Khi máy tính biết nhìn, nghe và kiểm duyệt nội dung: làm quen với Azure Cognitive Services

26/10/2026

Một bức ảnh với máy tính chỉ là hàng nghìn điểm màu. Vậy làm sao phần mềm biết đó là "tấm biển bên đường" hay đọc được từng dòng trên tờ hóa đơn? Câu trả lời nằm ở các dịch vụ nhận thức trên đám mây.

Mạng xã hội mỗi ngày nhận hàng triệu bức ảnh và bình luận. Không đội kiểm duyệt nào đọc hết được bằng mắt. Ứng dụng quản lý chi tiêu cho phép chụp hóa đơn rồi tự nhập số tiền. Trợ lý ảo đọc tin tức thành tiếng cho người lái xe. Phía sau những tiện ích ấy thường là các dịch vụ trí tuệ nhân tạo (AI) được thuê trên đám mây, như bộ Azure Cognitive Services của Microsoft.

AI không còn là "đặc quyền" của tiến sĩ

Cuốn Azure Cognitive Services Succinctly của tác giả Ed Freitas nhắc lại một thực tế: trước đây, AI là lĩnh vực dành cho các nhà nghiên cứu có bằng tiến sĩ về học máy. Cognitive Services thay đổi điều đó. Đây là bộ dịch vụ AI dạng API, tức là các "cửa giao tiếp" mà phần mềm gửi dữ liệu đến và nhận kết quả về, giúp lập trình viên không chuyên về AI vẫn làm được ứng dụng thông minh.

Theo sách, các dịch vụ này giúp ứng dụng có khả năng nhìn, nghe, nói, tìm kiếm, hiểu ngôn ngữ và ra quyết định. Chi phí và công sức chỉ bằng một phần nhỏ so với tự xây dựng mô hình AI từ đầu.

Hình 1. Năm nhóm dịch vụ của Azure Cognitive Services: Quyết định, Ngôn ngữ, Giọng nói, Thị giác và Tìm kiếm web

Kiểm duyệt nội dung tự động

Nhóm "Quyết định" có một dịch vụ rất gần với đời sống mạng là Content Moderator, bộ kiểm duyệt nội dung. Nó soi văn bản, hình ảnh, video để tìm nội dung có thể gây khó chịu hoặc không phù hợp: lời lẽ tục tĩu, hình ảnh người lớn, thông tin cá nhân như email, số điện thoại bị lộ trong bình luận.

Điều đáng chú ý là dịch vụ không tự xóa nội dung. Nó gắn nhãn kèm điểm số, ví dụ mức độ "người lớn" là 0,75, rồi để ứng dụng tự quyết định xử lý thế nào. Sách còn nhắc đến cách làm "có con người trong vòng lặp" (human-in-the-loop): máy lọc trước, người thật xem lại những trường hợp được đánh dấu. Đây là cách kết hợp hợp lý giữa tốc độ của máy và sự phán đoán của con người.

Cùng nhóm này còn có Personalizer, dịch vụ cá nhân hóa trải nghiệm cho từng người dùng. Sách lấy ví dụ: chính khả năng gợi ý sản phẩm theo sở thích từng khách đã giúp Amazon trở thành gã khổng lồ bán lẻ.

Máy tính "nhìn" thấy gì trong ảnh?

Nhóm "Thị giác" có Computer Vision API. Theo sách, dịch vụ nhận vào một bức ảnh, vốn chỉ là tập hợp các điểm ảnh, rồi trả về từ khóa và câu mô tả nội dung bức ảnh. Ví dụ, với một tấm ảnh chụp đường phố, dịch vụ trả lời "a sign on the side of a road" (một tấm biển bên đường) kèm độ tin cậy khoảng 98%. Nó còn tự cắt ảnh thu nhỏ đúng phần quan trọng nhất của bức ảnh.

Tính năng thực dụng nhất là OCR, nhận dạng chữ trong ảnh. Sách thử với một tờ hóa đơn quán cà phê được quét lại: chương trình đọc ra từng dòng món hàng và giá tiền.

Hình 2. Tờ hóa đơn được quét dùng để thử tính năng đọc chữ trong ảnh (OCR) của Computer Vision API

Chỉ vài chục dòng mã C#, một ứng dụng đã có thể biến ảnh chụp hóa đơn thành dữ liệu để thống kê chi tiêu.

Giọng nói và ngôn ngữ

Nhóm "Giọng nói" có bốn khả năng: chuyển lời nói thành chữ, đọc chữ thành giọng nói tự nhiên, dịch lời nói theo thời gian thực và nhận diện người đang nói. Sách hướng dẫn làm hai tính năng đầu, đủ để "cho ứng dụng của bạn một giọng nói". Nhóm "Ngôn ngữ" giúp phần mềm phân tích văn bản, chẳng hạn nhận biết một đánh giá của khách hàng mang ý tích cực hay tiêu cực.

Học những gì, làm nghề gì?

Các ví dụ trong sách viết bằng C# trên Visual Studio, gọi dịch vụ qua mạng và đọc kết quả trả về ở dạng JSON. Đây là những kỹ năng nền tảng của lập trình viên: gọi API, xử lý dữ liệu, xây dựng ứng dụng nhỏ để thử nghiệm.

Người thành thạo việc tích hợp AI vào phần mềm có thể làm lập trình viên ứng dụng, kỹ sư tích hợp AI, chuyên viên kiểm duyệt và an toàn nội dung số. Tác giả còn khuyên thử dùng nhiều nhà cung cấp đám mây khác nhau, vì như vậy vừa mở rộng hiểu biết, vừa biết dịch vụ nào hợp với bài toán của mình.

Hiểu máy để dùng máy cho đúng

Học về các dịch vụ nhận thức giúp bạn thấy AI không phải phép màu. Mỗi kết quả đều đi kèm điểm tin cậy, có lúc đúng, có lúc sai, nên vẫn cần con người kiểm tra. Hiểu được điều này, bạn sẽ biết cách dùng AI để giải những bài toán thật một cách có trách nhiệm. Đó là năng lực mà người làm công nghệ thông tin nào cũng nên có.

Trường Cao đẳng Công nghệ thông tin TP.HCM