CMC کا 'میک ان ویتنام' کور AI دنیا میں ٹاپ 12 میں ہے۔

CMC کی تحقیقی ٹیم کے ذریعہ تیار کردہ CATI-VLM ماڈل نے حال ہی میں جون 2025 میں Robust Reading Competition کے ذریعے اعلان کردہ درجہ بندی میں دنیا کے ٹاپ 12 اور ویتنام میں ٹاپ 1 میں داخل ہو گیا ہے۔

ویتنام میں AI کی تبدیلی مضبوطی سے ہو رہی ہے، OCR (آپٹیکل کریکٹر ریکگنیشن) ٹیکنالوجی دستاویز کی ڈیجیٹلائزیشن میں تیزی سے اہم کردار ادا کر رہی ہے۔ تصویر: مثال

حال ہی میں، CMC ٹیکنالوجی ایپلی کیشن انسٹی ٹیوٹ (CMC ATI) نے CATI-VLM (Visual Document Understanding) ماڈل کا اعلان کیا ہے جسے ریسرچ ٹیم نے 5TB بڑے ڈیٹا گودام سے تیار کیا ہے، جو جون میں Robust Reading Competition (RRC) کے ذریعہ اعلان کردہ درجہ بندی میں دنیا میں ٹاپ 12 اور ویتنام میں ٹاپ 1 تک پہنچ گیا ہے۔ (DocVQA) زمرہ۔

سی ایم سی اے ٹی آئی کے ڈائریکٹر مسٹر ڈانگ من ٹان نے کہا: "ہمیں بہت خوشی ہے کہ CMC ٹیم کی تحقیقی صلاحیت کو RRC جیسے باوقار عالمی کھیل کے میدان کے ذریعے ثابت کیا گیا ہے۔ ہمیں فخر ہے کہ بہت کم وقت میں، ٹیم ترقی یافتہ ممالک کے بڑے ناموں کے ساتھ کندھے سے کندھا ملا کر ایک اعلی درجہ حاصل کر سکتی ہے۔ ویتنام میں خصوصی فیلڈز۔"

ویتنام میں ڈیجیٹل تبدیلی اور AI تبدیلی کے تناظر میں، OCR (آپٹیکل کریکٹر ریکگنیشن) ٹیکنالوجی دستاویزات کو ڈیجیٹائز کرنے، کاروباری عمل کو خودکار بنانے، اخراجات کو بچانے اور انتظامی کارکردگی کو بہتر بنانے میں تیزی سے اہم کردار ادا کر رہی ہے۔

تاہم، لہجے اور لکھاوٹ کے ساتھ ویتنامی کی خصوصیات کے ساتھ، شناخت کا مسئلہ 'الفاظ کو پڑھنے' پر نہیں رکتا، بلکہ اس کے لیے ماڈل کی ضرورت ہوتی ہے کہ وہ سیاق و سباق کو جامع طور پر سمجھنے کی صلاحیت رکھتا ہو۔

CATI-VLM روایتی OCR سے اس لحاظ سے مختلف ہے کہ یہ نہ صرف حروف کو نکالتا ہے، بلکہ معلومات کی متعدد پرتوں کو بھی سمجھتا ہے: متن کا مواد، غیر متنی عناصر (ٹک باکس، چیک باکس، چارٹ، دستخط، فارمولے)، لے آؤٹ (صفحہ کا ڈھانچہ، میزیں، فارم) اور طرز (فونٹس، ہائی لائٹس…)۔

ماڈل ChatGPT کی طرح دستاویز کی تصاویر پر پوچھے گئے بصری سوالات کا جواب دے سکتا ہے، بغیر کسی مخصوص فارم کو پہلے سے سیکھنے کی ضرورت کے۔

Robust Reading Competition (RRC) ایک باوقار سائنسی کھیل کا میدان ہے، جس کا اہتمام Universitat Autònoma de Barcelona (UAB) سپین کے کمپیوٹر وژن سنٹر نے کیا ہے، جو کہ کمپیوٹر ویژن کے میدان میں دنیا کی ایک باوقار تحقیقی سہولت ہے۔

2011 میں شروع کیا گیا، ہمیشہ متن کے تجزیہ اور شناخت پر بین الاقوامی کانفرنس ICDAR کے ساتھ - دستاویز کے تجزیہ اور کمپیوٹر ویژن پر دنیا کے سب سے بڑے فورمز میں سے ایک، مقابلہ ایک اہم ایونٹ بن گیا ہے، جس نے ممتاز یونیورسٹیوں کے محققین، انجینئرز، ریسرچ انسٹی ٹیوٹ اور ٹیکنالوجی کمپنیوں جیسے سنگھوا، ٹی موٹرسائیکل یونیورسٹی، اور موٹرسائیکل گروپ...

RRC کے مشنز کو تکنیکی ترقی کو آگے بڑھانے کے لیے ڈیزائن کیا گیا ہے، جو ترجمہ اور انٹرپرائز ڈیٹا مینجمنٹ سے لے کر شہری تجزیات اور تاریخی دستاویز کی پروسیسنگ تک حقیقی دنیا کے مسائل میں لنگر انداز ہیں۔

کام سے لے کر والدین تک: ٹیک سی ای اوز ہر روز AI کا استعمال کیسے کرتے ہیں جینسن ہوانگ سے لے کر ٹم کک تک، دنیا کے سب سے طاقتور ٹیک سی ای او اپنی روزمرہ کی زندگی میں AI کا فائدہ اٹھا رہے ہیں۔

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