AI phân tích hành vi đang giúp thị giác máy tính tạo ra nhiều tác động hơn

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

Tuy nhiên, các tác vụ này thường chỉ tập trung xác định một đối tượng là gì. Sẽ ra sao nếu hệ thống AI thị giác có thể tiến xa hơn? Chẳng hạn, thay vì chỉ phát hiện một con chó, hệ thống có thể hiểu rằng con chó đang đuổi theo quả bóng hoặc một chiếc ô tô đang phanh gấp vì có người đi bộ băng qua đường. Sự chuyển đổi từ nhận dạng cơ bản sang hiểu ngữ cảnh này đánh dấu bước chuyển lớn hướng tới AI hành vi thông minh hơn, có nhận thức về ngữ cảnh.

Tại YOLO Vision 2024 (YV24), sự kiện kết hợp thường niên của Ultralytics nhằm tôn vinh những tiến bộ trong AI thị giác, chủ đề phân tích hành vi bằng AI trở thành tâm điểm trong buổi chia sẻ thú vị của David Scott, CEO của The Main Branch.

Trong bài nói chuyện của mình, David đã trình bày quá trình chuyển đổi từ các tác vụ thị giác máy tính 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 chuyển đổi này. Ông nhấn mạnh cách giải mã các kiểu mẫu 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 buổi chia sẻ của David và khám phá 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 chính bằng một nhận định thực tế thẳng thắn: “Một đồng nghiệp của tôi thường nói: ‘Khoa học không bán được hàng’, điều này khiến nhiều người trong chúng ta ở đây hơi phật lòng vì chúng ta thực sự yêu khoa học. AI rất tuyệt - tại sao mọi người không mua nó chứ? Nhưng thực tế là mọi người không muốn mua chỉ vì chúng ta nghĩ nó tuyệt; họ cần một lý do để mua.”

Ông giải thích thêm rằng tại công ty The Main Branch, trọng tâm luôn là giải quyết các vấn đề thực tế bằng AI, chứ không chỉ phô diễn năng lực của AI. Nhiều khách hàng tìm đến để bàn về cách họ có thể sử dụng AI nói chung, nhưng ông cho rằng đó là cách tiếp cận ngược — giống như có giải pháp mà không có vấn đề cần giải quyết. Thay vào đó, họ hợp tác với những khách hàng đưa ra thách thức cụ thể để tạo ra các giải pháp AI thực sự tạo nên 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. Phát hiện những gì hiện diện chỉ là bước đầu tiên. Giá trị thực sự nằm ở việc xác định cách sử dụng thông tin đó và biến thông tin thành giá trị trong toàn bộ chuỗi giá trị.

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

Một bước quan trọng để AI thực sự hữu ích là vượt ra ngoài các tác vụ thị giác máy tính cơ bản như phát hiện đối tượng và sử dụng những thông tin thu được để theo dõi hành vi. David nhấn mạnh AI hành vi tập trung vào việc hiểu hành động và mẫu hành vi, chứ không chỉ nhận dạng đối tượng. Nhờ đó, AI có thể nhận biết các sự kiện có ý nghĩa và cung cấp thông tin chuyên sâu có thể hành động.

Ông đưa ra ví dụ về một con vật lăn trên sàn, hành vi có thể cho thấy con vật bị bệnh. Con người không thể theo dõi con vật suốt ngày đêm, nhưng hệ thống giám sát vận hành bằng AI có khả năng theo dõi hành vi thì có thể. Các giải pháp như vậy có thể giám sát đối tượng liên tục, phát hiện hành vi cụ thể, gửi cảnh báo và cho phép xử lý kịp thời. Điều này biến dữ liệu thô thành thông tin thiết thực và có giá trị.

David cũng cho thấy phương pháp này khiến AI không chỉ thú vị mà còn thực sự tạo ra tác động. Bằng cách giải quyết các vấn đề thực tế như giám sát hành vi và hành động dựa trên kết quả, theo dõi hành vi có thể trở thành phần cốt lõi của các giải pháp AI hiệu quả trong nhiều ngành.

Đưa AI hành vi vào thực tiễn#

David Scott tiếp tục minh họa cách Ultralytics YOLOv8, một model thị giác máy tính, tạo bước đột phá cho các dự án theo dõi hành vi của nhóm ông. Model mang đến nền tảng vững chắc để phát hiện, phân loại và theo dõi đối tượng. Nhóm của ông còn tiến thêm một bước và huấn luyện YOLOv8 tùy chỉnh để tập trung giám sát hành vi theo thời gian, giúp model thiết thực và hữu ích hơn trong các tình huống thực tế.

Đáng chú ý, với sự ra mắt của Ultralytics YOLO11, các giải pháp như những giải pháp do The Main Branch phát triển có thể trở nên đáng tin cậy và chính xác hơn nữa. Model 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 vấn đề này sau khi tìm hiểu kỹ hơn các ứng dụng của AI hành vi.

Tiếp theo, hãy cùng khám phá các giải pháp David đã đề cập và cách công nghệ theo dõi hành vi được ứng dụng trong thực tế để giải quyết những thách thức thường ngày và tạo ra tác động thiết thực.

HerdSense với phân tích hành vi bằng AI#

Trước tiên, David chia sẻ một thử thách thú vị mà nhóm đã giải quyết trong dự án HerdSense, liên quan đến việc theo dõi sức khỏe của hàng nghìn con bò tại một trang trại nuôi bò 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 đồng nghĩa với việc giám sát hàng chục nghìn con vật cùng lúc, và đây không phải là nhiệm vụ đơn giản.

Hình 2. HerdSense tập trung giám sát và nhận dạng bò bằng AI hành vi.

Để bắt đầu giải quyết vấn đề nhận dạng từng con bò và theo dõi hành vi, nhóm của David tổ chức hội thảo kéo dài hai ngày nhằm liệt kê mọi hành vi có thể cần giám sát. Tổng cộng, họ xác định được hơn 200 hành vi.

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

Nhóm của David phát triển một hệ thống thị giác máy tính để đảm bảo mỗi con bò luôn được nhận diện nhất quán, ngay cả trong những tình huống khó. Họ xác nhận rằng cùng một con bò luôn được gán cùng một ID, kể cả khi nó khuất khỏi tầm nhìn, hòa lẫn vào đàn hoặc xuất hiện trở lại sau đó.

Giám sát sức khỏe ngựa bằng thị giác máy tính#

Tiếp theo, David giới thiệu một dự án hấp dẫn khác, trong đó nhóm 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 sát sao như với bò. Thay vào đó, họ tập trung vào các hành vi cụ thể và theo dõi những chi tiết như thói quen ăn uống và mức độ hoạt động nói chung để sớm phát hiện vấn đề sức khỏe. Nhận diện những thay đổi nhỏ trong hành vi có thể giúp can thiệp sớm 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.

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

David cũng thảo luận về mức độ phức tạp của việc theo dõi hành vi qua một ví dụ hấp dẫn. Khi nghiên cứu các phương pháp cải thiện phân tích hành vi, nhóm ông bắt gặp một công ty tuyên bố có thể phát hiện hành vi trộm cắp tại cửa hàng bằng cách phân tích các tư thế cụ thể, chẳng hạn như người nào đó đút tay vào túi. Ban đầu, đây có vẻ là một ý tưởng thông minh - một số cử động có thể gợi ý 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 đút tay vào túi, không nhất thiết có nghĩa là ai đó đang trộm cắp. Đó có thể chỉ là dấu hiệu cho thấy họ đang thư giãn, suy nghĩ hoặc thậm chí cảm thấy lạnh. Vấn đề khi tập trung vào các tư thế riêng lẻ là cách này bỏ qua ngữ cảnh rộng hơn. Hành vi không chỉ là một hành động đơn lẻ - đó là chuỗi hành động theo thời gian, chịu ảnh hưởng của ngữ cảnh và ý định.

David nhấn mạnh rằng theo dõi hành vi thực sự phức tạp hơn nhiều và đòi hỏi cách tiếp cận toàn diện. Điều này liên quan đến việc phân tích chuỗi hành động và hiểu ý nghĩa của chúng trong bức tranh tổng thể. Ông lưu ý rằng dù ngành AI đang đạt được nhiều tiến bộ, vẫn còn nhiều việc cần làm để phát triển công nghệ theo dõi hành vi nhằm đưa ra thông tin chuyên sâu có ý nghĩa và chính xác.

Tạo model AI thị giác thông minh hơn có khả năng hiểu hành động#

Sau đó, David đưa khán giả vào hậu trường để giới thiệu cách nhóm ông xây dựng giải pháp thị giác máy tính 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 lượng tư thế của bò, tăng số lượng keypoint tiêu chuẩn từ 17 lên 145 để 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 hành vi.

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

Kết quả là một giải pháp vận hành bằng AI thị giác có thể phát hiện và theo dõi tám hành vi khác nhau của bò như ăn, uống và nằm, từ đó phát hiện những thay đổi nhỏ trong hành vi có thể báo hiệu vấn đề sức khỏe. Giải pháp này giúp nông dân hành động nhanh chóng và cải thiện việc quản lý đàn.

Tương lai của AI hành vi#

David kết thúc bài chia sẻ bằng một bài học quan trọng dành cho khán giả: "Nếu không cho AI cơ hội thất bại, bạn đang tự đặt mình vào nguy cơ thất bại vì rốt cuộc, AI mang tính thống kê." Ông chỉ ra rằng AI, dù có nhiều điểm mạnh, vẫn không hoàn hảo. Đây là công cụ học từ các mẫu và sẽ luôn có lúc đưa ra kết quả chưa chính xác. Thay vì lo sợ những sai sót đó, điều cốt yếu là xây dựng hệ thống có thể xử lý sai sót và tiếp tục cải thiện theo thời gian.

Điều này cũng đúng với chính các model thị giác máy tính. Ví dụ, Ultralytics YOLO11, phiên bản mới nhất của các model Ultralytics YOLO vào thời điểm đó (sau này được Ultralytics YOLO26 thay thế), được xây dựng với mục tiêu đưa hiệu năng lên một tầm cao mới so với YOLOv8.

Hình 5. Các tác vụ thị giác máy tính được Ultralytics YOLO11 hỗ trợ.

Đặc biệt, Ultralytics YOLO11 mang lại hiệu năng tốt hơn, nhất là trong các ứng dụng thời gian thực đòi hỏi độ chính xác cao, chẳng hạn như nông nghiệp và chăm sóc sức khỏe. Với các tính năng tiên tiến, YOLO11 giúp các ngành công nghiệp thu thập thông tin chuyên sâu theo thời gian thực và giải quyết thách thức hiệu quả hơn.

Điểm chính cần ghi nhớ#

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

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

Hãy duy trì kết nối với cộng đồng của chúng tôi để tìm hiểu thêm về AI và các ứng dụng thực tế của AI. Truy cập kho GitHub của chúng tôi để khám phá những đổi mới trong các lĩnh vực như AI trong nông nghiệp và thị giác máy tính trong sản xuất.