Transformer khuếch tán (DiT) là gì? Kiến trúc đằng sau các mô hình truyền thông hiện đại

Transformer khuếch tán sử dụng kiến trúc nền Transformer trong các quy trình tạo sinh kiểu khuếch tán, mô hình hóa các token hình ảnh, video hoặc không gian tiềm ẩn bị nhiễu bằng cơ chế chú ý có khả năng mở rộng.

Transformer khuếch tán cần được giải thích chính xác vì tên gọi này chỉ một luồng thông tin, lựa chọn huấn luyện, cơ chế khi chạy hoặc ranh giới quản trị cụ thể. Coi thuật ngữ này đồng nghĩa với “AI tiên tiến” khiến các tuyên bố không thể kiểm chứng. Hướng dẫn này theo dõi khái niệm từ đầu vào và các giả định cho đến kết quả có thể quan sát, sau đó xem xét lối tắt dễ bị nhầm lẫn nhất với nó.

Transformer khuếch tán: Định nghĩa, ranh giới và mục đích

Transformer khuếch tán sử dụng kiến trúc nền Transformer trong các quy trình tạo sinh kiểu khuếch tán, mô hình hóa các token hình ảnh, video hoặc không gian tiềm ẩn bị nhiễu bằng cơ chế chú ý có khả năng mở rộng. Định nghĩa này bao hàm ba cam kết thực tiễn: có một đầu vào xác định được, một phép biến đổi hoặc quyết định đặc trưng cho transformer khuếch tán, và một kết quả có thể được đánh giá dựa trên mục tiêu đã nêu. Nếu thiếu một trong các yếu tố đó, nhãn này có thể chỉ mô tả một mục tiêu mong muốn chứ không phải một cơ chế đã được triển khai.

Các mô hình tạo sinh học cách biến đổi từ một nguồn ngẫu nhiên đơn giản thành một phân phối dữ liệu phức tạp. Kiến trúc, mục tiêu, biểu diễn, bộ giải, điều kiện hóa và chất lượng dữ liệu cùng quyết định kết quả. Với transformer khuếch tán, cách nhìn toàn hệ thống này rất quan trọng, bởi hiệu năng có thể phụ thuộc vào dữ liệu, giao diện, phần cứng, quyền hạn và con người xung quanh, ngay cả khi mô hình nền không thay đổi. Vì vậy, một lời giải thích hữu ích cần phân biệt hành vi mà mô hình đã học với sản phẩm quyết định khi nào, ở đâu và với thẩm quyền nào hành vi đó được sử dụng.

Lối tắt dễ gây nhầm lẫn nhất là các mô hình khuếch tán U-Net tích chập, vốn có thiên hướng kiến trúc cục bộ mạnh hơn. Mô hình này có thể chia sẻ một đặc điểm dễ nhận thấy với transformer khuếch tán, nhưng lại làm thay đổi quan hệ nhân quả: cần loại bằng chứng khác để xác lập thành công, các nguồn lực khác sẽ chi phối chi phí, và những biện pháp kiểm soát khác sẽ giúp ngăn ngừa tác hại. Vì vậy, ranh giới ở đây mang tính vận hành chứ không phải thuật ngữ.

Sơ đồ vận hành năm giai đoạn của transformer khuếch tán

Sơ đồ này là bản đồ nhân quả cô đọng cho transformer khuếch tán, không phải tuyên bố rằng mọi cách triển khai đều sử dụng năm thành phần phần mềm. Một số hệ thống kết hợp các giai đoạn, còn những hệ thống khác lặp lại chúng theo vòng lặp. Sơ đồ vẫn hữu ích vì buộc mỗi thay đổi về thông tin hoặc thẩm quyền phải có bên chịu trách nhiệm, đầu vào, đầu ra và phép kiểm tra.

1. Mã hóa dữ liệu truyền thông thành các mảnh hoặc token không gian tiềm ẩn: đầu vào và giả định trong transformer khuếch tán

Ở giai đoạn này của transformer khuếch tán, hệ thống phải mã hóa dữ liệu truyền thông thành các mảnh hoặc token không gian tiềm ẩn. Câu hỏi hữu ích không chỉ là thao tác đó có diễn ra hay không, mà còn là nó sử dụng thông tin nào, làm thay đổi trạng thái nào và bằng chứng nào chứng minh thay đổi đó hợp lệ. Người đánh giá cần có khả năng phân biệt thao tác này với các mô hình khuếch tán U-Net tích chập vốn có thiên hướng kiến trúc cục bộ mạnh hơn, đồng thời tái tạo được kết quả trong cùng các điều kiện đã nêu.

Quá trình chuyển giao vào giai đoạn này của transformer khuếch tán bắt đầu từ mục tiêu đã nêu và cần kết thúc bằng một kết quả có thể làm cơ sở để thêm nhiễu theo một lịch trình. Hãy ghi lại mức độ không chắc chắn, các phương án đã bị bác bỏ, việc sử dụng tài nguyên và mọi biện pháp kiểm soát do con người hoặc phần mềm áp dụng tại ranh giới này. Dấu vết đó giúp các nhóm phát hiện liệu chi phí của cơ chế chú ý và số bước lấy mẫu có thể khiến việc tạo nội dung độ phân giải cao trở nên tốn kém hay không, trước khi cùng điểm yếu ấy tác động đến một kết quả có hệ quả đáng kể.

2. Thêm nhiễu theo một lịch trình: biểu diễn hoặc quyết định trong transformer khuếch tán

Ở giai đoạn này của transformer khuếch tán, hệ thống phải thêm nhiễu theo một lịch trình. Câu hỏi hữu ích không chỉ là thao tác đó có diễn ra hay không, mà còn là nó sử dụng thông tin nào, làm thay đổi trạng thái nào và bằng chứng nào chứng minh thay đổi đó hợp lệ. Người đánh giá cần có khả năng phân biệt thao tác này với các mô hình khuếch tán U-Net tích chập vốn có thiên hướng kiến trúc cục bộ mạnh hơn, đồng thời tái tạo được kết quả trong cùng các điều kiện đã nêu.

Quy trình bàn giao ở giai đoạn Transformer khuếch tán này bắt đầu bằng việc mã hóa nội dung đa phương tiện thành các mảnh hoặc token tiềm ẩn, và kết thúc bằng một kết quả có thể hỗ trợ việc điều kiện hóa Transformer bằng thời gian và lời nhắc. Hãy ghi lại mức độ không chắc chắn, các phương án đã bị loại bỏ, mức sử dụng tài nguyên và mọi biện pháp kiểm soát do con người hoặc phần mềm áp dụng tại điểm bàn giao. Dấu vết đó giúp các nhóm phát hiện liệu chi phí tính toán của cơ chế chú ý và số bước lấy mẫu có thể khiến việc tạo nội dung độ phân giải cao trở nên tốn kém hay không, trước khi chính điểm yếu ấy ảnh hưởng đến một đầu ra có hệ quả đáng kể.

3. Điều kiện hóa Transformer bằng thời gian và lời nhắc: Biến đổi đặc trưng trong Transformer khuếch tán

Ở giai đoạn này của Transformer khuếch tán, hệ thống phải điều kiện hóa Transformer bằng thời gian và lời nhắc. Điều quan trọng không chỉ là xác định thao tác đó có diễn ra hay không, mà còn là thông tin nào được đưa vào, trạng thái nào bị thay đổi và bằng chứng nào chứng minh thay đổi đó là hợp lệ. Người đánh giá cần có khả năng phân biệt thao tác này với các mô hình khuếch tán U-Net tích chập, vốn có thiên hướng kiến trúc cục bộ mạnh hơn, đồng thời tái tạo được kết quả trong cùng các điều kiện đã nêu.

Quy trình bàn giao ở giai đoạn Transformer khuếch tán này bắt đầu bằng việc thêm nhiễu theo một lịch trình, và kết thúc bằng một kết quả có thể hỗ trợ việc dự đoán nhiễu, vận tốc hoặc mục tiêu sạch. Hãy ghi lại mức độ không chắc chắn, các phương án đã bị loại bỏ, mức sử dụng tài nguyên và mọi biện pháp kiểm soát do con người hoặc phần mềm áp dụng tại điểm bàn giao. Dấu vết đó giúp các nhóm phát hiện liệu chi phí tính toán của cơ chế chú ý và số bước lấy mẫu có thể khiến việc tạo nội dung độ phân giải cao trở nên tốn kém hay không, trước khi chính điểm yếu ấy ảnh hưởng đến một đầu ra có hệ quả đáng kể.

4. Dự đoán nhiễu, vận tốc hoặc mục tiêu sạch: Ranh giới ràng buộc và kiểm chứng trong Transformer khuếch tán

Ở giai đoạn này của Transformer khuếch tán, hệ thống phải dự đoán nhiễu, vận tốc hoặc mục tiêu sạch. Điều quan trọng không chỉ là xác định thao tác đó có diễn ra hay không, mà còn là thông tin nào được đưa vào, trạng thái nào bị thay đổi và bằng chứng nào chứng minh thay đổi đó là hợp lệ. Người đánh giá cần có khả năng phân biệt thao tác này với các mô hình khuếch tán U-Net tích chập, vốn có thiên hướng kiến trúc cục bộ mạnh hơn, đồng thời tái tạo được kết quả trong cùng các điều kiện đã nêu.

Quy trình bàn giao ở giai đoạn Transformer khuếch tán này bắt đầu bằng việc điều kiện hóa Transformer bằng thời gian và lời nhắc, và kết thúc bằng một kết quả có thể hỗ trợ quá trình giải mã lặp đi lặp lại để tạo ra một mẫu nhất quán. Hãy ghi lại mức độ không chắc chắn, các phương án đã bị loại bỏ, mức sử dụng tài nguyên và mọi biện pháp kiểm soát do con người hoặc phần mềm áp dụng tại điểm bàn giao. Dấu vết đó giúp các nhóm phát hiện liệu chi phí tính toán của cơ chế chú ý và số bước lấy mẫu có thể khiến việc tạo nội dung độ phân giải cao trở nên tốn kém hay không, trước khi chính điểm yếu ấy ảnh hưởng đến một đầu ra có hệ quả đáng kể.

5. Giải mã lặp đi lặp lại để tạo mẫu nhất quán: Đầu ra, phản hồi và quy tắc dừng trong Transformer khuếch tán

Ở giai đoạn này của Transformer khuếch tán, hệ thống phải giải mã lặp đi lặp lại để tạo ra một mẫu nhất quán. Điều quan trọng không chỉ là xác định thao tác đó có diễn ra hay không, mà còn là thông tin nào được đưa vào, trạng thái nào bị thay đổi và bằng chứng nào chứng minh thay đổi đó là hợp lệ. Người đánh giá cần có khả năng phân biệt thao tác này với các mô hình khuếch tán U-Net tích chập, vốn có thiên hướng kiến trúc cục bộ mạnh hơn, đồng thời tái tạo được kết quả trong cùng các điều kiện đã nêu.

Quy trình bàn giao ở giai đoạn Transformer khuếch tán này bắt đầu bằng việc dự đoán nhiễu, vận tốc hoặc mục tiêu sạch, và kết thúc bằng một kết quả có thể hỗ trợ việc giám sát hoặc đưa ra quyết định cuối cùng. Hãy ghi lại mức độ không chắc chắn, các phương án đã bị loại bỏ, mức sử dụng tài nguyên và mọi biện pháp kiểm soát do con người hoặc phần mềm áp dụng tại điểm bàn giao. Dấu vết đó giúp các nhóm phát hiện liệu chi phí tính toán của cơ chế chú ý và số bước lấy mẫu có thể khiến việc tạo nội dung độ phân giải cao trở nên tốn kém hay không, trước khi chính điểm yếu ấy ảnh hưởng đến một đầu ra có hệ quả đáng kể.

Hãy đọc sơ đồ Transformer khuếch tán theo chiều tiến để hiểu quá trình đưa vào sản xuất, và theo chiều ngược để chẩn đoán sự cố. Phân tích theo chiều tiến xem xét cách một giai đoạn cung cấp đầu vào cho giai đoạn tiếp theo. Phân tích ngược bắt đầu từ một kết quả sai, chậm, tốn kém hoặc không an toàn, rồi lần ngược để xác định giả định trước đó nào đã dẫn đến kết quả ấy. Thường chính khi lần theo chiều ngược, nhóm mới phát hiện lỗi mang tính quyết định đã xảy ra trước khi mô hình tạo ra bất kỳ thứ gì.

Ví dụ minh họa về Transformer khuếch tán

Một hệ thống chuyển văn bản thành video có thể dùng Transformer để mô hình hóa đồng thời các mảnh không gian-thời gian trong khi khử nhiễu một đoạn video tiềm ẩn.

Ví dụ này có giá trị vì có thể gắn Transformer khuếch tán với các đầu vào quan sát được, trạng thái trung gian và kết quả đầu ra, thay vì đánh giá nó qua một màn trình diễn trau chuốt. Một phép thử nghiêm ngặt sẽ xây dựng các trường hợp thông thường, khó và cố ý gây hiểu lầm xoay quanh tình huống này, giữ lại một đường cơ sở không dùng kỹ thuật đó, đồng thời ghi nhận cả hiệu suất trung bình lẫn mức độ nghiêm trọng của từng lỗi riêng lẻ.

Hãy thay đổi một giả định trong ví dụ về Transformer khuếch tán rồi lặp lại phân tích. Loại bỏ một đầu vào bắt buộc, đưa vào một tín hiệu mâu thuẫn, giới hạn năng lực tính toán, thay đổi nhóm người dùng hoặc buộc hệ thống phải từ chối trả lời. Một cơ chế chỉ thành công trong một màn trình diễn được sắp đặt cẩn thận chưa chứng minh được rằng nó có thể khái quát hóa sang môi trường vận hành.

Transformer khuếch tán và lối tắt phổ biến nhất

Các Transformer khuếch tán thường bị giản lược thành các mô hình khuếch tán U-Net tích chập có thiên hướng kiến trúc cục bộ mạnh hơn. Sự giản lược đó xóa nhòa chính ranh giới làm nên khái niệm này. Điều đó có thể khiến người mua so sánh những sản phẩm không tương đồng, khiến các nhà nghiên cứu phóng đại ý nghĩa của kết quả thí nghiệm, và khiến đơn vị vận hành theo dõi sai tín hiệu sau khi triển khai.

Phép so sánh cũng cần xác định đơn vị được phân tích. Một bài báo về Transformer khuếch tán có thể chỉ khảo sát một mô hình hoặc thuật toán, trong khi một dịch vụ đã triển khai còn bổ sung khả năng truy xuất, định tuyến, lưu vào bộ nhớ đệm, chính sách, danh tính, giao diện người dùng và giám sát. Hai sản phẩm có thể dùng cùng một thuật ngữ nổi bật nhưng triển khai những phần khác nhau trong hệ thống đó. Hãy xác định thành phần nào thực hiện phép biến đổi cốt lõi và những thành phần nào khác cần thiết để đạt được kết quả được báo cáo.

Vì sao Transformer khuếch tán quan trọng trong các hệ thống AI hiện nay

Transformer khuếch tán ngày càng có ý nghĩa vì các hệ thống AI đang được trang bị ngữ cảnh lớn hơn, nhiều phương thức dữ liệu hơn, năng lực tính toán khi chạy cao hơn, khả năng truy cập công cụ rộng hơn và mức độ gắn kết sâu hơn với các quyết định của tổ chức. Trong những điều kiện đó, điều từng có vẻ chỉ là chi tiết nghiên cứu có thể quyết định độ trễ, bảo mật, khả năng tiếp cận, chi phí môi trường, chất lượng sản phẩm hoặc trách nhiệm pháp lý.

Thước đo phù hợp không phải là liệu Transformer khuếch tán có thể tạo ra một kết quả ấn tượng hay không. Điều quan trọng là kỹ thuật này có cải thiện một kết quả thiết yếu trong các điều kiện đại diện hay không, và có làm điều đó hiệu quả hơn một phương pháp cơ sở đơn giản hơn hay không. Hãy báo cáo phân bố kết quả, các nhóm lỗi, độ trễ ở phần đuôi phân bố, mức sử dụng tài nguyên và các nhóm người dùng bị ảnh hưởng, thay vì gộp mọi kết quả thành một giá trị trung bình.

Hãy so sánh các phương pháp ở mức chất lượng và phần cứng tương đương, thay vì chỉ dựa vào số bước lấy mẫu. Sở thích của con người, mức độ tuân thủ câu lệnh, tính đa dạng, tính nhất quán theo thời gian, khả năng truy xuất nguồn gốc và các biện pháp kiểm soát việc sử dụng sai mục đích đều quan trọng trong môi trường sản xuất. Khi được áp dụng cụ thể cho Transformer khuếch tán, cách làm này giúp các bên khác có thể sử dụng bằng chứng: một nhóm khác có thể đánh giá liệu mức cải thiện được tuyên bố có khả năng duy trì khi dùng mô hình, ngôn ngữ, nền tảng phần cứng, tập dữ liệu, nhóm người dùng hoặc mức độ chấp nhận rủi ro khác hay không.

Những lợi ích Transformer khuếch tán có thể mang lại

Lý do thuyết phục nhất để sử dụng Transformer khuếch tán là kỹ thuật này có thể trực tiếp xử lý nút thắt mà nó được thiết kế để giải quyết. Tùy theo cách triển khai, lợi ích có thể thể hiện ở khả năng bám sát căn cứ tốt hơn, biểu diễn trung thực hơn, khả năng khái quát hóa được cải thiện, độ trễ thấp hơn, giảm luân chuyển dữ liệu trong bộ nhớ, trách nhiệm giải trình rõ ràng hơn hoặc ranh giới an toàn hơn giữa đề xuất của mô hình và hành động thực tế.

Lợi ích cần được diễn đạt thành các quyết định và phép đo. “Thông minh hơn” không phải là tiêu chí nghiệm thu đối với Transformer khuếch tán. Một mục tiêu hữu ích có thể quy định tỷ lệ lỗi trong các trường hợp khó, khả năng phục hồi sau khi có bằng chứng mâu thuẫn, chi phí ở một phân vị lưu lượng truy cập, thời gian con người cần để rà soát, mức độ hiệu chuẩn hoặc tỷ lệ hành động nằm trong giới hạn thẩm quyền đã xác định.

Chế độ lỗi định hình Transformer khuếch tán

Hạn chế cốt lõi là chi phí attention và số bước lấy mẫu có thể khiến việc tạo ảnh độ phân giải cao trở nên tốn kém. Không nên xem lỗi này là chuyện thứ yếu chỉ cần liệt kê sau khi hoàn tất phát triển. Ngay từ đầu, vấn đề này cần định hướng việc thu thập dữ liệu, thiết kế kiến trúc, phân quyền, đánh giá, các tiêu chí quyết định phát hành và giám sát Transformer khuếch tán.

Biện pháp kiểm soát transformer khuếch tán chỉ hữu ích nếu được áp dụng trước khi xảy ra hệ quả tốn kém hoặc không thể đảo ngược. Hãy xác định dấu hiệu báo trước sớm nhất có thể quan sát được của sự cố, đặt ngưỡng hoặc quy tắc, giao trách nhiệm rõ ràng cho một người phụ trách và kiểm thử khả năng khôi phục. Tùy trường hợp sử dụng, khôi phục có thể là từ chối đưa ra kết quả, chuyển sang một hệ thống đơn giản hơn, yêu cầu thêm bằng chứng, chuyển cấp cho người xử lý, khôi phục phiên bản mô hình trước đó hoặc dừng hẳn một hành động.

Kế hoạch đánh giá transformer khuếch tán

Hãy bắt đầu đánh giá transformer khuếch tán bằng cách viết ra quyết định mà bằng chứng cần hỗ trợ. Xác định nhóm đối tượng trong môi trường vận hành, hệ quả của một kết quả sai, thông tin thực sự có sẵn tại thời điểm ra quyết định và phương án thay thế đáng tin cậy đơn giản nhất. Cách làm này giúp tránh biến một bộ tiêu chuẩn đánh giá thành mục tiêu chỉ vì nó dễ triển khai.

Hãy dùng một tập kiểm thử chưa qua sử dụng để so sánh trong điều kiện được kiểm soát, sau đó thẩm định transformer khuếch tán trong môi trường vận hành theo từng giai đoạn. Đánh giá ngoại tuyến giúp so sánh các biến thể; chế độ chạy ngầm, thử nghiệm canary, giới hạn tốc độ hoặc các bước phê duyệt cho thấy lưu lượng truy cập thực tế, vòng lặp phản hồi và con người làm thay đổi hành vi ra sao. Giai đoạn triển khai cần có điều kiện dừng cụ thể, thay vì mặc định rằng mọi cải tiến đều xứng đáng được triển khai đầy đủ.

Hãy quản lý phiên bản của các đầu vào cần thiết để tái lập kết quả của transformer khuếch tán: dữ liệu nguồn, tiền xử lý, bộ mã hóa từ vựng hoặc bộ mã hóa, trọng số mô hình, cấu hình, lời nhắc hoặc chính sách, chỉ mục truy xuất, tập đánh giá, các giả định về phần cứng và mã phục vụ mô hình, tùy trường hợp áp dụng. Nếu không có thông tin về nguồn gốc và lịch sử dữ liệu, nhóm không thể biết kết quả thay đổi là do kỹ thuật, môi trường hay một chỉnh sửa quy trình dữ liệu không được chú ý.

Cuối cùng, hãy hỏi phát hiện nào sẽ bác bỏ tuyên bố rằng transformer khuếch tán mang lại lợi ích. Nếu không có kết quả nào có thể khiến quyết định áp dụng thay đổi, thì việc đánh giá chỉ là hoạt động tiếp thị. Các ngưỡng chấp nhận được xác định trước và một tập xác nhận được lưu giữ sẽ biến quá trình này thành hoạt động thu thập bằng chứng.

Những câu hỏi cần đặt ra trước khi áp dụng transformer khuếch tán

• Mục tiêu: Transformer khuếch tán được kỳ vọng giải quyết nút thắt nào có thể đo lường?
• Cơ chế: Phép biến đổi đặc trưng nằm ở giai đoạn nào trong năm giai đoạn?
• Đường cơ sở: Mô hình này có hiệu quả ra sao so với các mô hình khuếch tán U-Net tích chập, vốn có thiên hướng kiến trúc cục bộ mạnh hơn, hoặc một phương án thay thế đơn giản hơn?
• Bằng chứng: Đã kiểm thử những trường hợp thông thường, khó, đối kháng và thuộc các nhóm nhỏ nào?
• Vận hành: Khi mở rộng quy mô, sẽ phát sinh chi phí nào về độ trễ, bộ nhớ, năng lực tính toán, năng lượng, bảo trì và rà soát?
• Rủi ro: Nhóm sẽ phát hiện bằng cách nào việc chi phí attention và các bước lấy mẫu có thể khiến quá trình tạo nội dung độ phân giải cao trở nên tốn kém?
• Khôi phục: Hệ thống có thể từ chối đưa ra kết quả, chuyển sang phương án dự phòng, khôi phục phiên bản trước hoặc chuyển cấp xử lý trước khi gây hại không?

Các nguồn tài liệu chính để tìm hiểu về transformer khuếch tán

Những tài liệu khởi đầu đáng tin cậy về phần ngăn xếp AI bao quanh transformer khuếch tán gồm Các mô hình khuếch tán xác suất khử nhiễu, Các mô hình khuếch tán có khả năng mở rộng với transformer và Khớp dòng cho mô hình tạo sinh. Hãy đọc các tài liệu này cùng với tài liệu hướng dẫn dành cho chính xác mô hình, tập dữ liệu, phần cứng và khu vực pháp lý liên quan. Một nguồn tài liệu tổng quát có thể giải thích cơ chế, nhưng chỉ bằng chứng gắn với việc triển khai cụ thể mới có thể xác lập liệu một cách triển khai nhất định có phù hợp hay không.

Những điểm cần ghi nhớ về transformer khuếch tán

Transformer khuếch tán là một cơ chế được xác định rõ trong một hệ thống kỹ thuật-xã hội rộng lớn hơn. Giá trị của nó đến từ việc cải thiện một kết quả cụ thể trong những điều kiện rõ ràng, chứ không phải từ chính cái tên đó. Sơ đồ năm giai đoạn giúp làm rõ luồng thông tin, phần so sánh chỉ ra những gì cơ chế này không phải, còn lộ trình kiểm soát cho thấy người vận hành có trách nhiệm có thể can thiệp ở đâu.

Nguyên tắc thực tiễn khi sử dụng transformer khuếch tán là xác định mục tiêu, so sánh với một đường cơ sở đáng tin cậy, kiểm thử sự cố quan trọng nhất và lưu giữ bằng chứng cần thiết để theo dõi thay đổi. Khi có đủ những yếu tố đó, khái niệm này trở thành một lựa chọn về kỹ thuật và quản trị có thể được đánh giá. Nếu thiếu chúng, đây vẫn chỉ là một cái tên đầy hứa hẹn gắn với rủi ro vận hành chưa rõ.