Năm công trình nghiên cứu trí tuệ nhân tạo của người Việt được công bố quốc tế

Năm công trình nghiên cứu AI với sự tham gia của các cán bộ và sinh viên FPT đã vượt qua quy trình phản biện quốc tế và được lựa chọn để công bố tại ba hội nghị khoa học uy tín. Kết quả này cho thấy người Việt hoàn toàn có thể tham gia giải quyết những bài toán khoa học mang tính toàn cầu.

Ba hội nghị quốc tế gồm Cuộc họp thường niên của Hiệp hội Ngôn ngữ học tính toán (ACL), Hội nghị Châu Á-Thái Bình Dương về Khám phá tri thức và khai thác dữ liệu (PAKDD) và Hội nghị Quốc tế về máy học (ICML) 2026.

Năm 2026, ACL nhận được 12.148 bài nghiên cứu gửi về, trong đó chỉ 19% được chọn vào chương trình chính và 18% được công bố trong tuyển tập Findings. PAKDD có 184 bài được chọn từ 728 bài gửi, tương đương khoảng 25%. ICML ghi nhận hơn 23.900 bài đăng ký sau vòng sơ loại, với tỷ lệ chấp nhận khoảng 26,6%.

Các hội nghị lần lượt diễn ra tại các trung tâm khoa học-công nghệ lớn của thế giới, PAKDD tại Hồng Kông (Trung Quốc) từ ngày 9–12/6, ACL tại San Diego, Mỹ từ ngày 2–7/7 và ICML tại Seoul, Hàn Quốc từ ngày 6–11/7.

Mở rộng khả năng sáng tạo của AI

Tại PAKDD 2026, PGS,TS Phan Duy Hùng, Phó Giám đốc Viện Quantum AI & Cyber Security (QACI), Tập đoàn FPT cùng các sinh viên Nguyễn Đình Hiếu, Trần Minh Khương - Trường Đại học FPT phát triển đề tài EquiFashion: Hybrid GAN–Diffusion Balancing Diversity–Fidelity for Fashion Design Generation (tạm dịch: Phương pháp kết hợp GAN và mô hình khuếch tán nhằm cân bằng giữa tính đa dạng và độ chân thực trong tạo sinh thiết kế thời trang).

EquiFashion tập trung vào giải quyết bài toán của AI tạo hình ảnh, vừa tạo nhiều ý tưởng khác nhau, vừa bảo đảm hình ảnh chân thực, đúng yêu cầu. Hiện nhiều doanh nghiệp thời trang, sàn thương mại điện tử và đơn vị quảng cáo ứng dụng AI tạo ảnh sản phẩm để tiết kiệm thời gian và chi phí, song các công cụ hiện nay vẫn còn hạn chế.

Khi người dùng mô tả một chiếc áo với màu sắc, cổ áo hay chất liệu cụ thể, AI có thể hiểu sai và tạo trang phục thiếu tự nhiên. Do đó, người dùng phải chỉnh sửa nhiều lần, tốn thời gian và tài nguyên.

Nhóm nghiên cứu đề tài phát triển đề tài EquiFashion tại PAKDD 2026.

Để xử lý vấn đề này, nhóm nghiên cứu đề xuất một cách tiếp cận gồm hai bước. Bước đầu giúp AI tạo ra nhiều phương án thiết kế phong phú. Bước sau giúp tinh chỉnh hình ảnh để trang phục trông thật hơn, đúng chi tiết hơn và phù hợp hơn với mô tả ban đầu.

Công trình cũng xây dựng bộ dữ liệu 350.000 mẫu ảnh thời trang, bao phủ hơn 40 nhóm trang phục, kèm mô tả bằng chữ, phác thảo, tư thế người mẫu và chất liệu vải. Nhờ đó, hình ảnh tạo ra có độ chân thực và tính đa dạng vượt trội so với các phương pháp hiện hành.

Giúp AI tạo sinh vận hành hiệu quả hơn

Tại ACL 2026, FPT có 3 công trình nghiên cứu được chấp nhận, gồm FastDiSS, CodeWiki và SpecMind.

Trong đó, công trình FastDiSS có sự tham gia TS Hoàng Thanh Tùng, Giám đốc Multimodal AI Lab (QACI), Tập đoàn FPT cùng nhóm nghiên cứu từ chương trình AI Residency của FPT.

Nhóm phát triển đề tài về mô hình ngôn ngữ khuếch tán (diffusion language models) - hướng tiếp cận mới giúp AI tạo văn bản, nhằm cải thiện hiệu năng và tốc độ xử lý. AI không chỉ cần trả lời tốt mà còn phải nhanh và tiết kiệm tài nguyên để phục vụ nhiều người dùng cùng lúc; phản hồi chậm hoặc tốn nhiều tài nguyên sẽ khiến doanh nghiệp khó triển khai quy mô lớn.

Nhóm đề xuất phương pháp huấn luyện mới giúp AI chạy ít bước hơn mà vẫn bảo đảm chất lượng: trên các bộ dữ liệu chuẩn, tốc độ tạo văn bản tăng tới 400 lần so với cách thông thường mà chất lượng không suy giảm. Điều này đặc biệt quan trọng với trợ lý số, chatbot chăm sóc khách hàng, giáo dục trực tuyến hay thương mại điện tử.

Khi tốc độ và chi phí được tối ưu, AI có thêm điều kiện để đi vào sản phẩm thực tế. Người dùng cũng có thể được trải nghiệm các dịch vụ thông minh hơn, nhanh hơn và ổn định hơn.

TS Hoàng Thanh Tùng, Giám đốc Multimodal AI Lab (QACI), Tập đoàn FPT.

Trong nghiên cứu CodeWiki, nhóm nghiên cứu từ chương trình FPT AI Residency chỉ ra rằng các hệ thống phần mềm hiện đại thường gồm nhiều phần mã nguồn liên kết chặt chẽ với nhau, nhưng tài liệu kỹ thuật lại dễ thiếu, lỗi thời hoặc rời rạc.

Nếu tài liệu thiếu hoặc không được cập nhật, kỹ sư sẽ mất nhiều thời gian để hiểu phần mềm đang vận hành ra sao, từ đó khó sửa lỗi, nâng cấp hoặc bàn giao dự án. CodeWiki hướng tới việc giúp AI tự động tạo tài liệu kỹ thuật cho các phần mềm lớn, như ứng dụng ngân hàng, app mua sắm, hệ thống đặt vé hay phần mềm quản lý doanh nghiệp. CodeWiki có thể tự tạo bản hướng dẫn đầy đủ cho cả phần mềm, kèm sơ đồ minh họa trên bảy ngôn ngữ lập trình khác nhau.

Nhóm nghiên cứu từ chương trình FPT AI Residency.

Trong nghiên cứu SpecMind, nhóm nghiên cứu tập trung vào bài toán giúp AI hỗ trợ kiểm tra phần mềm có hoạt động đúng như kỳ vọng hay không. Trong quá trình phát triển phần mềm, kỹ sư thường phải xác định các điều kiện để đánh giá chương trình chạy đúng, chẳng hạn dữ liệu đầu ra có đúng định dạng, phép tính có cho kết quả chính xác, hay hệ thống có xử lý đúng các tình huống lỗi hay không.

Đây là công việc đòi hỏi nhiều thời gian, thường phải làm thủ công và dễ phát sinh thiếu sót. SpecMind đề xuất cách để AI hỗ trợ quá trình này hiệu quả hơn: thay vì chỉ đưa ra câu trả lời sau một lần hỏi, AI có thể phân tích qua nhiều lượt, tự điều chỉnh dựa trên phản hồi và từng bước hoàn thiện kết quả kiểm tra.

Cách tiếp cận này có thể giúp kỹ sư giảm khối lượng rà soát thủ công và nâng cao năng suất trong quá trình phát triển phần mềm.

Giúp AI ra quyết định tốt hơn trong môi trường phức tạp

Tại ICML 2026, TS Trần Thế Hùng, Giám đốc Decision Intelligence & Optimization Lab (QACI), Tập đoàn FPT cùng các đồng nghiệp và sinh viên ghi dấu ấn với đề tài “Variance Driven Exploration: A Provable and Efficient Methodology for Pure Exploration in Highly Stochastic Environments” (tạm dịch: phương pháp giúp AI khám phá và ra quyết định hiệu quả trong môi trường nhiều biến động).

TS Trần Thế Hùng, Giám đốc Decision Intelligence & Optimization Lab (QACI), Tập đoàn FPT.

Trên thực tế, AI thường xuyên phải vận hành trong các môi trường bất định thay vì những điều kiện lý tưởng: các ứng dụng như robot tự hành, logistics, giao thông thông minh hay tối ưu hóa quy trình đều phải đối mặt và xử lý những biến động có tính ngẫu nhiên cao. Nghiên cứu tập trung vào việc giúp hệ thống AI ra quyết định tốt hơn trong những môi trường biến động cao như vậy.

Nhóm nghiên cứu đề xuất một phương pháp mới giúp giảm mức độ không chắc chắn trong quá trình học của AI, từ đó nâng cao hiệu quả và độ tin cậy của hệ thống khi vận hành thực tế.

Việc liên tiếp có công trình được chấp nhận tại ACL 2026, PAKDD 2026 và ICML 2026 khẳng định năng lực nghiên cứu của đội ngũ cán bộ và sinh viên FPT, cũng như khả năng tham gia giải quyết những bài toán công nghệ toàn cầu.

Thông qua nghiên cứu, đào tạo và hợp tác quốc tế, FPT tiếp tục xây dựng năng lực nghiên cứu nền tảng, hướng tới các công nghệ lõi do người Việt làm chủ.