Lĩnh vực giúp 4 nhà khoa học và CEO Nvidia giành giải thưởng chính VinFuture 2024 có thể đạt 200 tỷ USD

Giải thưởng chính VinFuture 2024 đã được trao cho 5 nhà khoa học: GS Yoshua Bengio và GS Geoffrey E. Hinton (Canada), ông Jen-Hsun Huang, GS Yann LeCun và GS Fei-Fei Li (Mỹ).

Đêm 6/12 đã diễn ra lễ trao giải VinFuture 2024 với giải thưởng chính được trao cho 5 nhà khoa học vì những đóng góp đột phá để thúc đẩy sự tiến bộ của học sâu (deep learning).

Những tiến bộ trong học sâu đã mở ra một kỷ nguyên đột phá cho những đổi mới sáng tạo về công nghệ, nhờ đó máy móc có thể “học” từ lượng dữ liệu khổng lồ và đạt được độ chính xác đáng kinh ngạc trong các tác vụ như nhận diện hình ảnh, xử lý ngôn ngữ tự nhiên và đưa ra quyết định.

Thành tựu này có được là nhờ những đóng góp mang tính cách mạng cho mạng nơ-ron và các thuật toán học sâu của Giáo sư Geoff E. Hinton, Giáo sư Yann LeCun và Giáo sư Yoshua Bengio.

Bên cạnh đó, ông Jen-Hsun Huang đã tiên phong trong việc phát triển các nền tảng điện toán tăng tốc, thúc đẩy sự bùng nổ của kỷ nguyên AI (Trí tuệ nhân tạo) hiện đại. Việc Giáo sư Fei-Fei Li tạo ra tập dữ liệu ImageNet cũng đã thúc đẩy sự tiến bộ trong hệ thống nhận diện hình ảnh, giúp huấn luyện các mô hình học sâu ở quy mô lớn.

Giải thưởng chính VinFuture 2024 được trao cho 5 nhà khoa học vì những đóng góp đột phá để thúc đẩy sự tiến bộ của học sâu (deep learning).

Từ năm 2012, học sâu đã trở thành công cụ chủ đạo thúc đẩy các bước tiến lớn trong nhiều lĩnh vực như chăm sóc sức khỏe, tự động hóa, dịch vụ tài chính, từ đó định hình sự đổi mới, phát triển trong tương lai.

Theo báo cáo của Fortune Business Insights, quy mô thị trường học sâu toàn cầu được dự đoán sẽ đạt 188,58 tỷ USD vào năm 2030 , với tốc độ tăng trưởng kép hàng năm (CAGR) là 40,3% trong giai đoạn dự báo.

Cụ thể, quy mô thị trường học sâu toàn cầu được định giá ở mức 12,67 tỷ USD Mỹ vào năm 2022 và dự kiến sẽ lên 17,60 tỷ USD vào năm 2023.

Học sâu sử dụng nhiều mạng nơ-ron cho các nhiệm vụ khác nhau như nhận dạng giọng nói, xử lý ngôn ngữ tự nhiên và thị giác máy. Học sâu được coi là một tập hợp con của trí tuệ nhân tạo (AI) mô phỏng hoạt động của não người và máy móc.

Học sâu có nhiều ứng dụng trong đời sống

Theo Emergen Research, một số ứng dụng phổ biến của học sâu bao gồm giải thích và phân loại hình ảnh, phát hiện đối tượng, dịch tự động và xử lý ngôn ngữ tự nhiên.

Hơn nữa, các kiến trúc học sâu bao gồm mạng nơ-ron sâu, mạng nơ-ron tích chập và học tăng cường sâu ngày càng được áp dụng vào các lĩnh vực như xử lý ngôn ngữ tự nhiên, nhận dạng giọng nói và khuôn mặt, thị giác máy tính, tự động hóa máy móc, xe tự lái, phân tích hình ảnh y tế, tin sinh học, mua sắm và giải trí, giao dịch trực tuyến, phát hiện gian lận và dịch vụ khách hàng như chatbot và trợ lý ảo.

Các công ty nổi tiếng thế giới cung cấp các giải pháp học sâu tiên phong dựa trên top 10 theo doanh thu gồm: Google LLC, Intel Corporation, IBM Corporation, Amazon Web Services Inc.,Microsoft Corporation, Qualcomm Micron Technology Inc.,Oracle Corporation, Nvidia Corporation Sensory Inc.

Học sâu sử dụng nhiều mạng nơ-ron cho các nhiệm vụ khác nhau.

Trong đó, Google LLC cung cấp sản phẩm khối xây dựng AI, AutoML, cơ sở hạ tầng AI, AI đàm thoại (Đại lý ảo, Ngôn ngữ tự nhiên...) và Ngôn ngữ tự nhiên trong chăm sóc sức khỏe và Dịch thuật. Cơ sở hạ tầng AI bao gồm các giải pháp học sâu và máy học tiết kiệm chi phí cho các doanh nghiệp để đào tạo hiệu suất cao và lặp lại nhanh hơn. AI Platform Deep Learning Containers tối ưu hóa hiệu suất và hỗ trợ bạn tạo nguyên mẫu quy trình làm việc.

Intel Corporation cung cấp bộ xử lý Intel Xeon Scalable với phần mềm AI được Intel tối ưu hóa, hỗ trợ xây dựng và triển khai nhiều ứng dụng AI nhanh hơn và liền mạch hơn. Bộ xử lý Intel Xeon Scalable được gã khổng lồ công nghệ Trung Quốc Baidu sử dụng cho nền tảng học sâu có tên là PaddlePaddle, giúp các nhà phát triển xây dựng và triển khai các mô hình học sâu bằng cách sử dụng dữ liệu đa nguồn.

IBM có IBM Watson Studio cho phép các nhà khoa học dữ liệu, nhà phân tích và nhà phát triển xây dựng và triển khai các mô hình AI và máy học sáng tạo. Nền tảng này cũng được sử dụng để thiết kế các mạng nơ-ron học sâu phức tạp và triển khai các mô hình học tối ưu bằng cách sử dụng mã nguồn mở. Các ứng dụng chính của học sâu trên IBM Watson Studio bao gồm học sâu phân tán (DDL), dịch vụ nhận dạng hình ảnh, phân loại hình ảnh, nhận dạng chữ số viết tay và mô hình ngôn ngữ.

Còn Microsoft sở hữu Azure Machine Learning, là một nền tảng máy học cấp doanh nghiệp giúp các nhà khoa học dữ liệu và nhà phát triển tạo và triển khai các mô hình máy học và học sâu quan trọng đối với doanh nghiệp. Qualcomm thì cung cấp Qualcomm Neural Processing SDK for AI là phần mềm học sâu được thiết kế cho nền tảng di động Qualcomm Snapdragon. Nền tảng này cho phép các nhà phát triển tận dụng các khả năng tính toán không đồng nhất được thiết kế riêng để chạy mạng nơ-ron trên các thiết bị biên.

GPU của Nvidia được sử dụng rộng rãi trong các ngành công nghiệp bao gồm kỹ thuật & xây dựng, kiến trúc, phương tiện truyền thông & giải trí, ô tô và sản xuất. Công ty cung cấp khả năng tăng tốc GPU cho cả đào tạo và suy luận về học sâu. Các hệ thống Nvidia DGX được thiết kế riêng cho việc khám phá AI trong các trung tâm dữ liệu và trên đám mây. Các hệ thống này được xây dựng trên kiến trúc GPU Volta của Nvidia và có tất cả đào tạo học sâu và phân tích suy luận trong một hệ thống.

Dy Khoa