Graph Neural Network (GNN)

Mạng Nơ-ron Đồ thị (GNN) là một lớp kiến trúc học sâu chuyên dụng được thiết kế để xử lý dữ liệu được biểu diễn dưới dạng đồ thị. Trong khi các mô hình truyền thống như Convolutional Neural Networks (CNNs) được tối ưu hóa cho các cấu trúc dạng lưới như hình ảnh, và Recurrent Neural Networks (RNNs) xuất sắc trong dữ liệu tuần tự như văn bản hoặc Time Series Analysis, GNN lại có khả năng đặc biệt trong việc xử lý dữ liệu phi Euclid. Điều này có nghĩa là chúng vận hành trên các tập dữ liệu được định nghĩa bởi các nút (thực thể) và cạnh (mối quan hệ), cho phép chúng học hỏi từ các sự phụ thuộc lẫn nhau phức tạp đặc trưng cho các mạng lưới trong thế giới thực. Bằng cách nắm bắt cả các thuộc tính của từng điểm dữ liệu đơn lẻ và các kết nối cấu trúc giữa chúng, GNN mở ra những thông tin chi tiết mạnh mẽ trong các lĩnh vực mà các mối quan hệ quan trọng không kém gì chính các thực thể đó.

Cách thức hoạt động của Mạng thần kinh đồ thị#

Cơ chế cơ bản đằng sau một GNN là một quá trình thường được gọi là "truyền thông điệp" hoặc tổng hợp lân cận. Trong khuôn khổ này, mọi nút trong đồ thị cập nhật biểu diễn của chính nó bằng cách thu thập thông tin từ các lân cận trực tiếp của nó. Trong quá trình model training, mạng lưới học cách tạo ra các embeddings hiệu quả—các biểu diễn véc-tơ dày đặc—mã hóa các đặc trưng của một nút cùng với cấu trúc tô-pô của vùng lân cận cục bộ của nó.

Thông qua nhiều lớp xử lý, một nút cuối cùng có thể kết hợp thông tin từ xa hơn trong đồ thị, qua đó mở rộng "trường tiếp nhận" của nó một cách hiệu quả. Điều này cho phép mô hình hiểu được bối cảnh của một nút trong cấu trúc lớn hơn. Các framework hiện đại như PyTorch Geometric và Deep Graph Library (DGL) hỗ trợ việc thực thi các sơ đồ truyền thông điệp phức tạp này, giúp các lập trình viên xây dựng các ứng dụng dựa trên đồ thị tinh vi mà không cần bắt đầu từ con số không.

GNN so với các kiến trúc thần kinh khác#

Để đánh giá đúng vai trò đặc biệt của GNN, việc phân biệt chúng với các loại neural network (NN) phổ biến khác trong hệ sinh thái AI là rất hữu ích:

• Convolutional Neural Networks (CNNs): Đây là tiêu chuẩn vàng cho các tác vụ thị giác, chẳng hạn như image classification hoặc object detection. Các mô hình như Ultralytics YOLO26 dựa vào CNN để xử lý dữ liệu điểm ảnh dạng lưới cố định. Tuy nhiên, CNN gặp khó khăn với các cấu trúc bất thường nơi số lượng lân cận thay đổi đối với mỗi nút.
• Recurrent Neural Networks (RNNs): RNN xử lý các đầu vào theo một trình tự cụ thể, khiến chúng trở nên lý tưởng cho các tác vụ ngôn ngữ hoặc Natural Language Processing (NLP). Ngược lại, GNN xử lý dữ liệu nơi các mối quan hệ mang tính không gian hoặc quan hệ thay vì mang tính thời gian hay tuần tự một cách nghiêm ngặt.
• Knowledge Graph: Knowledge graph là một cơ sở dữ liệu có cấu trúc gồm các sự thật (thực thể và mối quan hệ), trong khi GNN là mô hình tính toán được sử dụng để học hỏi từ các cấu trúc đó. GNN thường xuyên được triển khai trên nền tảng của các knowledge graph để thực hiện các tác vụ như dự đoán liên kết, thường là để tăng cường các đường ống Retrieval-Augmented Generation (RAG).

Các ứng dụng trong thực tế#

Khả năng mô hình hóa các mối quan hệ tùy ý khiến GNN trở nên không thể thiếu trên nhiều ngành công nghiệp có tác động lớn:

1. Khám phá thuốc và Chăm sóc sức khỏe: Trong ngành dược phẩm, các phân tử hóa học được biểu diễn một cách tự nhiên dưới dạng đồ thị trong đó các nguyên tử là nút và các liên kết là cạnh. GNN đang chuyển đổi AI in healthcare bằng cách dự đoán các thuộc tính phân tử và mô phỏng các tương tác protein. Các đổi mới như AlphaFold by Google DeepMind làm nổi bật sức mạnh của học sâu hình học trong việc tìm hiểu các cấu trúc sinh học.

2. Phân tích Mạng xã hội và Đề xuất: Các nền tảng sử dụng GNN để phân tích các mạng lưới tương tác người dùng khổng lồ. Bằng cách mô hình hóa người dùng như các nút và tình bạn hoặc lượt thích như các cạnh, các mạng lưới này cung cấp năng lượng cho Recommendation Systems nhằm đề xuất nội dung, sản phẩm hoặc kết nối. Phương pháp này, tương tự như các phương pháp được sử dụng trong Pinterest's GraphSage, mở rộng quy mô một cách hiệu quả lên tới hàng tỷ tương tác.

3. Hậu cần và Dự đoán Giao thông: Trong AI in logistics, các mạng lưới đường bộ được coi là đồ thị trong đó các giao lộ là nút và các con đường là cạnh. GNN có thể dự đoán lưu lượng giao thông và tối ưu hóa các tuyến đường giao hàng bằng cách phân tích các sự phụ thuộc không gian giữa các đoạn đường khác nhau, vượt trội hơn nhiều so với các đường cơ sở thống kê đơn giản.

Tích hợp khái niệm đồ thị với Vision AI#

Mạng Nơ-ron Đồ thị đang ngày càng được tích hợp vào các đường ống đa phương thức. Ví dụ, một hệ thống toàn diện có thể sử dụng image segmentation để nhận diện các đối tượng riêng biệt trong một cảnh và sau đó áp dụng GNN để suy luận về các mối quan hệ không gian giữa các đối tượng đó—thường được gọi là "Đồ thị Cảnh". Điều này thu hẹp khoảng cách giữa nhận thức thị giác và suy luận logic.

Ví dụ về Python sau đây minh họa cách kết nối Vision AI với các cấu trúc đồ thị. Nó sử dụng mô hình Ultralytics YOLO26 để phát hiện các đối tượng, đóng vai trò như các nút, và chuẩn bị cấu trúc đồ thị cơ bản bằng cách sử dụng torch.

import torch
from ultralytics import YOLO

# Load the latest YOLO26 model
model = YOLO("yolo26n.pt")

# Run inference on an image to find entities (nodes)
results = model("https://ultralytics.com/images/bus.jpg")

# Extract box centers to serve as node features
# Format: [center_x, center_y] derived from xywh
boxes = results[0].boxes.xywh[:, :2].cpu()
x = torch.tensor(boxes.numpy(), dtype=torch.float)

# Create a hypothetical edge index connecting the first two objects
# In a real GNN, edges might be defined by distance or interaction
edge_index = torch.tensor([[0, 1], [1, 0]], dtype=torch.long)

print(f"Graph constructed: {x.size(0)} nodes (objects) and {edge_index.size(1)} edges.")

Các lập trình viên muốn quản lý các tập dữ liệu cần thiết cho các đường ống phức tạp này có thể tận dụng Ultralytics Platform, giúp đơn giản hóa các quy trình chú thích và đào tạo cho các thành phần thị giác của hệ thống. Bằng cách kết hợp các mô hình thị giác mạnh mẽ với khả năng suy luận quan hệ của GNN, các kỹ sư có thể xây dựng các hệ thống tự chủ nhận biết ngữ cảnh, hiểu rõ hơn về thế giới xung quanh họ.