Profesor Madya, Dr. Huynh Thi Thanh Binh: "Optimalisasi seringkali tentang mengikuti alam"

Kesempatan istimewa apa yang membuat Anda tetap setia pada Universitas Sains dan Teknologi Hanoi sejak masa kuliah? Apakah Anda termasuk orang yang takut dengan perubahan lingkungan?

Saya adalah anggota angkatan ke-37 mahasiswa jurusan Teknologi Informasi (TI) di sekolah ini, tetapi sebenarnya saya sudah mempelajari TI sejak SMA. Kemudian saya kuliah, magister, doktor... semuanya di sekolah ini.

Sebenarnya, ada saat-saat saya berniat kuliah di Jepang. Saat kuliah, saya belajar bahasa Jepang selama 5 tahun, disponsori pemerintah Jepang untuk 20 mahasiswa unggulan K36 dan K37. Namun, karena resesi ekonomi negara tetangga, program studi ini dihentikan. Setelah menyelesaikan program magister, Profesor Ho Tu Bao memperkenalkan saya kepada seorang profesor yang sangat bergengsi di Jepang untuk melakukan penelitian di sana. Namun, karena alasan subjektif dari saya (menikah), saya tetap bertahan di Universitas Teknologi. Atas dasar alasan objektif dan subjektif pula, saya masih menempuh pendidikan doktoral di universitas tersebut dan mengajar di sana hingga sekarang.

Kalau aku bilang ini takdir, aku takut itu agak berlebihan, tapi singkatnya, hal ini terjadi padaku secara alami dan lembut.

Associate Professor, Dr. Huynh Thi Thanh Binh menghadiri dan mempresentasikan laporan di konferensi terkemuka tentang komputasi evolusioner, Juli 2023 di Lisbon, Portugal

Dalam beberapa konferensi baru-baru ini, saya melihat Anda sering mempresentasikan hasil penelitian bersama banyak ilmuwan perempuan lainnya. Apakah itu pertanda munculnya generasi baru "feminisme" dalam sains di Politeknik?

Terakhir kali saya menghadiri konferensi Vingroup Innovation Fund (VINIF), Dr. Nguyen Phi Le, Dr. Le Minh Thuy, dan saya mempresentasikan bersama, dan ada mahasiswi lain, Dr. Nguyen Cam Ly, yang sedang berada di Jepang dan belum kembali. Hal ini merupakan kebetulan, atau "simpati" di antara kami, dan tidak mewakili generasi "feminis". Di jurusan teknik di kampus, hanya ada sedikit kelompok dengan anggota perempuan sebanyak kelompok saya, mungkin hanya lebih sedikit daripada kelompok riset di jurusan ekonomi atau bahasa asing di kampus. Hal istimewa lainnya adalah setiap tahun, kelompok saya mempublikasikan karya ilmiah di konferensi-konferensi terkemuka di dunia, dan kemudian saya dan kelompok saya menghadiri konferensi tersebut untuk memperluas kesempatan bertukar pikiran dengan kelompok-kelompok riset yang kuat.

Diketahui bahwa Anda mengelola laboratorium besar di sekolah dan juga mengajar. Agar dapat melakukannya dengan baik, apakah ada proses optimasi yang perlu diterapkan?

Saat ini saya adalah pemimpin sebuah kelompok riset optimasi yang beranggotakan sekitar 40 orang. Saya merasa beban kerjanya cukup berat; saya biasanya bekerja dari pagi hingga pukul 18.00-19.00, termasuk hari Sabtu. Bagi saya, bekerja itu seperti makan dan minum setiap hari, dan selalu ada hidangan yang berbeda karena setiap minggu selalu ada penemuan baru dari satu kelompok ke kelompok lainnya. Hal itu membuat saya bersemangat.

Untuk mengoptimalkan pekerjaan saya, saya sering harus menetapkan tujuan, merencanakan, mengalokasikan waktu secara wajar dan tidak pernah melupakan tenggat waktu.

Momen indah dengan warna dan kuas

Kapasitas kerja yang mengesankan, di balik tubuh langsing?

Saya rasa tubuh yang ringan membantu saya memiliki lebih banyak energi untuk berpikir, meneliti, dan berkarya. Tentu saja kita harus merasa nyaman dengan kondisi kita.

Saya juga belajar piano karena saya ingin melakukan sesuatu yang harmonis dalam hidup, untuk memiliki sesuatu yang lebih bermakna. Musik sebenarnya adalah matematika, mirip dengan bahasa atau perkembangan berbagai hal di alam.

Untuk menyatukan anggota lab, gaya manajemen mana yang Anda pilih: Tegas atau fleksibel?

Hadiah dari seorang siswa di Lab untuknya pada tanggal 8 Maret

Menghubungkan anggota di Lab sangatlah penting. Tanpa pertukaran, pembaruan, dan berbagi antar-jurusan penelitian, hal ini akan sulit dilakukan. Setiap pagi di awal minggu, saya membawa satu keranjang makanan dan minuman untuk anggota Lab, sambil menghitung berapa banyak yang nyaman untuk dikonsumsi sepanjang minggu. Saya berusaha mendukung anggota kelompok agar mereka dapat fokus pada penelitian, tidak terganggu, dan dapat bekerja dari pagi hingga malam.

Saya juga harus hadir di Lab seperti Anda, bekerja sama, bertemu, berdiskusi dengan Anda dan kelompok riset lainnya. Jika saya tidak bisa melakukan itu, koordinasi antar arah riset akan terganggu, atau bahkan mungkin tumpang tindih, tidak saling mendukung, dan tidak saling memperbarui perkembangan...

Gaya manajemen saya bervariasi tergantung perannya. Di sekolah, saya sangat lembut terhadap rekan kerja; di kelompok riset, saya menganggap diri saya cukup ketat, sangat ketat dalam hal rencana dan kemajuan, dengan imbalan dan hukuman yang jelas. Alasannya mungkin berasal dari keinginan untuk mengoptimalkan setiap jenis pekerjaan, dan saya merasa hal ini sangat alami.

Apa contoh konkret bagaimana matematika dapat menghasilkan solusi optimal?

Pada hakikatnya, matematika itu indah. Banyak masalah dalam kehidupan membutuhkan matematika. Misalnya, "bagaimana cara pergi dari Universitas Sains dan Teknologi Hanoi ke Danau Hoan Kiem secepat mungkin dan dengan lampu merah paling sedikit" adalah masalah yang membutuhkan algoritma untuk menemukan jawaban optimal. Banyak masalah di sekitar kita, seperti masalah perutean untuk pengiriman dan logistik, juga merupakan masalah optimasi kombinatorial... Kehidupan membutuhkan pekerjaan yang dioptimalkan, dan untuk mengoptimalkan pekerjaan tersebut, matematika dibutuhkan. Matematika terapan kini menjadi bidang yang berkembang pesat dan memainkan peran penting dalam kehidupan.

Kita tidak selalu menemukan solusi optimal, misalnya, dalam masalah produksi dan logistik dengan parameter yang terus berubah seiring waktu. Masalah-masalah ini membutuhkan banyak metode pelengkap, perlu menemukan solusi yang dapat diterima, dan menggunakan metode perkiraan. Objek matematika adalah bilangan absolut, tetapi mengerjakan matematika dengan besaran perkiraan sebenarnya mendekati esensi alam dan mendekati optimasi.

Dari matematika, optimasi hingga kecerdasan buatan (AI), apakah jalurnya panjang atau pendek?

AI bermula pada tahun 1940-an dan 1950-an. Saat itu, Alan Turing memperkenalkan konsep "mesin Turing" untuk mensimulasikan teori komputer cerdas. Pada tahun 1950-an, John McCarthy memperkenalkan istilah "kecerdasan buatan" dan mengembangkan bahasa pemrograman. Pada tahun 1970-an dan 1980-an, konsep-konsep seperti sistem pakar dan logika fuzzy dikembangkan untuk memecahkan masalah pengambilan keputusan. Tahun 1990-an menyaksikan perkembangan jaringan saraf tiruan dan jaringan saraf tiruan dalam (deep neural network). Pada tahun 2010-an, teknologi AI terintegrasi ke dalam berbagai bidang, termasuk mobil tanpa pengemudi, chatbot, pengenalan, dan pemrosesan bahasa. Baru-baru ini, AI menjadi begitu populer sehingga telah memasuki setiap aspek kehidupan dan menjadi topik yang menarik bagi banyak negara. Di masa depan, AI akan menjadi pasar yang sangat subur untuk pengembangan lebih lanjut dan lebih mendalam, menembus lebih banyak aktivitas kehidupan.

Dengan mahasiswa pascasarjana dan mahasiswa yang menghadiri dan melaporkan di Kongres Dunia IEEE 2018 tentang Kecerdasan Komputasi di Rio de Janeiro, Brasil pada bulan Juni 2018

Banyak orang percaya bahwa penelitian dan penerapan AI saat ini tidak akan pernah menghasilkan "kecerdasan" sejati. Apa pendapat Anda tentang pandangan ini, dan apa yang membedakan kecerdasan manusia dan kecerdasan mesin?

Pada masa Alan Turing, orang-orang percaya bahwa jika sebuah mesin dapat diciptakan yang mampu memproses kalkulasi dengan baik menggunakan sistem data yang sangat besar, maka pada suatu titik, kompleksitasnya akan setara dengan jaringan saraf di otak manusia—artinya, AI dapat mencapai kecerdasan manusia. Setelah sekitar 80 tahun pengembangan ke arah itu dengan perusahaan-perusahaan raksasa seperti Google, hingga saat ini, saya rasa AI masih jauh dari mampu mencapai tujuan tersebut. Secara mekanis, dapat dikatakan bahwa manusia mensintesis informasi, mempersepsi, belajar, mengekspresikan emosi... dengan cara yang dapat dihitung dan diprogram; menurut logika tersebut, AI dapat mendekati dan melampaui manusia berkat peningkatan kecepatan dan data. Namun, ada mekanisme "tidak logis" tertentu di otak manusia yang menurut saya AI masih jauh dari, atau tidak akan pernah bisa mencapai, keadaan tersebut.

Akankah tiba saatnya manusia menggunakan data sebagai senjata, alih-alih senjata atau ekonomi? Apa konsekuensi dari perang data ini? Apakah diperlukan strategi optimasi/penyeimbangan antara dunia manusia dan dunia mesin?

Saya bisa kehilangan dompet, tapi saya tidak bisa kehilangan komputer dan data di dalamnya. Artinya, data sangatlah penting. Dalam perang senjata/ekonomi, kita bisa mengungsi/bernegosiasi…; tapi dengan data, kita tidak bisa berbuat apa-apa. Orang-orang bahkan menggunakan big data untuk melayani persaingan/perang. AI tanpa data tidak ada artinya.

Konsekuensi perang data akan sangat mengerikan. Standar etika untuk penambangan dan penggunaan data harus ditetapkan.

Mungkin masih terlalu dini untuk membahas strategi keseimbangan manusia-mesin, tetapi strategi untuk melindungi data sebagai aset nasional sangatlah penting. Kini, orang-orang juga mulai berhati-hati saat memberikan data pribadi kepada pihak lain. Dengan raksasa seperti Google, Facebook, atau TikTok..., jika kita tidak mengontrol dan mengamankan data secara efektif, kita akan membiarkan sumber daya berharga mengambang bagi perusahaan-perusahaan ini untuk dimanipulasi dan digunakan. Pemerintah memiliki kebijakan manajemen data yang cukup baik untuk tempat-tempat yang menyimpan banyak data pribadi seperti sekolah, bank...; tetapi mengelola data yang "tanpa disadari" diberikan orang kepada raksasa-raksasa tersebut bukanlah hal yang mudah.

Profesor Madya, Dr. Huynh Thi Thanh Binh dan mahasiswa Politeknik yang lulus pada bulan Agustus 2023

Selain data, mengoptimalkan transfer informasi juga penting, dan apakah relevan dengan proyek penelitian yang sedang Anda kerjakan?

Ya, itulah proyek yang sangat saya banggakan bersama tim saya, ketika kami didanai oleh Yayasan VINIF untuk penelitian tentang transfer pembelajaran guna memecahkan masalah optimasi kombinatorial. Untuk mendapatkan pendanaan proyek ini, tim saya menghabiskan 9 bulan untuk mempersiapkan, menulis, dan merevisi proposal agar menjadi yang terbaik dan paling mendekati hasil yang dapat dicapai dalam praktik. Proyek ini melibatkan penelitian tentang transfer pengetahuan optimal dalam evolusi, transfer informasi dalam koevolusi, dan transfer informasi dalam jaringan saraf.

Transfer di sini bukan dari mesin ke mesin atau dari orang ke orang, melainkan studi tentang transfer/pembagian informasi untuk memecahkan masalah optimasi dalam kehidupan secara efektif. Misalnya, beberapa masalah penting: masalah lengan robot, masalah perutean dalam transportasi, perencanaan dalam militer…

Associate Professor, Dr. Huynh Thi Thanh Binh di Universitas Stanford, AS

Statistik terbaru menunjukkan bahwa personel industri AI menerima gaji di 3 besar di Vietnam. Menurut Anda, apakah AI merupakan bidang studi yang sedang tren?

Dalam laporan konferensi baru-baru ini, saya juga merangkum gaji insinyur AI di Vietnam, dan hasilnya sangat bagus. Ada banyak peluang kerja terkait AI, dan saya pikir dalam waktu dekat, AI akan tetap menjadi bidang yang sangat menarik, mudah dicari, dan berpenghasilan tinggi.

Dari sudut pandang seseorang yang telah berhubungan dengan Universitas Teknologi selama beberapa generasi, bagaimana Anda membandingkan mahasiswa generasi Z saat ini dengan alumni sebelumnya?

Entah dari mana, tapi dengan mahasiswa Gen Z di Bách Khoa, saya melihat kalian semakin baik. Sangat baik. Kalian sangat cerdas, tidak hanya jago di jurusan, tetapi juga di bidang bahasa asing dan soft skills. Terutama, sejak beralih ke sistem otonom, Bách Khoa telah menarik semakin banyak mahasiswa berbakat.

Di Fakultas Teknologi Informasi dan Komunikasi tempat saya bekerja, mahasiswa hanya memiliki sedikit akses ke laboratorium penelitian. Namun, dalam beberapa tahun terakhir, sebagian besar mahasiswa telah berada di laboratorium sejak tahun pertama mereka, bekerja dengan antusias dan kreatif. Beberapa mahasiswa bahkan berinisiatif untuk mempelajari laboratorium kami dan berpartisipasi.

Terima kasih sudah ngobrol!

Thanhnien.vn