Năm công trình nghiên cứu trí tuệ nhân tạo (AI) có sự tham gia của cán bộ và sinh viên Đại học FPT đã vượt qua quy trình phản biện quốc tế khắt khe và được chọn công bố tại ba hội nghị khoa học danh tiếng. Thành tích này khẳng định người Việt hoàn toàn có thể góp phần giải quyết những bài toán khoa học mang tầm toàn cầu.
Ba hội nghị quốc tế uy tín
Các công trình được chấp nhận tại 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, 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 về, tỷ lệ 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 diễn ra tại những trung tâm khoa học-công nghệ lớn: 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, Phó Giáo sư, Tiến sĩ Phan Duy Hùng, Phó Giám đốc Viện Quantum AI & Cyber Security (QACI) thuộc Tập đoàn FPT, cùng các sinh viên Nguyễn Đình Hiếu và Trần Minh Khương (Trường Đại học FPT) đã 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 tính đa dạng và độ chân thực trong tạo sinh thiết kế thời trang).
EquiFashion giải quyết bài toán của AI tạo hình ảnh: vừa tạo nhiều ý tưởng khác nhau, vừa đảm bảo 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, nhưng các công cụ hiện nay 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, buộc người dùng phải chỉnh sửa nhiều lần.
Nhóm nghiên cứu đề xuất cách tiếp cận hai bước: bước đầu giúp AI tạo ra nhiều phương án thiết kế phong phú, bước sau tinh chỉnh hình ảnh để trang phục trông thật hơn, đúng chi tiết hơn và phù hợp với mô tả ban đầu. Công trình 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 ba công trình nghiên cứu được chấp nhận: FastDiSS, CodeWiki và SpecMind. Công trình FastDiSS có sự tham gia của Tiến sĩ Hoàng Thanh Tùng, Giám đốc Multimodal AI Lab (QACI), 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 đảm bảo 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.
Trong nghiên cứu CodeWiki, nhóm từ FPT AI Residency chỉ ra rằng các hệ thống phần mềm hiện đại thường gồm nhiều phần mã nguồn liên kết chặt chẽ, nhưng tài liệu kỹ thuật lại dễ thiếu, lỗi thời hoặc rời rạc. 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. Công cụ này 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.
Với 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, kỹ sư thường phải xác định các điều kiện để đánh giá chương trình chạy đúng – công việc đòi hỏi nhiều thời gian, thường 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.
Giúp AI ra quyết định tốt hơn trong môi trường phức tạp
Tại ICML 2026, Tiến sĩ Trần Thế Hùng, Giám đốc Decision Intelligence & Optimization Lab (QACI) thuộc 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).
Trên thực tế, AI thường xuyên phải vận hành trong các môi trường bất định: robot tự hành, logistics, giao thông thông minh hay tối ưu hóa quy trình đều phải đối mặt với 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 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 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.
