Podstawowa sztuczna inteligencja CMC „Make in Vietnam” znalazła się w pierwszej dwunastce na świecie

Model CATI-VLM opracowany przez zespół badawczy CMC znalazł się w pierwszej dwunastce na świecie i pierwszym miejscu w Wietnamie w rankingu ogłoszonym niedawno przez Robust Reading Competition w czerwcu 2025 r.

Transformacja sztucznej inteligencji w Wietnamie postępuje dynamicznie, technologia OCR (optycznego rozpoznawania znaków) odgrywa coraz ważniejszą rolę w digitalizacji dokumentów. Zdjęcie: Ilustracja

Niedawno CMC Technology Application Institute (CMC ATI) ogłosił, że model CATI-VLM (Visual Document Understanding) opracowany przez zespół badawczy w oparciu o 5 TB dużego magazynu danych znalazł się w pierwszej dwunastce na świecie i na pierwszym miejscu w Wietnamie w rankingu ogłoszonym przez Robust Reading Competition (RRC) w czerwcu 2025 r. w kategorii Document Visual Question Answering (DocVQA).

Pan Dang Minh Tuan, dyrektor CMC ATI, powiedział: „Jesteśmy bardzo zadowoleni, że potencjał badawczy zespołu CMC został potwierdzony w prestiżowym globalnym ośrodku badawczym, takim jak RRC. Jesteśmy dumni, że w tak krótkim czasie zespół osiągnął wysoką pozycję, stając ramię w ramię z dużymi firmami z krajów rozwiniętych. Co ważniejsze, jest to wyraźny dowód na to, że zespół jest w stanie opanować technologię do rozwiązywania specyficznych problemów wietnamskich i specjalistycznych w Wietnamie”.

W kontekście dynamicznie zachodzącej w Wietnamie transformacji cyfrowej i sztucznej inteligencji (AI) technologia OCR (optycznego rozpoznawania znaków) odgrywa coraz ważniejszą rolę w digitalizacji dokumentów, automatyzacji procesów biznesowych, obniżaniu kosztów i zwiększaniu efektywności zarządzania.

Jednak biorąc pod uwagę specyfikę języka wietnamskiego, jego akcenty i charakter pisma, problem rozpoznania nie kończy się na „czytaniu słów”, ale wymaga, aby model miał zdolność do całościowego zrozumienia kontekstu.

CATI-VLM różni się od tradycyjnego OCR tym, że nie tylko wyodrębnia znaki, ale także rozumie wiele warstw informacji: zawartość tekstową, elementy nietekstowe (pola wyboru, pola wyboru, wykresy, podpisy, formuły), układ (struktura strony, tabele, formularze) i styl (czcionki, wyróżnienia...).

Model ten może odpowiadać na pytania wizualne zadawane na obrazach dokumentów, podobnie jak ChatGPT, bez konieczności wcześniejszego uczenia się konkretnych formularzy.

Robust Reading Competition (RRC) to prestiżowy konkurs naukowy , organizowany przez Centrum Wizji Komputerowej Uniwersytetu Autonomicznego w Barcelonie (UAB) w Hiszpanii, prestiżową placówkę badawczą na świecie w dziedzinie widzenia komputerowego.

Konkurs, który zainicjowano w 2011 r. i który stale towarzyszy Międzynarodowej Konferencji na temat Analizy i Rozpoznawania Tekstu ICDAR – jednemu z największych na świecie forów poświęconych analizie dokumentów i komputerowemu widzeniu – stał się ważnym wydarzeniem, przyciągającym badaczy, inżynierów z prestiżowych uniwersytetów, instytutów badawczych i firm technologicznych, takich jak Uniwersytet Tsinghua, Hyundai Motor Group i Tencent.

Misje RRC mają na celu napędzanie postępu technologicznego w kontekście rzeczywistych problemów, począwszy od tłumaczeń i zarządzania danymi przedsiębiorstwa, aż po analitykę miejską i przetwarzanie dokumentów historycznych.

Od pracy do rodzicielstwa: w jaki sposób prezesi firm technologicznych wykorzystują sztuczną inteligencję na co dzieńOd Jensena Huanga po Tima Cooka – najpotężniejsi prezesi firm technologicznych na świecie wykorzystują sztuczną inteligencję w swoim codziennym życiu.

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