Zalo AI Challenge 2025 -kilpailussa
Puhujien esitysten jälkeen Zalo AI Challenge 2025 -kilpailussa esiteltiin monia käytännön ratkaisuja tekoälyn soveltamiseen. Lokakuun lopulla käynnistettyyn kilpailuun osallistui yli 1 000 joukkuetta.
Tänä vuonna Zalo AI Challenge on jaettu kahteen sarjaan: RoadBuddy (algoritmien käyttö liikennemerkkien tunnistamiseen) ja AeroEyes (tekoälyn suunnittelu droneille maassa olevien kohteiden tunnistamiseksi). Voittajajoukkueet saavat yhteensä 12 000 dollarin käteispalkinnon sekä lahjoja sponsoreilta.
Järjestäjien mukaan tämän vuoden koekysymykset olivat kaikki käytännönläheisiä ja osoittivat tekoälyn potentiaalin tutkimusympäristöjen ulkopuolella reaalimaailman ongelmien ratkaisemisessa.
RoadBuddy-haasteessa kilpailijat keskittyivät autojen kojelautakameroiden datan käsittelyyn. Joukkueiden piti käsitellä 0–15 sekunnin mittaisia videoaineistoja, jotka oli tallennettu erilaisissa aikaolosuhteissa. Tekoälymallin tehtävänä oli tunnistaa tarkasti videolla näkyviä yksityiskohtia, kuten liikennemerkkejä, liikennevaloja ja kaistamerkintöjä.
    |
Zalo AI Challenge 2025 -kilpailun palkintojen jako ja myöntäminen. |
Kilpailevia joukkueita arvioitiin kahden kriteerin perusteella: tarkkuuden ja vasteajan perusteella, ja aineisto koostui 1 500 harjoitusnäytteestä, 500 julkisesta testinäytteestä ja 500 yksityisestä testinäytteestä.
Nguyen Truong Sonin arvion mukaan kilpailijat käyttivät edistyneitä tekniikoita, kuten Vision Language Model (VLM). Yleinen prosessi käsittää ruutujen poimimisen videosta syöttödatana ja niiden yhdistämisen malleihin, kuten Qwen tai YOLO, objektien tunnistamiseksi ja loogisen analyysin suorittamiseksi.
Lopputuloksissa CtelAI-tiimi sijoittui ensimmäiseksi 71,3 %:n tarkkuudella, ja seuraavaksi tuli BitterSweet 70,5 %:n tarkkuudella.
AeroEyes-teemalla joukkueet osallistuivat karsintakierrokseen ennen finaaliin etenemistä. Finaalissa ehdokkaiden piti ohjelmoida malleja suoraan droneihin, määrittää lentoreittejä ja ohjata kameroita todellisissa olosuhteissa esineiden havaitsemiseksi.
Tehtävän vaikeuden vuoksi vaatimukset täyttävien joukkueiden määrä ei ollut suuri, joten järjestäjät ottivat joustavasti käyttöön lisäaiheen. Kilpailevat joukkueet muokkasivat nopeasti mallejaan vaatimusten täyttämiseksi. Tuloksena oli joukkue AIO_C3A, joka voitti parhaan tehokkuutensa ansiosta. Toisen sijan jakoivat joukkueet IUH_Alers_K16 ja AEB.
Lähde: https://znews.vn/ai-se-di-xa-den-dau-post1613033.html
