Có gì nổi bật ở 5 nhà khoa học lĩnh vực trí tuệ nhân tạo (AI) vừa được VinFuture 2024 vinh danh?

Tối 6/12, giải thưởng chính VinFuture 2024 trị giá 3 triệu USD (hơn 76 tỷ đồng) được trao cho 5 nhà khoa học: Yoshua Bengio, Geoffrey E. Hinton, Jensen Huang, Yann LeCun, và Fei-Fei Li vì những đóng góp đột phá để thúc đẩy sự tiến bộ của học sâu.

GS. Yoshua Bengio

GS. Yoshua Bengio là nhà sáng lập Viện nghiên cứu Mila tập trung nghiên cứu về mạng thần kinh nhân tạo (nơ-ron) bao gồm những tiến bộ quan trọng trong học biểu diễn (representation learning) và các mô hình tạo sinh (generative models).

Những đóng góp của ông trở thành một phần thiết yếu trong các hệ thống học sâu hiện đại, đặc biệt là trong xử lý ngôn ngữ tự nhiên (NLP). Công trình của ông tạo điều kiện để phát triển các công cụ như trợ lý ảo và công cụ dịch ngôn ngữ, cho phép hàng triệu người trên thế giới được tiếp cận với các công nghệ này. Các nghiên cứu của ông tiếp tục định hình các lĩnh vực liên quan đến học sâu từ việc chế tạo robot đến phát triển y học cá nhân hóa.

Những đổi mới của Bengio cho phép các hệ thống "học" và tạo dữ liệu với độ chính xác đáng kinh ngạc. Những đổi mới này đặc biệt quan trọng trong việc tạo ra các giải pháp dựa trên trí tuệ nhân tạo để giải quyết các thách thức toàn cầu, chẳng hạn như cải thiện dịch vụ chăm sóc sức khỏe và thúc đẩy phát triển môi trường bền vững.

GS. Geoffrey Hinton

Ông tốt nghiệp Đại học Toronto, Canada được ghi nhận bởi vai trò lãnh đạo và công trình nghiên cứu nền tảng của ông về kiến trúc mạng nơ-ron. Bài báo xuất bản năm 1986 của ông cùng với David Rumelhart và Ronald Williams đã cho thấy các biểu diễn phân tán trong mạng nơ-ron được huấn luyện bởi thuật toán lan truyền ngược. Phương pháp này đã trở thành công cụ tiêu chuẩn trong lĩnh vực trí tuệ nhân tạo và tạo ra các tiến bộ trong nhận diện hình ảnh và giọng nói.

Bằng cách tinh chỉnh kiến trúc của các mạng nơ-ron sâu và sử dụng các tập dữ liệu lớn để huấn luyện chúng, GS. Hinton đã mở ra những hướng đi mới cho nghiên cứu và ứng dụng trí tuệ nhân tạo, từ đó tạo tiền đề cho những tiến bộ trong phát triển các mô hình trí tuệ nhân tạo và các hệ thống tự động.

Ông Jensen Huang

CEO Nvidia được ghi nhận vì vai trò lãnh đạo mang tầm nhìn chiến lược trong việc chuyển đổi các bộ xử lý đồ họa (GPUs) thành công cụ mạnh mẽ phục vụ cho học sâu và điện toán tăng tốc. Việc phát triển nền tảng CUDA (Compute Unified Device Architecture - Kiến trúc thiết bị tính toán hợp nhất) giúp lập trình GPU xử lý hiệu quả các yêu cầu tính toán khổng lồ của học sâu. Đột phá này đã cho phép huấn luyện nhanh chóng các mạng nơ-ron và khiến GPU trở thành công cụ thiết yếu trong việc nghiên cứu và phát triển trí tuệ nhân tạo trên toàn thế giới.

GPU trở thành yếu tố thiết yếu trong nghiên cứu trí tuệ nhân tạo hiện đại, đẩy nhanh sự đổi mới trong các lĩnh vực như nhận diện giọng nói, xe tự lái, xử lý hình ảnh y tế và xử lý ngôn ngữ. Ngày nay, học sâu tăng tốc bằng GPU đang thúc đẩy nhiều tiến bộ như các mô hình trí tuệ nhân tạo phổ biến hiện nay hay các công cụ chẩn đoán và chăm sóc sức khỏe, mang lại lợi ích cho hàng triệu người trên thế giới.

GS. Yann LeCun

Giám đốc khoa học AI của Meta được ghi nhận bởi công trình tiên phong của ông trong việc phát triển các mạng nơ-ron tích chập (CNNs). Đây là mô hình quan trọng trong việc phát triển công nghệ nhận diện hình ảnh và học sâu.

Công trình của ông về CNNs vào cuối những năm 1980 đã đặt nền móng cho quá trình học tự động các đặc trưng hình ảnh phân cấp, điều này rất quan trọng trong các tác vụ như phát hiện đối tượng và nhận diện khuôn mặt.

Những đổi mới của GS. LeCun đã thúc đẩy sự đột phá trong các ngành công nghiệp sử dụng công nghệ xử lý hình ảnh, từ chẩn đoán y tế đến lái xe tự động. CNNs hiện đã trở thành tiêu chuẩn trong các ứng dụng trí tuệ nhân tạo mà hàng tỷ người sử dụng mỗi ngày, đóng vai trò trung tâm trong sự phát triển của các công nghệ như nhận diện khuôn mặt và xử lý hình ảnh y tế.

GS. Fei-Fei Li

Đại học Stanford, Mỹ được ghi nhận vì những đóng góp tiên phong trong lĩnh vực thị giác máy tính và phát triển bộ dữ liệu ImageNet. Sự lãnh đạo của bà trong dự án ImageNet đã cách mạng hóa việc nhận diện hình ảnh bằng cách tạo ra một bộ dữ liệu lớn, có nhãn, cho phép máy móc nhận diện và phân loại đối tượng một cách chính xác hơn.

ImageNet đã đặt nền tảng cho việc huấn luyện các mô hình học sâu và thúc đẩy phát triển các tác vụ như phát hiện đối tượng, nhận diện khuôn mặt, và phân loại hình ảnh. Công trình của GS. Li là một ví dụ điển hình về tầm quan trọng của dữ liệu trong việc huấn luyện các hệ thống trí tuệ nhân tạo, ảnh hưởng đến cách tiếp cận thông qua dữ liệu được sử dụng trong nhiều lĩnh vực.

Những đóng góp của GS. Li đã thay đổi cách các hệ thống học sâu xử lý và hiểu thông tin hình ảnh, tạo điều kiện cho những tiến bộ trong các lĩnh vực như lái xe tự động, chẩn đoán y tế và hệ thống an ninh thông minh. Bằng cách mở rộng giới hạn mà máy móc có thể quan sát và diễn giải, công trình của bà đã thúc đẩy sự đổi mới trong lĩnh vực thị giác máy tính và mang lại lợi ích cho toàn xã hội.