AI phân tích hành vi đang giúp computer vision tạo ra tác động lớn hơn

Trong nhiều năm, các đổi mới về computer vision tập trung vào những tác vụ như phát hiện đối tượng - xác định các đối tượng như chó hoặc ô tô trong hình ảnh và video. Những phương pháp này đã hỗ trợ các ứng dụng trong những lĩnh vực như xe tự hành, sản xuất và chăm sóc sức khỏe.

Tuy nhiên, các tác vụ này thường chỉ tập trung vào việc xác định một đối tượng là gì. Nếu các hệ thống vision AI có thể tiến thêm một bước thì sao? Chẳng hạn, thay vì chỉ phát hiện một con chó, hệ thống có thể hiểu rằng con chó đang đuổi theo một quả bóng, hoặc một chiếc ô tô đang phanh gấp vì có người đi bộ băng qua đường. Sự chuyển dịch từ nhận dạng cơ bản sang thấu hiểu ngữ cảnh này đánh dấu một bước chuyển lớn hướng tới AI hành vi thông minh hơn và nhận biết ngữ cảnh.

Tại YOLO Vision 2024 (YV24), sự kiện kết hợp thường niên của Ultralytics nhằm tôn vinh những tiến bộ trong vision AI, khái niệm phân tích hành vi do AI điều khiển đã trở thành tâm điểm trong một bài nói chuyện thú vị của David Scott, CEO của The Main Branch.

Trong bài nói chuyện, David đã tìm hiểu quá trình chuyển đổi từ các tác vụ computer vision cơ bản sang theo dõi hành vi. Với hơn 25 năm kinh nghiệm xây dựng các ứng dụng công nghệ tiên tiến, ông đã cho thấy tác động của bước tiến này. Ông nhấn mạnh cách việc giải mã các quy luật và hành vi đang định hình lại những ngành như nông nghiệp và phúc lợi động vật.

Trong bài viết này, chúng ta sẽ điểm qua những nội dung nổi bật trong bài nói chuyện của David và tìm hiểu cách theo dõi hành vi giúp AI trở nên thiết thực hơn.

Tìm hiểu những thách thức trong việc ứng dụng AI#

David Scott mở đầu bài phát biểu quan trọng bằng một thực tế đáng suy ngẫm và nói: “Một đồng nghiệp của tôi thường nói rằng, ‘Khoa học không bán được hàng’, điều này phần nào khiến nhiều người trong chúng ta ở đây phật ý vì chúng ta thực sự yêu thích khoa học. AI thực sự rất tuyệt - tại sao mọi người lại không mua nó? Nhưng thực tế là mọi người không muốn mua chỉ vì chúng ta nghĩ nó tuyệt vời; họ cần một lý do để mua.”

Ông tiếp tục giải thích rằng tại công ty của mình, The Main Branch, trọng tâm luôn là giải quyết các vấn đề thực tế bằng AI, chứ không chỉ phô diễn năng lực của công nghệ. Nhiều khách hàng tìm đến với mong muốn trao đổi về cách họ có thể sử dụng AI nói chung, nhưng ông cho rằng đó là cách tiếp cận ngược - giống như có một giải pháp nhưng không có vấn đề cần giải quyết. Thay vào đó, họ làm việc với những khách hàng đưa ra các thách thức cụ thể để có thể tạo ra các giải pháp AI thực sự tạo ra khác biệt.

Hình 1. David Scott trên sân khấu tại YV24.

David cũng chia sẻ rằng công việc của họ thường vượt xa việc chỉ nhận dạng các đối tượng trong một cảnh. Xác định những gì đang hiện diện chỉ là bước đầu tiên. Giá trị thực sự đến từ việc tìm ra cách sử dụng thông tin đó và biến nó thành hữu ích trong chuỗi giá trị lớn hơn.

Công nghệ theo dõi hành vi: chìa khóa để AI tạo ra hành động#

Một bước quan trọng để AI thực sự hữu ích là vượt ra ngoài các tác vụ computer vision cơ bản như phát hiện đối tượng và sử dụng những thông tin thu được để theo dõi hành vi. David nhấn mạnh rằng AI hành vi tập trung vào việc thấu hiểu hành động và quy luật, chứ không chỉ xác định đối tượng. Điều này giúp AI có khả năng nhận biết các sự kiện có ý nghĩa và cung cấp những thông tin chi tiết có thể hành động.

Ông đưa ra ví dụ về một con vật lăn trên sàn, hành vi có thể cho thấy nó đang bị bệnh. Con người không thể quan sát một con vật suốt ngày đêm, nhưng các hệ thống giám sát do AI điều khiển có khả năng theo dõi hành vi thì có thể. Những giải pháp này có thể liên tục giám sát đối tượng, phát hiện các hành vi cụ thể, gửi cảnh báo và cho phép thực hiện hành động kịp thời. Nhờ đó, dữ liệu thô được chuyển thành thông tin thiết thực và có giá trị.

David cũng cho thấy cách tiếp cận này giúp AI không chỉ thú vị mà còn thực sự tạo ra tác động. Bằng cách giải quyết các vấn đề thực tế, chẳng hạn như giám sát hành vi và hành động dựa trên chúng, theo dõi hành vi có thể trở thành một phần quan trọng của các giải pháp AI hiệu quả trong nhiều ngành khác nhau.

Đưa AI hành vi vào thực tiễn#

David Scott sau đó minh họa cách Ultralytics YOLOv8, một model computer vision, đã tạo ra bước đột phá cho các dự án theo dõi hành vi của nhóm ông. Model này cung cấp nền tảng vững chắc để phát hiện, phân loại và theo dõi đối tượng. Nhóm của ông cũng tiến thêm một bước và đào tạo tùy chỉnh YOLOv8 để tập trung giám sát hành vi theo thời gian, giúp model trở nên thiết thực và hữu ích hơn trong các tình huống thực tế.

Đáng chú ý, với sự ra mắt của Ultralytics YOLO11, những giải pháp như các giải pháp do The Main Branch tạo ra có thể trở nên đáng tin cậy và chính xác hơn nữa. Model mới nhất này cung cấp các tính năng như độ chính xác được cải thiện và tốc độ xử lý nhanh hơn, giúp nâng cao khả năng theo dõi hành vi. Chúng ta sẽ thảo luận chi tiết hơn về nội dung này sau khi hiểu rõ hơn về các ứng dụng có thể sử dụng AI hành vi.

Tiếp theo, hãy cùng tìm hiểu các giải pháp được David đề cập và cách công nghệ theo dõi hành vi đang được sử dụng trong những ứng dụng thực tế để giải quyết các thách thức hằng ngày và tạo ra tác động có ý nghĩa.

HerdSense với phân tích hành vi do AI điều khiển#

Đầu tiên, David chia sẻ một thách thức thú vị mà họ đã giải quyết trong một dự án có tên HerdSense, liên quan đến việc giám sát sức khỏe của hàng nghìn con bò tại một khu chăn nuôi vỗ béo quy mô lớn. Mục tiêu là theo dõi hành vi của từng con bò để xác định các vấn đề sức khỏe tiềm ẩn. Điều này đòi hỏi phải theo dõi hàng chục nghìn con vật cùng lúc và rõ ràng không phải là một nhiệm vụ đơn giản.

Hình 2. HerdSense tập trung giám sát và xác định bò bằng AI hành vi.

Để bắt đầu giải quyết bài toán xác định từng con bò và theo dõi hành vi của chúng, nhóm của David đã tổ chức một workshop kéo dài hai ngày nhằm liệt kê mọi hành vi có thể cần giám sát. Tổng cộng, họ đã xác định hơn 200 hành vi.

Mỗi hành vi trong số 200 hành vi đó đều phụ thuộc vào khả năng nhận dạng chính xác từng con bò, vì toàn bộ dữ liệu phải được gắn với những con vật cụ thể. Một mối lo ngại lớn là việc theo dõi bò khi chúng tụ lại thành từng nhóm, khiến việc quan sát từng con trở nên khó khăn.

Nhóm của David đã phát triển một hệ thống computer vision để bảo đảm mỗi con bò luôn được xác định nhất quán, ngay cả trong những tình huống phức tạp. Họ có thể xác nhận rằng cùng một con bò luôn được gán cùng một ID, ngay cả khi nó biến mất khỏi tầm nhìn, hòa vào đàn hoặc xuất hiện trở lại sau đó.

Giám sát sức khỏe ngựa bằng computer vision#

Tiếp theo, David giới thiệu một dự án thú vị khác, trong đó họ áp dụng các kỹ thuật theo dõi hành vi tương tự để giám sát ngựa. Trong dự án này, nhóm của David không cần theo dõi ID của từng con ngựa chặt chẽ như với bò. Thay vào đó, họ tập trung vào các hành vi cụ thể và theo dõi những chi tiết như kiểu ăn uống và mức độ hoạt động nói chung để sớm phát hiện các vấn đề sức khỏe. Việc nhận biết những thay đổi nhỏ trong hành vi có thể giúp can thiệp nhanh hơn, chăm sóc tốt hơn và ngăn vấn đề trở nên nghiêm trọng.

Hình 3. Giám sát ngựa với sự hỗ trợ của AI hành vi.

Tại sao AI hành vi không đơn giản như vẻ ngoài#

David cũng thảo luận về sự phức tạp của việc theo dõi hành vi thông qua một ví dụ đáng chú ý. Trong quá trình nghiên cứu cách cải thiện phân tích hành vi, nhóm của ông bắt gặp một công ty tuyên bố có thể phát hiện hành vi trộm cắp trong cửa hàng bằng cách phân tích các tư thế cụ thể, chẳng hạn như việc ai đó để tay trong túi. Thoạt đầu, đây có vẻ là một ý tưởng thông minh - một số chuyển động nhất định có thể cho thấy hành vi đáng ngờ, phải không?

Hình 4. Tìm hiểu những thách thức của công nghệ theo dõi hành vi.

Tuy nhiên, khi tìm hiểu sâu hơn, David nhận ra những hạn chế của phương pháp này. Một tư thế đơn lẻ, chẳng hạn như để tay trong túi, không nhất thiết có nghĩa là ai đó đang trộm đồ. Người đó có thể chỉ đang thư giãn, suy nghĩ hoặc thậm chí cảm thấy lạnh. Vấn đề của việc tập trung vào các tư thế riêng lẻ là nó bỏ qua bối cảnh lớn hơn. Hành vi không chỉ là một hành động đơn lẻ - đó là một chuỗi hành động theo thời gian, được định hình bởi bối cảnh và ý định.

David nhấn mạnh rằng theo dõi hành vi thực sự phức tạp hơn nhiều và đòi hỏi một cách tiếp cận toàn diện. Đây là việc phân tích các chuỗi hành động và thấu hiểu ý nghĩa của chúng trong bức tranh tổng thể. Mặc dù ngành AI đang đạt được những bước tiến, ông lưu ý rằng vẫn còn nhiều việc cần làm để phát triển hoạt động theo dõi hành vi và cung cấp các thông tin chi tiết có ý nghĩa, chính xác.

Tạo các model vision AI thông minh hơn có khả năng thấu hiểu hành động#

Sau đó, David đưa khán giả vào hậu trường để giới thiệu cách nhóm của ông xây dựng một giải pháp computer vision nhằm giám sát sức khỏe bò với sự hỗ trợ của Ultralytics YOLOv8 và khả năng ước tính tư thế của model.

Họ bắt đầu bằng cách tạo một dataset tùy chỉnh để ước tính tư thế của bò, tăng số lượng key point tiêu chuẩn từ 17 lên 145 nhằm giúp model phân tích chuyển động tốt hơn. Sau đó, model được huấn luyện trên một dataset khổng lồ gồm hơn 2 triệu hình ảnh và 110 triệu ví dụ về hành vi.

Sử dụng hạ tầng phần cứng tiên tiến, nhóm của David có thể huấn luyện model chỉ trong hai ngày thay vì mất nhiều tuần nếu dùng phần cứng thông thường. Sau đó, model đã huấn luyện được tích hợp với một bộ theo dõi hành vi tùy chỉnh, có khả năng phân tích đồng thời nhiều frame video để phát hiện các quy luật trong hành động của bò.

Kết quả là một giải pháp vision AI do AI điều khiển, có thể phát hiện và theo dõi tám hành vi khác nhau của bò như ăn, uống và nằm, qua đó nhận biết những thay đổi nhỏ trong hành vi có thể báo hiệu các vấn đề sức khỏe. Điều này cho phép người chăn nuôi hành động nhanh chóng và cải thiện công tác quản lý đàn.

Tương lai của AI hành vi#

David kết thúc bài nói chuyện bằng một bài học quan trọng dành cho khán giả: "Nếu bạn không dành cho AI không gian để thất bại, bạn đang tự đẩy mình đến thất bại vì suy cho cùng, AI mang tính thống kê." Ông chỉ ra rằng AI, dù có nhiều thế mạnh, vẫn không hoàn hảo. Đây là một công cụ học từ các quy luật và sẽ luôn có những lúc đưa ra kết quả không chính xác. Thay vì sợ những sai sót đó, điều quan trọng là xây dựng các hệ thống có thể xử lý chúng và tiếp tục cải thiện theo thời gian.

Điều này cũng đúng với chính các model computer vision. Chẳng hạn, Ultralytics YOLO11, phiên bản mới nhất của các model YOLO của Ultralytics, được xây dựng với mục tiêu đưa công nghệ lên một tầm cao mới so với YOLOv8.

Hình 5. Các tác vụ computer vision được Ultralytics YOLO11 hỗ trợ.

Đặc biệt, Ultralytics YOLO11 mang lại hiệu năng tốt hơn, nhất là trong các ứng dụng thời gian thực mà độ chính xác đóng vai trò then chốt, như nông nghiệp và chăm sóc sức khỏe. Với các tính năng tiên tiến, YOLO11 đang định hình lại cách các ngành sử dụng AI bằng cách cung cấp thông tin chi tiết thời gian thực mang tính đổi mới và giúp họ giải quyết thách thức hiệu quả hơn.

Những điểm chính#

Bài phát biểu của David tại YV24 nhắc nhở chúng ta rằng AI không chỉ là một đổi mới thú vị - đây là một công cụ mạnh mẽ để giải quyết các vấn đề thực tế và cải thiện cách chúng ta sống và làm việc. Bằng cách tập trung vào hành vi, AI đã tạo ra tác động trong những lĩnh vực như theo dõi sức khỏe động vật và nhận biết các quy luật có ý nghĩa trong những hành động thường ngày.

Tiềm năng của AI hành vi rất đáng kỳ vọng và chúng ta mới chỉ bắt đầu. Bằng cách chuyển đổi dữ liệu thô thành thông tin chi tiết có thể hành động, AI hành vi chuyển từ giám sát thụ động sang chủ động giải quyết vấn đề. Khi tiếp tục phát triển, AI hành vi được kỳ vọng sẽ thúc đẩy các quyết định thông minh hơn, tinh gọn quy trình và mang lại những cải thiện có ý nghĩa cho cuộc sống.

Hãy kết nối với cộng đồng của chúng tôi để tìm hiểu thêm về AI và các ứng dụng thực tế của công nghệ này. Truy cập repository GitHub của chúng tôi để khám phá những đổi mới trong các lĩnh vực như AI trong nông nghiệp và computer vision trong sản xuất.