TabFM: AI Đọc Bảng Dữ Liệu Và Tự Đoán Số Liệu Thiếu, Không Cần Huấn Luyện

Google Ra Mắt TabFM, AI Đọc Bảng Dữ Liệu Và Tự Đoán Số Liệu Thiếu, Không Cần Huấn Luyện

Bạn có một bảng dữ liệu khách hàng, đơn hàng hay doanh thu, còn thiếu vài cột chưa biết điền gì. Bình thường bạn phải thuê người biết phân tích dữ liệu, hoặc tự mày mò Excel cả buổi. Google Research vừa công bố TabFM, một AI chỉ cần nhìn qua bảng dữ liệu của bạn một lần là đoán ra các ô còn thiếu, không cần ai huấn luyện riêng cho bảng đó.

TabFM là gì

TabFM là một mô hình nền tảng (foundation model) được Google Research xây dựng riêng cho dữ liệu dạng bảng, kiểu như các bảng tính Excel hay Google Sheets có cột chữ, cột số trộn lẫn nhau. Việc nó làm là phân loại (ví dụ đoán khách hàng này có rời bỏ dịch vụ hay không) và dự đoán số (ví dụ đoán doanh thu tháng tới).

Hãy tưởng tượng TabFM như một kế toán viên cực kỳ dày dạn kinh nghiệm. Người này chưa từng thấy bảng sổ sách của công ty bạn, nhưng chỉ cần liếc qua vài dòng đầu là đoán khá chuẩn những ô còn trống, vì họ đã nhìn qua hàng triệu bảng sổ sách khác nhau trong đời. TabFM cũng vậy, chỉ khác là nó đã "nhìn qua" dữ liệu ở quy mô lớn hơn rất nhiều.

Nó hoạt động thế nào

Điểm khác biệt lớn nhất của TabFM so với các công cụ dự đoán dữ liệu cũ (như XGBoost, vốn cần huấn luyện lại cho từng bảng mới): TabFM không cần huấn luyện riêng cho bảng của bạn.

1. Google huấn luyện TabFM từ trước trên hàng trăm triệu bảng dữ liệu giả lập (synthetic), được máy tính tự sinh ra theo nhiều kiểu quan hệ nhân quả khác nhau. Việc dùng dữ liệu giả lập là vì dữ liệu bảng thật của các công ty thường là bí mật kinh doanh, không ai chia sẻ công khai.
2. Khi bạn đưa bảng dữ liệu thật vào, TabFM coi những dòng bạn đã biết kết quả như "ví dụ mẫu", rồi dự đoán các ô còn thiếu trong một lần xử lý duy nhất, không cần vòng lặp huấn luyện nào thêm.
3. Mô hình dùng cơ chế chú ý (attention) xen kẽ theo cả hàng và cột, nghĩa là nó nhìn mối liên hệ giữa các dòng dữ liệu và giữa các cột cùng lúc, giúp bắt được những quy luật phức tạp mà mắt người khó thấy.
4. Để tiết kiệm công sức tính toán, TabFM nén mỗi dòng dữ liệu thành một vector gọn, rồi mới so sánh các vector đó với nhau, thay vì xử lý toàn bộ bảng thô.

Một chi tiết thú vị: vì được huấn luyện trên dữ liệu giả lập, TabFM không đọc được ý nghĩa tên cột (nó không biết cột "doanh thu" khác cột "tuổi" như thế nào, chỉ thấy các con số và nhãn trừu tượng). Để khắc phục, có người đã làm thêm TabFM-Auto, một AI agent dùng mô hình ngôn ngữ (LLM) bọc quanh TabFM, chuyên đọc tên cột thật và tự tạo thêm đặc trưng (feature) phù hợp trước khi đưa vào TabFM.

Kết quả thử nghiệm

Google đã thử TabFM trên bộ kiểm chuẩn TabArena, gồm 51 bộ dữ liệu khác nhau (38 bài toán phân loại, 13 bài toán dự đoán số). Ở chế độ "nhìn một lần, không chỉnh tham số gì thêm", TabFM cho kết quả ngang bằng hoặc vượt các mô hình cây quyết định đã được tinh chỉnh kỹ lưỡng, vốn là công cụ tiêu chuẩn của ngành suốt nhiều năm qua.

Điều này có ý nghĩa gì với bạn

Nếu bạn làm công việc văn phòng, kinh doanh nhỏ hay quản lý cửa hàng, tin này quan trọng ở chỗ: để dự đoán dữ liệu bảng, bạn sẽ dần không cần thuê riêng một chuyên gia khoa học dữ liệu cho mỗi bài toán nhỏ. Google đã công bố mã nguồn trên GitHub và trọng số mô hình trên Hugging Face, đồng thời có kế hoạch đưa TabFM vào BigQuery dưới dạng một câu lệnh SQL tên AI.PREDICT, để ai biết dùng Google Sheets hay bảng tính cơ bản cũng có thể gọi AI dự đoán ngay trong câu truy vấn, không cần viết code máy học.

Giới hạn cần biết

TabFM vẫn còn rất mới, mới được huấn luyện chủ yếu trên dữ liệu giả lập nên có thể chưa bắt kịp vài quy luật đặc thù của ngành bạn. Trước khi dùng kết quả dự đoán để ra quyết định quan trọng (ví dụ duyệt vay, sa thải nhân sự), bạn vẫn nên có người hiểu dữ liệu kiểm tra lại, giống như mọi công cụ AI khác.

Câu hỏi thường gặp

TabFM có miễn phí không? Có, Google đăng mã nguồn và trọng số mô hình công khai trên GitHub và Hugging Face để ai cũng tải về dùng thử.

TabFM có thay thế được Excel hay Google Sheets không? Không, TabFM là mô hình AI chạy phía sau để dự đoán số liệu, bạn vẫn dùng Excel hay Sheets như bình thường, chỉ là sau này có thể gọi thêm AI để điền hoặc dự đoán các ô còn thiếu.

Vì sao TabFM không cần huấn luyện cho từng bảng mới? Vì nó đã học sẵn cách suy luận trên hàng trăm triệu bảng giả lập khác nhau từ trước, nên khi gặp bảng mới nó chỉ cần "nhìn" vài dòng mẫu là đoán được, không cần một vòng huấn luyện riêng như các mô hình cũ.

Dữ liệu công ty tôi có bị gửi lên Google khi dùng TabFM không? Nếu bạn tự tải mô hình về chạy ở máy riêng (qua Hugging Face hoặc GitHub) thì dữ liệu không rời khỏi máy bạn. Nếu dùng qua BigQuery của Google thì dữ liệu nằm trong hạ tầng của Google, giống như mọi dịch vụ BigQuery khác.

TabFM khác gì với tham số (parameter) của một mô hình AI thông thường? TabFM vẫn có hàng triệu tham số như mọi mô hình AI khác, điểm khác là nó được huấn luyện để chuyên trị một dạng dữ liệu cụ thể, bảng số liệu, thay vì xử lý văn bản hay hình ảnh.

Đây cũng là một ví dụ nữa cho thấy AI đang len vào những công việc văn phòng rất cụ thể: trước đó 95.000 nhân viên Oracle đã dùng AI để tự hỏi dữ liệu công ty mà không cần biết SQL, còn giờ TabFM giúp bất kỳ ai cũng có thể nhờ AI đoán số liệu còn thiếu trong bảng tính. Nếu bạn tò mò công ty lớn đang dùng AI theo kiểu phối hợp nhiều việc một lúc ra sao, có thể đọc thêm bài công ty lớn không chat với AI, họ xây cả đội AI agent phối hợp. Còn nếu bạn mới làm quen với AI nói chung, bài AI là gì, giải thích dễ hiểu cho người mới là điểm bắt đầu tốt.

#AI #GoogleAI #TabFM #DuLieu #TriTueNhanTao #VibeAICoder