ONE is preparing: 01 / INITIALIZING MODEL ROUTER. Evaluating routing across providers.
Current state
01 / INITIALIZING MODEL ROUTER.

Evaluating routing across providers.

Start learning
← Nền tảng toán

AI Foundation

Vector trong tìm kiếm ảnh

Vietnamese onlyThe learning content is available in Vietnamese only. The surrounding interface follows your language.

Bạn gõ 'hoàng hôn bãi biển' và Google Photos tìm ra đúng ảnh. Mỗi ảnh trở thành một vector. So sánh hai ảnh = so sánh hai vector.

lesson53 minNền tảng toánAI Foundation

Giới thiệu

Bạn mở Google Photos, gõ “hoàng hôn bãi biển” — hàng trăm tấm ảnh của bạn suốt 5 năm qua hiện ra trong một giây. Không phải bạn đã dán nhãn cho từng tấm. Máy tự nhận ra. Làm sao?

Câu trả lời ngắn: mỗi ảnh được biến thành một mũi tên (vector) trong không gian nhiều chiều. Hai ảnh giống nhau → hai mũi tên chỉ cùng hướng. Việc “so sánh hai bức ảnh” phức tạp được thu gọn thành: so sánh hai mũi tên có cùng hướng không. Mà cái đó thì bạn đã biết làm — nó chính là tích vô hướng và cosine similarity bạn vừa học ở bài trước.

Google Photos lưu trữ hơn 9 nghìn tỷ tấm ảnh, phục vụ 1,5 tỷ người dùng mỗi tháng, với 28 tỷ ảnh mới được tải lên mỗi tuần. Bạn có thể có 20.000 tấm trong thư viện cá nhân — chụp từ nhiều năm, nhiều góc, nhiều đèn, nhiều mùa.

Bài toán cốt lõi: khi bạn gõ từ khoá hoặc bấm vào khuôn mặt bà ngoại, máy phải trả về đúng những ảnh liên quan, trong mili-giây, và phải đúng dù bà đang đội nón lá, đeo kính, hay cười to. Không có thời gian cho máy “xem từng tấm và nghĩ”.

Vì sao không so pixel

Cách ngây thơ: so sánh từng pixel

Mỗi ảnh 1 triệu pixel. So sánh 2 ảnh = 1 triệu phép trừ. Hai ảnh cùng chủ thể chụp khác góc → pixel khác hoàn toàn → sai. Hai ảnh khác nhau mà cùng màu → pixel giống → sai. Vô dụng.

Cách của Google: biến ảnh thành vector ý nghĩa

Mỗi ảnh → một mũi tên 128 chiều (vector nhúng). Hai ảnh cùng chủ thể → mũi tên chỉ cùng hướng, bất kể góc chụp hay ánh sáng. So sánh = tính cosine. Mili-giây trên hàng tỷ ảnh. Hoạt động.

So sánh pixel cần khối lượng tính toán khổng lồ: 20.000 ảnh × 1 triệu pixel × so sánh từng màu = không kịp. Đó là lý do Google biến mỗi ảnh thành một vector nhỏ 128 chiều — so sánh 128 con số nhanh hơn 1 triệu pixel hàng triệu lần.

Chuỗi xử lý một tấm ảnh

1 / 4
  1. 1. Phát hiện đối tượng

    Phát hiện đối tượng trong ảnh (face detection, object detection). Một mô hình nhỏ quét qua ảnh, khoanh hình chữ nhật quanh khuôn mặt, xe, cây, món ăn. Mục tiêu chỉ là: tách phần đáng quan tâm khỏi nền. Mỗi khuôn mặt được đóng khung riêng trước khi đi tiếp.

Predict first

Bạn có 20.000 ảnh trong thư viện. Nếu so sánh pixel-từng-pixel cho mỗi truy vấn, việc tìm kiếm sẽ tốn bao lâu trên điện thoại?

Tìm trong 20.000 ảnh

Bạn đang có 20.000 ảnh trong thư viện. Google cần tìm tất cả ảnh của bà ngoại. Thuật toán nào giúp việc này chạy trong mili-giây?

Đại số tuyến tính cứu cuộc sống

Không có vector embedding, Google Photos sẽ phải so sánh trực tiếp từng điểm ảnh của mỗi khuôn mặt với hàng tỷ khuôn mặt khác. Chỉ cần bạn đội mũ, đeo kính, hoặc chụp ở ánh sáng khác — kết quả sai hoàn toàn.

Biến mỗi khuôn mặt thành vector 128 chiều, Google chuyển một bài toán nhận diện ảnh siêu phức tạp thành phép đo khoảng cách đơn giản giữa hai mảng số. Đây là bí mật giúp mọi tính năng tìm kiếm thông minh của Photos hoạt động — và cũng là cốt lõi của Spotify gợi ý nhạc, TikTok gợi ý video, và hầu hết AI hiện đại.

Ba điều cần nhớ

Ba điều cần nhớ từ ứng dụng này

  • Mỗi ảnh được biến thành một vector 128 chiều — hai ảnh giống nhau có vector gần nhau.
  • So sánh hai ảnh = so sánh hai vector = tính cosine similarity. Bài toán phức tạp thu gọn về một con số.
  • Hàng tỷ ảnh × hàng tỷ người dùng hoạt động được trong mili-giây nhờ thuật toán tìm láng giềng gần đúng.

Continue the path

Lesson 20 of 106