Foundation Model

Một nền tảng mô hình (foundation model) đại diện cho một bước ngoặt lớn về mô hình tư duy trong lĩnh vực Artificial Intelligence (AI). Đây là một mô hình machine learning quy mô lớn được huấn luyện trên lượng dữ liệu khổng lồ—thường bao gồm hàng tỷ tham số—có thể thích ứng với rất nhiều tác vụ hạ nguồn khác nhau. Khác với các mô hình Machine Learning (ML) truyền thống vốn được xây dựng cho một mục đích đơn lẻ cụ thể như phân loại một loại hoa nhất định, một nền tảng mô hình học hỏi các mẫu hình, cấu trúc và mối quan hệ rộng lớn trong giai đoạn tiền huấn luyện đòi hỏi nhiều tài nguyên. Cơ sở kiến thức rộng lớn này cho phép các nhà phát triển áp dụng mô hình vào các vấn đề mới thông qua transfer learning, qua đó giảm đáng kể thời gian và dữ liệu cần thiết để đạt được kết quả tiên tiến nhất.

Các Cơ chế cốt lõi: Tiền huấn luyện và Thích ứng#

Sức mạnh của một nền tảng mô hình nằm ở quy trình phát triển hai giai đoạn: tiền huấn luyện và tinh chỉnh. Trong quá trình tiền huấn luyện, mô hình được tiếp xúc với các tập dữ liệu lớn, chẳng hạn như phần lớn internet, các thư viện hình ảnh đa dạng hoặc các kho lưu trữ mã nguồn phong phú. Giai đoạn này thường sử dụng self-supervised learning, một kỹ thuật trong đó mô hình tự tạo ra các nhãn từ chính cấu trúc dữ liệu, qua đó loại bỏ điểm nghẽn của việc data annotation thủ công. Ví dụ, một mô hình ngôn ngữ có thể học cách dự đoán từ tiếp theo trong câu, trong khi một mô hình thị giác học cách hiểu các đường viền, kết cấu và tính liên tục của đối tượng.

Sau khi được tiền huấn luyện, mô hình đóng vai trò là điểm khởi đầu linh hoạt. Thông qua một quá trình gọi là fine-tuning, các nhà phát triển có thể tinh chỉnh trọng số của mô hình trên một tập dữ liệu nhỏ hơn, chuyên biệt theo miền. Khả năng này đóng vai trò cốt lõi trong việc democratization of AI, vì nó cho phép các tổ chức có nguồn lực tính toán hạn chế tận dụng các kiến trúc mạnh mẽ. Các quy trình hiện đại thường sử dụng các công cụ như Ultralytics Platform để đơn giản hóa quá trình thích ứng này, cho phép huấn luyện hiệu quả trên các tập dữ liệu tùy chỉnh mà không cần phải xây dựng một mạng nơ-ron từ đầu.

Các ứng dụng trong thực tế#

Các nền tảng mô hình đóng vai trò là xương sống cho các đổi mới trên nhiều ngành công nghiệp khác nhau. Khả năng tổng quát hóa giúp chúng có thể áp dụng cho các tác vụ từ xử lý ngôn ngữ tự nhiên đến computer vision nâng cao.

• Computer Vision trong Y tế: Các nền tảng mô hình thị giác chuyên biệt có thể được tinh chỉnh để hỗ trợ medical image analysis. Một mô hình ban đầu được huấn luyện trên hình ảnh chung có thể được điều chỉnh để phát hiện khối u trong quét MRI hoặc xác định buckle fractures trong ảnh X-quang. Ứng dụng này chứng minh cách hiểu biết thị giác chung chuyển hóa thành các công cụ chẩn đoán cứu sống người bệnh.
• Tự động hóa Công nghiệp: Trong sản xuất, các mô hình thị giác như Ultralytics YOLO26 hoạt động như các kiến trúc nền tảng cho việc phát hiện đối tượng. Các nhà máy sử dụng các mô hình này để tự động hóa quality inspection, phát hiện lỗi trên các dây chuyền lắp ráp với tốc độ và độ chính xác cao. Kiến thức có sẵn của mô hình về ranh giới đối tượng giúp đẩy nhanh việc triển khai các giải pháp smart manufacturing này.

Ví dụ về triển khai kỹ thuật#

Các nhà phát triển có thể tận dụng các nền tảng mô hình để thực hiện các tác vụ phức tạp với lượng mã nguồn tối thiểu. Ví dụ sau đây minh họa cách tải một YOLO26 model đã được tiền huấn luyện—một nền tảng mô hình thị giác được tối ưu hóa cho các ứng dụng thời gian thực—và thực hiện phát hiện đối tượng trên một hình ảnh.

from ultralytics import YOLO

# Load a pre-trained YOLO26 foundation model
# 'n' stands for nano, the smallest and fastest version
model = YOLO("yolo26n.pt")

# Perform inference on an image to detect objects
# The model uses its pre-trained knowledge to identify common objects
results = model("https://ultralytics.com/images/bus.jpg")

# Display the results
results[0].show()

Phân biệt các thuật ngữ chính#

Việc phân biệt "Foundation Model" với các khái niệm liên quan trong hệ sinh thái AI là rất hữu ích để hiểu rõ vai trò cụ thể của chúng:

• Large Language Model (LLM): LLM là một loại nền tảng mô hình được thiết kế đặc biệt để xử lý và tạo văn bản. Mặc dù tất cả các LLM đều là nền tảng mô hình, không phải tất cả các nền tảng mô hình đều là LLM; danh mục này cũng bao gồm các mô hình thị giác như SAM (Segment Anything Model) và các hệ thống đa phương thức.
• Transfer Learning: Đây là kỹ thuật được sử dụng để áp dụng một nền tảng mô hình vào một tác vụ mới. Nền tảng mô hình là thành phần (mạng nơ-ron đã lưu), trong khi transfer learning là quá trình cập nhật kiến thức của thành phần đó cho một trường hợp sử dụng cụ thể, chẳng hạn như pest control in agriculture.
• Generative AI: Thuật ngữ này chỉ các hệ thống có khả năng tạo nội dung mới (văn bản, hình ảnh, mã nguồn). Nhiều nền tảng mô hình cung cấp năng lượng cho các ứng dụng generative AI, nhưng chúng cũng có thể được sử dụng cho các tác vụ phân biệt như phân loại hoặc object tracking vốn không hoàn toàn là "sinh sản nội dung" (generative).

Các hướng đi và tác động tương lai#

Sự tiến hóa của các nền tảng mô hình đang hướng tới multimodal AI, nơi một hệ thống duy nhất có thể xử lý và liên kết thông tin từ văn bản, hình ảnh, âm thanh và dữ liệu cảm biến đồng thời. Nghiên cứu từ các tổ chức như Stanford Institute for Human-Centered AI (HAI) làm nổi bật tiềm năng của các hệ thống này trong việc suy luận về thế giới giống con người hơn. Khi các mô hình này trở nên hiệu quả hơn, việc triển khai trên các thiết bị edge computing ngày càng trở nên khả thi, mang lại các năng lực AI mạnh mẽ trực tiếp cho điện thoại thông minh, máydrone và cảm biến IoT.