Khách hỏi đếm món, chúng tôi đề nghị đổi đĩa
Nhận diện từng món trên băng chuyền không đủ chính xác và quá tốn kém. Chúng tôi đổi bài toán sang màu đĩa, và khách hàng thay toàn bộ đĩa. Chuyện một dự án.
Khách hỏi chúng tôi một câu rất rõ ràng: có nhận diện và đếm được số món ăn chạy trên băng chuyền không?
Chúng tôi thử. Và câu trả lời trung thực là: được, nhưng không đủ chính xác để dùng, và đắt tới mức không nên làm.
Chuyện đáng kể không nằm ở chỗ đó. Nó nằm ở việc sau đấy.
Các hình trong bài là hình vẽ minh hoạ do tôi dựng lại, không phải ảnh chụp tại nhà hàng — để giữ ẩn danh cho khách hàng.
Vì sao nhận diện từng món lại không xong?
Một chuỗi lẩu băng chuyền có rất nhiều món. Mỗi món một hình dạng, và nhiều món trông gần giống nhau — vài lát thịt đỏ bày trên đĩa trắng, nhìn từ trên xuống, qua hơi nóng bốc lên, lướt qua khung hình trong hai giây.
Muốn máy phân biệt được từng món ấy thì phải có đủ ảnh của từng món, ở đủ điều kiện, và phải có người gán nhãn hết. Nhân với số lượng món trong thực đơn, rồi nhân tiếp với số nhà hàng. Chi phí chuẩn bị dữ liệu vượt xa giá trị mà việc đếm mang lại.
Đây đúng là trường hợp tôi hay viết ở Dữ liệu: chỗ mọi dự án AI mắc lại — phần tốn kém không phải mô hình, mà là dữ liệu để dạy nó.
Chúng tôi có thể cố. Cố thì cũng ra một con số nào đó, và có thể bán được. Nhưng hệ thống ấy sẽ sai nhiều, quản lý nhà hàng dùng vài tuần rồi bỏ, và một năm sau không ai nhắc tới nữa.
Đổi câu hỏi
Chúng tôi quay lại hỏi: rốt cuộc nhà hàng cần biết điều gì?
Không phải biết trên băng đang có bao nhiêu đĩa thịt bò Mỹ. Mà là: trên băng có đủ đồ không, và đủ so với lượng khách đang ngồi hay chưa.
Câu đó thì không cần nhận ra món. Chỉ cần đếm được đĩa, và biết đĩa đó thuộc nhóm nào.
Nên chúng tôi đề nghị một hướng khác: phân nhóm bằng màu đĩa. Máy không phải học hàng trăm món nữa — nó chỉ phải đếm đĩa và đọc màu. Bài toán từ chỗ gần như không giải nổi trở thành bài toán đơn giản và ổn định.
Nhưng đề nghị này có một cái giá, và cái giá ấy không nằm ở phía chúng tôi.
Khách hàng phải thay toàn bộ đĩa
Để làm được, nhà hàng phải thay đĩa trên toàn chuỗi theo hệ màu mới. Không phải một điểm, mà tất cả.
Đó là chuyện của vận hành, của mua sắm, của đào tạo lại nhân viên bếp — không phải chuyện công nghệ. Chúng tôi không làm thay được, và cũng không có quyền yêu cầu.
Họ đồng ý, và làm thật.
Tôi nói thẳng: đây mới là điểm quyết định dự án này thành công, chứ không phải phần kỹ thuật của chúng tôi. Chủ đầu tư đi cùng từ đầu tới cuối và rất quyết liệt khi triển khai. Nếu họ không chịu đổi đĩa, chúng tôi đã phải quay về làm cái phương án đắt tiền và kém chính xác — hoặc dự án dừng.
Trong mười lăm năm đi làm, tôi thấy phần lớn dự án hỏng không phải vì công nghệ không tới. Hỏng vì một bên cứ đòi hỏi, một bên cứ hứa, và không ai chịu thay đổi gì ở phía mình.
Giai đoạn hai: đếm không để làm gì nếu không biết có bao nhiêu khách
Khi việc đếm đã chạy ổn, một câu hỏi mới hiện ra.
Biết trên băng có sáu mươi đĩa thì sao? Sáu mươi đĩa là nhiều hay ít? Không trả lời được, nếu không biết trong phòng đang có bao nhiêu người ăn.
Nên giai đoạn hai là nối hệ thống với phần bán vé của nhà hàng. Có số khách đang dùng dịch vụ, mới đặt ra được cấu hình tiêu chuẩn: với chừng này khách thì trên băng nên có chừng này đĩa, chia theo nhóm món thế nào. Thiếu so với chuẩn thì cảnh báo.
Đây là chỗ mà một hệ thống đếm trở thành một công cụ vận hành. Bản thân con số đếm không có nghĩa; nó chỉ có nghĩa khi đặt cạnh một con số khác.
Tôi nghĩ đó là khác biệt giữa bán công nghệ và bán nghiệp vụ. Đếm đĩa là công nghệ. Biết băng chuyền có đang khớp với lượng khách hay không — đó mới là việc của người quản lý ca.
Hiện trường không giống bản vẽ
Phần khó nhất khi triển khai lại rất ít liên quan tới AI.
Chỗ lắp camera không phải chỗ nên lắp. Trần nhà hàng cao, và những vị trí cho góc nhìn tốt nhất thường là chỗ không đi dây được, hoặc chỗ làm hỏng thẩm mỹ của không gian.
Đây là điều nhiều người làm kỹ thuật hay quên: nhà hàng là chỗ để khách ngồi ăn, không phải chỗ để lắp thiết bị. Một cái camera đặt chắn tầm nhìn hay lộ dây là thứ chủ đầu tư không chấp nhận, dù nó cho độ chính xác cao hơn.
Ánh sáng phức tạp. Đèn trang trí, đèn bàn, ánh sáng hắt từ mặt inox của băng chuyền, chưa kể hơi nóng bốc lên từ nồi lẩu. Mỗi nhà hàng một kiểu bố trí đèn, nên không có một cấu hình dùng chung.
Chúng tôi phải phối hợp với nhà hàng để tinh chỉnh từng vị trí camera, từng điểm một. Đây là công việc chân tay, mất thời gian, và không có cách nào rút ngắn bằng phần mềm.
Ba tháng, từ 90% lên 98%
Lúc đặt bài, chúng tôi kỳ vọng đạt 90%. Sau khoảng ba tháng tinh chỉnh, hệ thống đạt 98%.
Con số này cần nói cho rõ, vì tôi hay viết rằng một con số độ chính xác đứng một mình thì không có nghĩa.
98% ở đây là độ chính xác của việc đếm đĩa và phân nhóm theo màu, trong điều kiện thực tế của các nhà hàng đã triển khai. Nó không phải độ chính xác của việc nhận ra từng món ăn — bài toán đó chúng tôi đã bỏ ngay từ đầu, và bỏ là đúng.
Đây chính là điều tôi muốn nói: con số cao không phải vì mô hình giỏi hơn, mà vì bài toán được đặt lại thành một bài toán mà máy làm tốt.
Và ba tháng ấy không phải ba tháng chờ đợi. Đó là ba tháng đi từng điểm, chỉnh từng camera, xem từng trường hợp đếm sai rồi sửa. Nếu trong hợp đồng không có chỗ cho ba tháng này, dự án sẽ nghiệm thu ở mức 90% và dừng lại ở đó.
Bây giờ họ dùng nó để làm gì
Quản lý nhà hàng dùng hàng ngày, để kiểm soát lượng đồ ăn trên băng: không để thừa gây lãng phí, không để thiếu khiến khách phải chờ.
Nghe đơn giản, nhưng đây mới là thước đo thật của một dự án. Một hệ thống chạy tốt mà không ai mở ra xem thì vẫn là dự án thất bại. Một hệ thống được người ta dùng mỗi ngày để ra quyết định — đó là dự án thành công, bất kể nó dùng công nghệ gì.
Tôi mang gì đi từ dự án này
Khi bài toán không giải được, hãy xem lại bài toán trước khi xem lại mô hình. Câu hỏi “nhận diện được món gì” và câu hỏi “trên băng có đủ đồ chưa” nghe như một, nhưng một câu thì gần như không giải nổi, còn câu kia thì giải được với chi phí hợp lý.
Có những bài toán chỉ giải được nếu khách hàng chịu đổi một thứ ở phía họ. Và việc của người bán là nói ra điều đó sớm, rõ ràng, kèm lý do — chứ không phải im lặng rồi cố làm cho xong.
Một con số độ chính xác chỉ có nghĩa khi nói rõ nó đo cái gì. 98% của một bài toán được đặt đúng hơn hẳn 85% của một bài toán được đặt sai.
Và phần tốn công nhất thường không nằm ở AI. Nó nằm ở chỗ lắp camera cho vừa mắt, ở ánh sáng, ở ba tháng đi chỉnh từng điểm. Bài AI làm được gì và không làm được gì nói kỹ hơn về khoảng cách giữa phòng thí nghiệm và hiện trường.
Nếu anh chị có một bài toán mà nhà cung cấp nào cũng nói làm được nhưng thử mãi không ra, có thể vấn đề nằm ở cách đặt bài toán chứ không ở công nghệ. Cứ viết cho tôi:
Tôi trả lời tất cả, và không gửi tài liệu quảng cáo.