Fiatal vietnami mérnökök vezetik a mesterséges intelligencia világát két egymást követő évben is

A közelmúltban került sor a Hawaiin (USA) megrendezett Nemzetközi Számítógépes Látás Konferencia (ICCV 2025) keretében az AI City Challenge 2025 (MI az okosvárosokban) eredményhirdetésére. A 2024-es győzelem után idén a VNPT MI-mérnökcsapata első helyezést ért el az Ultra-nagy látószögű kamerák képadataiból objektumok feldolgozása és felismerése peremhálózati eszközökön (edge AI) kategóriában. A probléma megoldása valós idejű feldolgozási sebességgel rendelkező MI-rendszert igényel, közvetlenül kompakt hardvereszközökön, miközben nagy pontossággal ismeri fel az objektumokat erősen torzított képadatokból, megfelelve a gyakorlati igényeknek.

Az AI City Challenge 2025 a világ egyik legrangosabb éves versenye, amelyet az okosvárosokban alkalmazott mesterséges intelligencia (MI) témájában rendeznek. Az idei verseny négy, a korábbi szezonokhoz képest nagyobb komplexitású kategóriát foglal magában, és több mint 30 000 csapatot vonz az olyan erős MI-fejlesztéssel rendelkező országokból, mint az Egyesült Államok, Kína, Korea, Tajvan stb.

A VNPT mérnöki csapata élen jár a mesterséges intelligencia pontosságának és a peremhálózati feldolgozási sebességnek köszönhetően.

A mesterséges intelligencia peremhálózati képességeinek fejlesztésének kihívása

Az ultra-nagy látószögű kamerák képadataiból származó objektumok feldolgozásának és felismerésének problémája 2024 óta szerepel az AI City Challenge versenyben, tükrözve a számítógépes látás jelenlegi forgalomfigyelő rendszerekben való alkalmazásának trendjét. A nagyfokú gyakorlatiasságnak köszönhetően ez a kategória mindig is az a verseny, amely a teljes versenyen a legtöbb csapattal rendelkezik. Idén a kategória nehézsége fokozódik, mivel a torzított és deformált képek pontos feldolgozása mellett a csapatoknak optimalizálniuk kell a teljes folyamatot, hogy a modell hatékonyan működjön a peremhálózati eszközökön is.

A VNPT mérnöki csapata számos technikát alkalmaz a járművek gyors és pontos azonosítására.

A csapatoknak optimalizálniuk kellett modelljeiket, hogy hatékonyan fussanak a Jetson Orin-on, egy kis eszközön, amely az adatgyűjtési ponton található (edge device-nak nevezett), és amelynek teljesítménykorlátja 30 W, és sokkal alacsonyabb számítási teljesítménye van, mint egy központi szervernek. Ez azt jelentette, hogy a csapatok nem használhattak túl nagy modelleket, hanem egyszerűsíteniük és optimalizálniuk kellett a programot, hogy gyorsabban fusson, kevesebb erőforrást fogyasztson, és továbbra is pontosan felismerje a járműveket. Ezek a változások tették az AI City Challenge 2025-öt az egyik legnehezebb szezonná, különösen mivel a csapatok tanultak a tavalyi tapasztalatokból, és a verseny szintje jelentősen megnőtt.

Használja ki a valós modelloptimalizálási tapasztalatokat

A forgalomfigyelési problémákban a számítási infrastruktúra és a hálózati kapcsolatok gyakran korlátozottak, ami nagy kihívást jelent a pontos és hatékony MI-modellek fejlesztése szempontjából. Ez az oka annak is, hogy az Edge AI elkerülhetetlen trenddé vált. Ahelyett, hogy minden adatot egy központi szerverre küldenének feldolgozásra, a modell közvetlenül a gyűjtőeszköznél (például egy kameránál) helyezkedik el, ami segít a gyorsabb reagálásban, a késleltetés csökkentésében, a sávszélesség megtakarításában és az adatbiztonság garantálásában, különösen a nagyméretű megfigyelőrendszerekben.

Az AI City Challenge 2025 versenyen kihirdetett eredmények szerint a VNPT mérnökcsapata az első helyen végzett, megelőzve a világ több száz nagy technológiai vállalatától, kutatóintézetétől és egyetemétől érkező csapatot. Ez az eredmény hozzájárul a forgalomfigyelés és a városi biztonság mesterséges intelligencia ökoszisztémájának megerősítéséhez az országban, ahol az ultraszéles látószögű kamerákat széles körben alkalmazzák a megfigyelési terület bővítésére, a holtterek csökkentésére, a telepített eszközök számának csökkentésére és a városi infrastruktúra működésének hatékonyságának javítására. A képfeldolgozáshoz használt mesterséges intelligencia modellek fejlesztésében és hazai telepítésében szerzett több mint hét éves tapasztalattal a VNPT mérnökcsapata felhalmozta azt a képességet, hogy egyensúlyt teremtsen a pontosság, a sebesség és az üzemeltetési költségek között - ezek a tényezők határozzák meg a mesterséges intelligencia valós környezetben történő alkalmazásának hatékonyságát.

A VNPT csapata több mint 40 képfeldolgozó mesterséges intelligencia modellt fejlesztett ki és sajátított el.

A VNPT csapata jelenleg több mint 40 különböző képfeldolgozó mesterséges intelligencia modellt fejlesztett ki és sajátított el, mint például a rendszámfelismerés, a forgalomáramlás mérése, a sisakészlelés, valamint olyan vietnami modelleket is, mint a három személyt szállító járművek, a terjedelmes áruk szállításának észlelése, vagy a tűz és fegyverek észlelése a biztonság és a városi megfigyelés területén. Ezeket a modelleket úgy optimalizálták, hogy különféle hardvereken működjenek, a GPU-któl, a CPU-któl az NPU-kig, kielégítve a rendszerek és az ügyfelek változatos igényeit.

A nagy léptékű, hatékony telepítés érdekében, különösen a helyszíni modellben és a peremhálózaton, több száz kamerával egyidejűleg, a VNPT mérnökei optimális feldolgozási módszereket is kidolgoztak, amelyek lehetővé teszik több száz videoadatfolyam egyidejű működtetését. Ez a megközelítés megkönnyíti a mesterséges intelligencia alapú megoldások skálázását, erőforrásokat takarít meg, és számos település infrastrukturális körülményeihez igazodik.

Ezt a tapasztalatot felhasználva az AI City Challenge 2025 versenyen, a csapat olyan technikák kombinációját alkalmazta, mint a modell tömörítése a méret és a feldolgozási erőforrások csökkentése érdekében, a képfeldolgozási folyamat optimalizálása a késleltetés csökkentése érdekében, valamint a programozási nyelv és a kódszerkezet finomítása a teljes feldolgozási lánc kialakítása érdekében a lehető legjobb teljesítmény érdekében. Ez a megközelítés segít a modell pontosságának megőrzésében, miközben növeli a következtetési sebességet és a hardveresen korlátozott peremhálózati eszközökön való telepítést.

Multidiszciplináris mélytanuláson alapuló mesterséges intelligencia kutatási platform

A VNPT számára nemcsak a fiatal, tehetséges munkatársakból és az erős számítástechnikai infrastruktúrából álló csapat, hanem egy átfogó, nemzetközi szabványoknak megfelelő és rangos versenyeken magas díjakat nyerő MI-termékökoszisztéma egyik fontos előfeltétele a számos területen meglévő mélyreható MI-kutatási platform.

A képfeldolgozásban alkalmazott mesterséges intelligencia alkalmazásaival kapcsolatban a VNPT az intelligens városi és közlekedési rendszerek mellett az orvosi területen is támogatja a kutatási alkalmazásokat. 2025 szeptemberében a csoport tudományos kutatást jelentett be a MICCAI 2025-ön - a világ vezető orvosi mesterséges intelligencia és számítógépes látás konferenciáján. A kutatás a pajzsmirigyrák diagnosztizálásában alkalmazott mesterséges intelligencia alkalmazásokra összpontosított, és közel 10 000 beteg adataival végezték az ország 3 régiójában, 4 év alatt. A projekt alapvető szerepet játszik az ország lakossági jellemzőihez és egészségügyi állapotaihoz igazodó automatikus diagnosztikai támogató rendszerek fejlesztésében, segítve a pontosság javítását, a diagnózis felállításának idejének lerövidítését, az orvosok munkaterhelésének csökkentését és a magas színvonalú orvosi szolgáltatásokhoz való hozzáférés kiterjesztését a helyi szintre.

A VNPT mesterséges intelligencia mérnöki csapata számos rangos tudományos konferencián publikált kutatásokat.

A nyelv- és beszédfeldolgozás területén a VNPT kutatásokat jelentett be az EMNLP 2025-ön - egy A*-besorolású mesterséges intelligencia konferencián a természetes nyelvi feldolgozásról -, valamint az ICASSP 2025-ön - egy A1-besorolású beszédfeldolgozási konferencián. Ezek a munkák fejlett gépi tanulási technikákat alkalmaznak nagy nyelvi modellek (LLM) és generatív mesterséges intelligencia fejlesztésében, azzal a céllal, hogy javítsák a mesterséges intelligencia modellek azon képességét, hogy megértsék a vietnami kontextust, érzelmeket és árnyalatokat - amelyek összetett tényezők, és ritkán modelleződnek a nemzetközi korpuszokban. Ennek köszönhetően a vietnami nyelv egyre inkább jelen van a globális NLP kutatói közösségben, megnyitva a lehetőséget erős, egyedi és a vietnami emberek számára megfelelő nyelvi modellek építésére.

Forrás: https://vnpt.com.vn/gioi-thieu/tin-tuc/nhom-ky-su-tre-viet-nam-hai-nam-lien-tiep-dung-dau-san-choi-ai-toan-cau.html