از دانشجوی پزشکی تا استادی در ۸ دانشگاه برتر جهان

نگوین هونگ مین تان پس از سه سال تحصیل در رشته پزشکی و سپس کار در یک شرکت نفت و گاز، به تحقیقات هوش مصنوعی روی آورد و مدرس دانشگاه ملی سنگاپور شد.

مین تان، ۳۴ ساله، اهل شهر هوشی مین، در ماه ژوئیه سمت استادیار (*) را در دانشکده ریاضی دانشگاه ملی سنگاپور (NUS) پذیرفت. این دانشگاه تنها دانشگاه آسیایی است که طبق رتبه‌بندی QS 2024 در بین ۱۰ دانشگاه برتر جهان قرار دارد. این دانشگاه در رتبه هشتم قرار دارد.

تان در زمینه یادگیری ماشینی و یادگیری عمیق در هوش مصنوعی (AI) تدریس و تحقیق خواهد کرد.

تان گفت: «من سنگاپور را انتخاب کردم چون دپارتمان ریاضیات دانشگاه ملی سنگاپور (NUS) بسیار قوی است و طبق رتبه‌بندی QS 2023 در رتبه سیزدهم جهان قرار دارد. جهت‌گیری تحقیقاتی اینجا مشابه جهت‌گیری توسعه‌ای من است.»

علاوه بر این، سنگاپور به ویتنام نزدیک است. تان معتقد است که این به او فرصتی می‌دهد تا دانشجویان را راهنمایی کند و با همکاران خود در کشورش همکاری کند. او از طریق برنامه اقامت هوش مصنوعی شرکت‌های بزرگ فناوری، استعدادهای جوان بسیاری را در ویتنام رهبری کرده است. این برنامه دو ساله از دانشجویان در تحقیقات هوش مصنوعی پشتیبانی می‌کند و شرایطی را برای آنها ایجاد می‌کند تا دکترای خود را در خارج از کشور بگذرانند.

نگوین هونگ مین تان. عکس: شخصیت ارائه شده

تان در کودکی با خواندن مجلات ریاضی و جوانان به ریاضی علاقه داشت. تان به خوبی درس می‌خواند و از دوران دبستان به طور مداوم در تیم مدرسه بود. در سال ۲۰۰۴، تان در آزمون ورودی کلاس تخصصی ریاضی در دبیرستان تیزهوشان لی هونگ فونگ قبول شد.

تان به اشتراک گذاشت که اگرچه ریاضی را دوست داشت، اما در این سال‌ها فقط برای شرکت در امتحان ریاضی درس می‌خواند. پس از اینکه به نتایج دلخواه نرسید، تصمیم گرفت مسیر دانشگاه را تغییر دهد. در سال ۲۰۰۷، تان در دو دانشگاه معتبر در شهر هوشی مین، باخ خوآ و وای دوک، پذیرفته شد و تصمیم گرفت مسیر پزشک شدن را دنبال کند.

پس از یک سال تحصیل در ویتنام، تان به همراه خانواده‌اش به ایالات متحده نقل مکان کرد. او تحصیلات پزشکی خود را در کالج جامعه هوستون در تگزاس ادامه داد. با این حال، پس از دو سال، تان دوباره تحصیل را متوقف کرد.

تان به یاد می‌آورد: «متوجه شدم که برای رشته پزشکی مناسب نیستم.» در آن زمان، او همچنین فکر می‌کرد که زبان انگلیسی‌اش برای ادامه تحصیل در رشته پزشکی در ایالات متحده به اندازه کافی خوب نیست، زیرا دانشجویان پزشکی نه تنها در دانشگاه درس می‌خوانند، بلکه باید به خوبی ارتباط برقرار کنند تا آسیب‌شناسی، شرایط و روانشناسی بیماران را درک کنند.

پس از تحقیق و مشاهده اینکه رشته‌های مهندسی چشم‌انداز شغلی خوبی دارند، تان درخواست داد و بورسیه کامل برای تحصیل در رشته مهندسی برق در دانشگاه رایس - دانشگاهی که طبق گزارش US News جزو ۱۵ دانشگاه برتر ایالات متحده است - را دریافت کرد.

در آن زمان، تان هنوز چشم‌انداز روشنی از مسیر شغلی خود نداشت. در ترم اول، وقتی سه کلاس تخصصی را گذراند، تان علاقه‌مند شد و پردازش سیگنال را انتخاب کرد. به گفته تان، این رشته از دانش ریاضی زیادی استفاده می‌کند و فرصت‌های شغلی زیادی در شرکت‌های بزرگ نفتی دارد. این رشته همچنین یک زمینه آموزشی معروف در مدرسه است.

تان علاوه بر تحصیل، به دنبال بهبود زبان انگلیسی خود نیز بود. او برای یک شغل پاره وقت به عنوان صندوقدار در یک بازار درخواست داد. این شغل بسیار استرس‌زا بود و تان را مجبور می‌کرد تا برای حل مشکلات با مشتریان، بیشتر به طور فعال گوش دهد و به زبان انگلیسی صحبت کند. به لطف این، تان مهارت‌های شنیداری و گفتاری خود را بهبود بخشید. او می‌توانست راحت‌تر با دوستانش در مدرسه صحبت کند و در پروژه‌های معلمانش شرکت کند.

در سال ۲۰۱۴، تان وارد سال آخر دانشگاه شد. این زمانی بود که یادگیری ماشینی و یادگیری عمیق در ایالات متحده به سرعت در حال توسعه بودند. تان این دو زمینه را برای به کارگیری در این پروژه مطالعه کرد و به همراه دوستانش با موفقیت کلاهی ساخت که می‌توانست افکار فرد را به دستوراتی برای کنترل یک ماشین مدل تبدیل کند.

با این حال، درست قبل از فارغ‌التحصیلی، تان به عنوان کارآموز مهندسی در شرکت GE Oil and Gas - شرکتی در صنعت نفت و گاز - پذیرفته شد. مدت کوتاهی پس از آن، صنعت نفت رو به زوال رفت. در این زمان، استاد قدیمی او در دانشگاه رایس او را متقاعد کرد که به تحقیق در زمینه هوش مصنوعی بازگردد.

تان شغلش را رها کرد و در سال ۲۰۱۴ بورسیه کارشناسی ارشد و دکترا را برنده شد.

سه سال بعد، با شور و اشتیاق و راهنمایی‌های دلسوزانه‌ی معلمانش، تحصیلات تان به راحتی پیش رفت و به طور مداوم مقالات علمی منتشر می‌کرد. اما در سال چهارم، تان شروع به "گیر کردن" کرد و نمی‌دانست در مرحله‌ی بعد چه چیزی را باید تحقیق کند. او سعی کرد زمینه‌های جدید زیادی را در هوش مصنوعی کشف کند، اما هیچ نتیجه‌ای نگرفت.

تان با نگرانی گفت: «من دو سال است که هیچ مقاله علمی منتشر نکرده‌ام.» زیرا این مرحله برای یک دانشجوی دکترا بسیار مهم است. او مدام در تلاش بود و مدام ایده‌های خود را با ایده‌های معلمانش مقایسه می‌کرد تا بفهمد چه چیزی کم دارد.

پس از دو سال تلاش بی‌نتیجه، وقتی تان متوجه شد که چیزی که کم دارد، یک مسیر تحقیقاتی است، همه چیز روشن شد. در نهایت، تان تصمیم گرفت روی ریاضیات کاربردی و یادگیری ماشین تمرکز کند.

از آن زمان، کار تان بسیار آسان‌تر شده است. تان در Amazon AI و NVIDIA Research کارآموزی کرد و در تعدادی از مسائل کاربردی مانند مدل‌سازی فیزیک هوش مصنوعی، تطبیق دامنه برای یادگیری از داده‌های مصنوعی یا استفاده از یادگیری ماشین برای کاوش علم شرکت کرد. اخیراً، تان از این مسائل کاربردی برای پیش‌بینی عمر باتری خودروهای الکتریکی در یک پروژه مشترک با تویوتا استفاده کرد.

او در ماه ژوئن امسال، دوره پسادکترای خود را در دانشکده ریاضیات دانشگاه کالیفرنیا، لس‌آنجلس (UCLA) به پایان رساند و سپس در دانشگاه ملی سنگاپور مشغول به کار شد.

تان گفت شغل جدیدش خیلی جالب است. او می‌تواند در برنامه‌های ساختمانی شرکت کند تا به دانش‌آموزان کمک کند آموخته‌هایشان را برای یافتن شغل در سراسر جهان به کار گیرند.

تان به اشتراک گذاشت: «فشار زیادی وجود دارد، اما انگیزه بیشتری هم وجود دارد.» او گفت که مسیر تدریس را دنبال کرده است زیرا از مربیانش الهام گرفته است. پروفسور ریچارد بارانیوک در دانشگاه رایس و پروفسور استن اوشر در UCLA به تان توصیه‌های مفید زیادی در زمینه تحقیق و حرفه ارائه دادند. تان با مشاهده فداکاری و تأثیر مثبت آنها بر خود، آنها را به عنوان الگوهایی برای پیروی در نظر گرفت.

تان در کنفرانس هوش مصنوعی ICLR 2023 در رواندا. عکس: شخصیت ارائه شده

هو فام مین نات، استاد دانشگاه تگزاس، آستین، ایالات متحده، از همکارانش در هر دو زمینه تحقیق و تدریس بسیار قدردانی می‌کند.

آقای نات گفت: «تان همیشه می‌خواهد همه کارها را تا انتها انجام دهد و کارها را ناتمام نگذارد. او مشکلات را بسیار علمی کشف و حل می‌کند. تان همچنین نسبت به دانش‌آموزانش بسیار مسئولیت‌پذیر است.»

تا به امروز، تان ۱۶ مقاله در مجلات Q1 (معتبرترین گروه مجلات در یک حوزه) دارد. جهت‌گیری تحقیقاتی آینده‌ی تان ترکیب روش‌های مختلف در ریاضیات کاربردی مانند بهینه‌سازی، معادلات دیفرانسیل یا آمار است تا مدل‌های یادگیری ماشین مورد استفاده در کاربردهای هوش مصنوعی را توضیح دهد. او همچنین به طور منظم به ویتنام برمی‌گردد تا با همکارانش دانشجویان را راهنمایی کند.

تان با نگاهی به سفر خود می‌گوید که هر محیطی درس‌های ارزشمندی به او آموخته است. در دانشکده پزشکی، او فضیلت پشتکار را آموخت. دانشگاه رایس به او آموخت که چگونه یک محقق مستقل باشد. در UCLA، او آموخت که چگونه پربار باشد و تحقیقات تأثیرگذاری انجام دهد. همچنین در این دو مکان، با همکاری با همکارانی از کشورهای مختلف، تان ارزش تنوع در تحقیق و زندگی را آموخت.

او معتقد است که جوانان باید فعال، کنجکاو، سخت‌کوش باشند، دائماً تفکر خود را به‌روز کنند و به خود ایمان داشته باشند.

تان گفت: «هیچ چیز آسان به دست نمی‌آید.» او معتقد است که اکثر مردم نابغه نیستند، بنابراین این ویژگی‌ها کلید موفقیت هستند، به خصوص هنگام مواجهه با موانع.

خان لین

*استادیار یکی از سه سطح استادی در ایالات متحده است.

لینک منبع: https://vnexpress.net/tu-sinh-vien-y-thanh-giao-su-dai-hoc-top-8-the-gioi-4649054.html