ຮອງສາສະດາຈານ, ດຣ ຮ່ວາງທິແທ່ງບິ່ງ: “ການທີ່ດີທີ່ສຸດແມ່ນມັກເຮັດຕາມທຳມະຊາດ”.

ຮອງສາດສະດາຈານ, ດຣ. ຮ່ວາງທິແທ່ງບິງ: “ການເພີ່ມປະສິດທິພາບມັກຈະເປັນໄປຕາມທຳມະຊາດ” - ຮູບ 1.

ມີໂອກາດພິເສດອັນໃດທີ່ເຮັດໃຫ້ທ່ານຕິດພັນກັບມະຫາວິທະຍາໄລວິທະຍາສາດ ແລະ ເຕັກໂນໂລຊີ ຮ່າໂນ້ຍ ນັບແຕ່ວັນນັກສຶກສາ? ເຈົ້າເປັນຄົນທີ່ຢ້ານການປ່ຽນແປງສະພາບແວດລ້ອມບໍ?

ຂ້າພະເຈົ້າເປັນສະມາຊິກຂອງນັກສຶກສາລຸ້ນທີ 37 ສາຂາວິຊາເຕັກໂນໂລຊີຂໍ້ມູນຂ່າວສານ (ໄອທີ) ຢູ່ໂຮງຮຽນ, ແຕ່ຄວາມຈິງແລ້ວຂ້າພະເຈົ້າຮຽນ IT ຕັ້ງແຕ່ມັດທະຍົມ. ຫຼັງຈາກນັ້ນຂ້າພະເຈົ້າໄດ້ຮຽນວິທະຍາໄລ, ປະລິນຍາໂທ, ປະລິນຍາເອກ ... ທັງຫມົດທີ່ໂຮງຮຽນນີ້.

ແທ້ຈິງແລ້ວ, ມີບາງຄັ້ງທີ່ຂ້ອຍຕັ້ງໃຈໄປຮຽນຕ່າງປະເທດຢູ່ຍີ່ປຸ່ນ. ຕອນຮຽນຢູ່ມະຫາວິທະຍາໄລ, ໄດ້ຮຽນພາສາຍີ່ປຸ່ນເປັນເວລາ 5 ປີ, ໂດຍລັດຖະບານຍີ່ປຸ່ນໄດ້ຮັບການສະໜັບສະໜູນໃຫ້ແກ່ນັກຮຽນເກັ່ງ 20 ຄົນຂອງ K36 ແລະ K37. ຈາກນັ້ນ, ມັນໄດ້ຕົກເຂົ້າສູ່ສະພາບຖົດຖອຍ ດ້ານເສດຖະກິດ ຂອງປະເທດເພື່ອນບ້ານ, ສະນັ້ນຈຶ່ງຖືກໂຈະ. ຈາກນັ້ນ, ເມື່ອຮຽນຈົບປະລິນຍາໂທ, ສາດສະດາຈານ ໂຮ່ຕູ໋ບ໋າ ໄດ້ແນະນຳໃຫ້ຂ້າພະເຈົ້າຮູ້ຈັກກັບອາຈານທີ່ມີຊື່ສຽງຢູ່ຍີ່ປຸ່ນ ເພື່ອໄປເຮັດການຄົ້ນຄວ້າ, ແຕ່ຍ້ອນເຫດຜົນທາງວິຊາສະເພາະຈາກຝ່າຍຂ້າພະເຈົ້າ (ແຕ່ງດອງ) ຂ້າພະເຈົ້າຍັງພັກຢູ່ມະຫາວິທະຍາໄລເຕັກນິກ. ມັນຍັງເປັນຍ້ອນເຫດຜົນດ້ານຈຸດປະສົງແລະຫົວຂໍ້ທີ່ຂ້ອຍຍັງຮຽນປະລິນຍາເອກຢູ່ໂຮງຮຽນແລະສອນຢູ່ທີ່ນັ້ນຈົນເຖິງປະຈຸບັນ.

ຖ້າຂ້ອຍເວົ້າວ່າມັນເປັນໂຊກຊະຕາ, ຂ້ອຍຢ້ານວ່າມັນເປັນການເວົ້າເກີນຈິງ, ແຕ່ເວົ້າງ່າຍໆ, ເລື່ອງນີ້ມາຮອດຂ້ອຍຕາມທໍາມະຊາດແລະຄ່ອຍໆ.

PGS-TS Huỳnh Thị Thanh Bình: “Tối ưu hóa nhiều khi chính là thuận theo tự nhiên” - Ảnh 2. — ຮອງສາສະດາຈານ, ດຣ ຮ່ວາງທິແທ່ງບິ່ງ ໄດ້ເຂົ້າຮ່ວມ ແລະ ສະເໜີບົດລາຍງານຢູ່ກອງປະຊຸມນຳພາການຄິດໄລ່ວິວັດທະນາການ, ເດືອນກໍລະກົດ 2023 ຢູ່ນະຄອນ Lisbon ປະເທດ ປອກຕຸຍການ.

ໃນບາງກອງປະຊຸມທີ່ຜ່ານມາ, ຂ້າພະເຈົ້າໄດ້ເຫັນເຈົ້າມັກຈະນໍາສະເຫນີຜົນການຄົ້ນຄວ້າກັບ ນັກວິທະຍາສາດ ຍິງຄົນອື່ນໆ. ນັ້ນແມ່ນສັນຍານຂອງ "feminism" ລຸ້ນໃຫມ່ໃນວິທະຍາສາດຢູ່ Polytechnic ບໍ?

ຄັ້ງສຸດທ້າຍທີ່ຂ້າພະເຈົ້າໄດ້ເຂົ້າຮ່ວມກອງປະຊຸມກອງທຶນປະດິດສ້າງ Vingroup (VIINF), ທ່ານດຣ ຫງວຽນຝູ໋ຈ້ອງ, ທ່ານດຣ ເລມິງທ້ວນ ແລະ ຂ້າພະເຈົ້າ ໄດ້ສະເໜີຮ່ວມກັນ, ແລະ ມີນັກສຶກສາຍິງອີກຄົນໜຶ່ງ, ທ່ານດຣ ຫງວຽນກ່າມລີ, ຢູ່ຍີ່ປຸ່ນ ແລະ ຍັງບໍ່ທັນກັບຄືນມາເທື່ອ. ມັນແມ່ນຄວາມບັງເອີນ, ຫຼື "ຄວາມເຫັນອົກເຫັນໃຈ" ລະຫວ່າງພວກເຮົາ, ແລະບໍ່ໄດ້ເປັນຕົວແທນຂອງລຸ້ນ "feminist" ໃດ. ໃນກຸ່ມວິສະວະກໍາຢູ່ໃນໂຮງຮຽນ, ມີກຸ່ມຈໍານວນຫນ້ອຍທີ່ມີສະມາຊິກແມ່ຍິງຫຼາຍເທົ່າກັບກຸ່ມຂອງຂ້ອຍ, ອາດຈະເປັນພຽງແຕ່ຫນ້ອຍກວ່າກຸ່ມຄົ້ນຄ້ວາທາງດ້ານເສດຖະສາດຫຼືກຸ່ມພາສາຕ່າງປະເທດຢູ່ໃນໂຮງຮຽນ. ຈຸດພິເສດອີກຢ່າງໜຶ່ງແມ່ນທຸກໆປີ, ກຸ່ມຂອງຂ້ອຍໄດ້ເຜີຍແຜ່ໃນກອງປະຊຸມຊັ້ນນໍາໃນໂລກ, ແລະຫຼັງຈາກນັ້ນກຸ່ມຂອງຂ້ອຍແລະຂ້ອຍເຂົ້າຮ່ວມກອງປະຊຸມເພື່ອຂະຫຍາຍໂອກາດໃນການແລກປ່ຽນກັບກຸ່ມຄົ້ນຄ້ວາທີ່ເຂັ້ມແຂງ.

ມັນເປັນທີ່ຮູ້ຈັກວ່າທ່ານກໍາລັງຈັດການຫ້ອງທົດລອງຂະຫນາດໃຫຍ່ຢູ່ໃນໂຮງຮຽນແລະຍັງສອນ. ເພື່ອເຮັດສິ່ງນີ້, ມີຂະບວນການເພີ່ມປະສິດທິພາບທີ່ຕ້ອງໃຊ້ບໍ?

ໃນປັດຈຸບັນຂ້າພະເຈົ້າເປັນຜູ້ນໍາຂອງກຸ່ມຄົ້ນຄ້ວາການເພີ່ມປະສິດທິພາບປະມານ 40 ຄົນ. ຂ້ອຍເຫັນວ່າວຽກງານມີຂະຫນາດໃຫຍ່; ປົກກະຕິແລ້ວຂ້ອຍເຮັດວຽກແຕ່ເຊົ້າຈົນຮອດ 6-7 ໂມງແລງ, ລວມທັງວັນເສົາ. ສໍາລັບຂ້ອຍ, ການເຮັດວຽກແມ່ນຄ້າຍຄືອາຫານປະຈໍາວັນ, ແລະມີການປ່ຽນອາຫານເລື້ອຍໆເພາະວ່າທຸກໆອາທິດມີການຄົ້ນພົບໃຫມ່ຈາກກຸ່ມຫນຶ່ງຫຼືຄົນອື່ນ. ນັ້ນເຮັດໃຫ້ຂ້ອຍຮູ້ສຶກຕື່ນເຕັ້ນ.

ເພື່ອເພີ່ມປະສິດທິພາບການເຮັດວຽກຂອງຂ້ອຍ, ຂ້ອຍມັກຈະຕັ້ງເປົ້າຫມາຍ, ວາງແຜນ, ຈັດສັນເວລາຢ່າງສົມເຫດສົມຜົນແລະບໍ່ເຄີຍລືມເສັ້ນຕາຍ.

ຄວາມສາມາດໃນການເຮັດວຽກທີ່ຫນ້າປະທັບໃຈ, ຫລັງຮູບທີ່ກະທັດຮັດ?

ຂ້າພະເຈົ້າຄິດວ່າຮ່າງກາຍທີ່ມີແສງສະຫວ່າງຊ່ວຍໃຫ້ຂ້າພະເຈົ້າມີພະລັງງານຫຼາຍທີ່ຈະຄິດ, ຄົ້ນຄວ້າ, ແລະສ້າງ. ແນ່ນອນເຈົ້າຕ້ອງສະດວກສະບາຍກັບລັດຂອງເຈົ້າ.

ຂ້າພະເຈົ້າຍັງໄດ້ຮຽນ piano, ເພາະວ່າຂ້າພະເຈົ້າຕ້ອງການທີ່ຈະເຮັດບາງສິ່ງບາງຢ່າງປະສົມກົມກຽວໃນຊີວິດ, ມີບາງສິ່ງບາງຢ່າງທີ່ມີລົດຊາດ. ດົນຕີແມ່ນຄະນິດສາດ, ຄ້າຍຄືກັນກັບພາສາຫຼືການພັດທະນາຂອງສິ່ງຕ່າງໆໃນທໍາມະຊາດ.

ເພື່ອເຕົ້າໂຮມສະມາຊິກຫ້ອງທົດລອງ, ເຈົ້າເລືອກຮູບແບບການຈັດການແບບໃດ: ໜັກແໜ້ນ ຫຼື ປ່ຽນແປງໄດ້?

*ຂອງຂວັນຈາກນັກຮຽນໃນຫ້ອງທົດລອງໃຫ້ນາງໃນວັນທີ 8 ມີນານີ້*

ການເຊື່ອມຕໍ່ສະມາຊິກໃນຫ້ອງທົດລອງແມ່ນມີຄວາມສໍາຄັນທີ່ສຸດ. ຖ້າບໍ່ມີການແລກປ່ຽນ, ປັບປຸງ, ແລະແບ່ງປັນລະຫວ່າງທິດທາງການຄົ້ນຄວ້າ, ມັນຈະຍາກທີ່ຈະເຮັດແນວນັ້ນ. ທຸກໆເຊົ້າໃນຕອນຕົ້ນຂອງອາທິດ, ຂ້ອຍເອົາລົດເຂັນອາຫານ ແລະ ເຄື່ອງດື່ມມາໃຫ້ສະມາຊິກຫ້ອງທົດລອງ, ຄິດໄລ່ວ່າໃຊ້ໄດ້ສະບາຍເທົ່າໃດຕະຫຼອດອາທິດ. ຂ້າພະເຈົ້າພະຍາຍາມສະຫນັບສະຫນູນສະມາຊິກໃນກຸ່ມເພື່ອໃຫ້ພວກເຂົາສາມາດສຸມໃສ່ການຄົ້ນຄວ້າ, ບໍ່ລົບກວນ, ແລະສາມາດເຮັດວຽກແຕ່ເຊົ້າຫາກາງຄືນ.

ຂ້ອຍຍັງຕ້ອງຢູ່ໃນຫ້ອງທົດລອງຄືກັບເຈົ້າ, ເຮັດວຽກຮ່ວມກັນ, ປະຊຸມຮ່ວມກັນ, ປຶກສາຫາລືກັບທ່ານແລະກຸ່ມຄົ້ນຄ້ວາອື່ນໆ. ຖ້າຂ້ອຍບໍ່ສາມາດເຮັດແນວນັ້ນ, ຈະບໍ່ມີການປະສານງານລະຫວ່າງທິດທາງການຄົ້ນຄວ້າ, ຫຼືພວກເຂົາອາດຈະຊ້ອນກັນ, ບໍ່ສະຫນັບສະຫນູນເຊິ່ງກັນແລະກັນ, ບໍ່ປັບປຸງຄວາມກ້າວຫນ້າຂອງກັນແລະກັນ ...

ຮູບແບບການຄຸ້ມຄອງຂອງຂ້ອຍແຕກຕ່າງກັນໄປຕາມພາລະບົດບາດ. ຢູ່ໂຮງຮຽນ, ຂ້ອຍມີຄວາມອ່ອນໂຍນຫຼາຍກັບເພື່ອນຮ່ວມງານຂອງຂ້ອຍ; ໃນກຸ່ມຄົ້ນຄ້ວາ, ຂ້າພະເຈົ້າພິຈາລະນາຕົນເອງຂ້ອນຂ້າງເຄັ່ງຄັດ, ເຄັ່ງຄັດຫຼາຍກ່ຽວກັບແຜນການແລະຄວາມຄືບຫນ້າ, ມີລາງວັນແລະການລົງໂທດທີ່ຊັດເຈນ. ເຫດຜົນອາດຈະມາຈາກຄວາມປາຖະຫນາທີ່ຈະເພີ່ມປະສິດທິພາບໃນແຕ່ລະປະເພດການເຮັດວຽກທີ່ແຕກຕ່າງກັນ, ແລະຂ້ອຍເຫັນວ່ານີ້ແມ່ນທໍາມະຊາດຫຼາຍ.

PGS-TS Huỳnh Thị Thanh Bình: “Tối ưu hóa nhiều khi chính là thuận theo tự nhiên” - Ảnh 5.

PGS-TS Huỳnh Thị Thanh Bình: “Tối ưu hóa nhiều khi chính là thuận theo tự nhiên” - Ảnh 6.

ຕົວຢ່າງທີ່ຊັດເຈນຂອງຄະນິດສາດສາມາດນໍາໄປສູ່ການແກ້ໄຂທີ່ດີທີ່ສຸດແມ່ນຫຍັງ?

ໂດຍເນື້ອແທ້ແລ້ວ, ຄະນິດສາດແມ່ນງາມຫຼາຍ. ບັນຫາຈໍານວນຫຼາຍໃນຊີວິດຕ້ອງການຄະນິດສາດ. ຕົວຢ່າງ, “ວິທີເດີນທາງຈາກມະຫາວິທະຍາໄລວິທະຍາສາດ ແລະ ເຕັກໂນໂລຊີຮ່າໂນ້ຍ ໄປຫາທະເລສາບຮວ່າງກ໋ຽມໄວທີ່ສຸດເທົ່າທີ່ຈະໄວໄດ້ ແລະ ມີໄຟແດງໜ້ອຍທີ່ສຸດ” ແມ່ນບັນຫາທີ່ຕ້ອງໃຊ້ສູດການຄິດໄລ່ເພື່ອຊອກຫາຄຳຕອບທີ່ເໝາະສົມທີ່ສຸດ. ບັນຫາຈໍານວນຫຼາຍທີ່ຢູ່ອ້ອມຮອບພວກເຮົາ, ເຊັ່ນບັນຫາການສົ່ງຕໍ່ແລະການຂົນສົ່ງ, ຍັງເປັນບັນຫາການເພີ່ມປະສິດທິພາບແບບປະສົມປະສານ ... ຊີວິດຕ້ອງການການເຮັດວຽກທີ່ດີທີ່ສຸດ, ແລະເພື່ອເພີ່ມປະສິດທິພາບການເຮັດວຽກ, ຄະນິດສາດແມ່ນຈໍາເປັນ. ປະຈຸບັນຄະນິດສາດປະຍຸກແມ່ນເປັນສາຂາທີ່ເຕີບໃຫຍ່ ແລະມີບົດບາດສຳຄັນໃນຊີວິດ.

ພວກເຮົາບໍ່ສະເຫມີໄປຊອກຫາວິທີແກ້ໄຂທີ່ດີທີ່ສຸດ, ສໍາລັບການຍົກຕົວຢ່າງ, ໃນການຜະລິດແລະບັນຫາການຂົນສົ່ງກັບພາລາມິເຕີທີ່ມີການປ່ຽນແປງຢ່າງຕໍ່ເນື່ອງໃນໄລຍະເວລາ. ບັນຫາເຫຼົ່ານີ້ຮຽກຮ້ອງໃຫ້ມີວິທີການເພີ່ມເຕີມຫຼາຍ, ຈໍາເປັນຕ້ອງຊອກຫາວິທີແກ້ໄຂທີ່ຍອມຮັບແລະນໍາໃຊ້ວິທີການປະມານ. ຈຸດປະສົງຂອງຄະນິດສາດແມ່ນຕົວເລກທີ່ສົມບູນແບບ, ແຕ່ການເຮັດຄະນິດສາດທີ່ມີປະລິມານໂດຍປະມານທີ່ແທ້ຈິງແມ່ນເຂົ້າໄປໃກ້ກັບເນື້ອແທ້ຂອງທໍາມະຊາດແລະໃກ້ຊິດກັບການປັບປະສິດທິພາບ.

ຈາກຄະນິດສາດ, ການເພີ່ມປະສິດທິພາບໄປສູ່ປັນຍາປະດິດ (AI) ມັນເປັນເສັ້ນທາງຍາວຫຼືສັ້ນ?

AI ໄດ້ເລີ່ມຕົ້ນໃນຊຸມປີ 1940 ແລະ 1950s. ໃນເວລານັ້ນ, Alan Turing ໄດ້ນໍາສະເຫນີແນວຄວາມຄິດຂອງ "ເຄື່ອງຈັກ Turing" ເພື່ອຈໍາລອງທິດສະດີຂອງຄອມພິວເຕີອັດສະລິຍະ. ໃນຊຸມປີ 1950, John McCarthy ໄດ້ແນະນໍາຄໍາວ່າ "ປັນຍາປະດິດ" ແລະພາສາທີ່ພັດທະນາ. ໃນຊຸມປີ 1970 ແລະ 1980, ແນວຄວາມຄິດເຊັ່ນລະບົບຜູ້ຊ່ຽວຊານແລະເຫດຜົນ fuzzy ໄດ້ຖືກພັດທະນາເພື່ອແກ້ໄຂບັນຫາການຕັດສິນໃຈ. ຊຸມປີ 1990 ໄດ້ເຫັນການພັດທະນາຂອງເຄືອຂ່າຍ neural ແລະເຄືອຂ່າຍ neural ເລິກ. ໃນຊຸມປີ 2010, ເຕັກໂນໂລຢີ AI ໄດ້ຖືກປະສົມປະສານເຂົ້າໃນຫຼາຍຂົງເຂດ, ລວມທັງລົດທີ່ຂັບລົດດ້ວຍຕົນເອງ, chatbots, ການຮັບຮູ້ແລະການປຸງແຕ່ງພາສາ. ບໍ່ດົນມານີ້, AI ໄດ້ກາຍເປັນທີ່ນິຍົມຫລາຍທີ່ມັນເຂົ້າໄປໃນທຸກໆດ້ານຂອງຊີວິດແລະເປັນຫົວຂໍ້ທີ່ຫນ້າສົນໃຈສໍາລັບປະເທດຕ່າງໆ. ໃນອະນາຄົດ, AI ຈະເປັນຕະຫຼາດທີ່ມີຄວາມອຸດົມສົມບູນທີ່ສຸດສໍາລັບການພັດທະນາຕໍ່ໄປແລະເລິກເຊິ່ງ, ເຈາະເຂົ້າໄປໃນກິດຈະກໍາຂອງຊີວິດຫຼາຍຂຶ້ນ.

PGS-TS Huỳnh Thị Thanh Bình: “Tối ưu hóa nhiều khi chính là thuận theo tự nhiên” - Ảnh 7. — ໂດຍມີນັກສຶກສາລະດັບປະລິນຍາຕີ ແລະນັກສຶກສາເຂົ້າຮ່ວມ ແລະລາຍງານໃນກອງປະຊຸມ IEEE World Congress on Computational Intelligence in Rio de Janeiro, Brazil ໃນເດືອນມິຖຸນາ 2018

ຫຼາຍຄົນເຊື່ອວ່າການຄົ້ນຄວ້າ AI ແລະຄໍາຮ້ອງສະຫມັກໃນປະຈຸບັນຈະບໍ່ນໍາໄປສູ່ການສ້າງ "ປັນຍາ" ທີ່ແທ້ຈິງ. ທ່ານຄິດແນວໃດກ່ຽວກັບທັດສະນະນີ້, ແລະທ່ານຄິດວ່າອັນໃດທີ່ເຮັດໃຫ້ຄວາມແຕກຕ່າງລະຫວ່າງຄວາມສະຫລາດຂອງມະນຸດແລະເຄື່ອງຈັກ?

ໃນເວລາຂອງ Alan Turing, ປະຊາຊົນເຊື່ອວ່າຖ້າເຄື່ອງຈັກສາມາດຖືກສ້າງຂື້ນທີ່ສາມາດປະມວນຜົນການຄິດໄລ່ໄດ້ດີກັບລະບົບຂໍ້ມູນຂະຫນາດໃຫຍ່ທີ່ສຸດ, ຫຼັງຈາກນັ້ນ, ໃນບາງຈຸດ, ຄວາມສັບສົນຂອງມັນຈະເທົ່າກັບເຄືອຂ່າຍ neural ໃນສະຫມອງຂອງມະນຸດ - ນັ້ນແມ່ນ, AI ສາມາດເຂົ້າຫາປັນຍາຂອງມະນຸດໄດ້. ຫຼັງຈາກປະມານ 80 ປີຂອງການພັດທະນາໃນທິດທາງນັ້ນກັບບໍລິສັດໃຫຍ່ເຊັ່ນ Google, ມາຮອດປັດຈຸບັນ, ຂ້າພະເຈົ້າຄິດວ່າ AI ຍັງຢູ່ໄກຈາກການສາມາດບັນລຸເປົ້າຫມາຍດັ່ງກ່າວ. ທາງດ້ານກົນຈັກ, ສາມາດເວົ້າໄດ້ວ່າມະນຸດສັງເຄາະຂໍ້ມູນ, ຮັບຮູ້, ຮຽນຮູ້, ສະແດງອາລົມ... ດ້ວຍວິທີທີ່ສາມາດຄິດໄລ່ ແລະ ວາງແຜນ; ອີງຕາມເຫດຜົນດັ່ງກ່າວ, AI ສາມາດເຂົ້າຫາແລະລື່ນກາຍມະນຸດຍ້ອນການປັບປຸງຄວາມໄວແລະຂໍ້ມູນ. ຢ່າງໃດກໍ່ຕາມ, ມີກົນໄກ "ບໍ່ມີເຫດຜົນ" ທີ່ແນ່ນອນໃນສະຫມອງຂອງມະນຸດທີ່ຂ້ອຍຄິດວ່າ AI ແມ່ນຢູ່ໄກຈາກ, ຫຼືບໍ່ສາມາດເຂົ້າຫາສະຖານະການນັ້ນໄດ້.

PGS-TS Huỳnh Thị Thanh Bình: “Tối ưu hóa nhiều khi chính là thuận theo tự nhiên” - Ảnh 8.

ຈະມີເວລາທີ່ມະນຸດໃຊ້ຂໍ້ມູນເປັນອາວຸດ, ແທນທີ່ຈະເປັນປືນຫຼືເສດຖະກິດບໍ? ຈະເປັນແນວໃດຜົນສະທ້ອນຂອງສົງຄາມຂໍ້ມູນນີ້? ມີຄວາມຈໍາເປັນສໍາລັບຍຸດທະສາດການເພີ່ມປະສິດທິພາບ / ການດຸ່ນດ່ຽງລະຫວ່າງໂລກມະນຸດແລະໂລກເຄື່ອງຈັກບໍ?

ຂ້ອຍສາມາດສູນເສຍກະເປົາເງິນຂອງຂ້ອຍ, ແຕ່ຂ້ອຍບໍ່ສາມາດສູນເສຍຄອມພິວເຕີແລະຂໍ້ມູນໃນມັນ. ນັ້ນແມ່ນ, ຂໍ້ມູນແມ່ນມີຄວາມ ສຳ ຄັນຫຼາຍ. ໃນສົງຄາມທີ່ມີອາວຸດ / ເສດຖະກິດ, ພວກເຮົາສາມາດອົບພະຍົບ / ເຈລະຈາ…; ແຕ່ດ້ວຍຂໍ້ມູນ, ພວກເຮົາບໍ່ສາມາດເຮັດຫຍັງໄດ້. ປະຊາຊົນຍັງໃຊ້ຂໍ້ມູນໃຫຍ່ເພື່ອຮັບໃຊ້ການແຂ່ງຂັນ / ສົງຄາມ. AI ທີ່ບໍ່ມີຂໍ້ມູນແມ່ນບໍ່ມີຄວາມຫມາຍ.

ຜົນສະທ້ອນຂອງສົງຄາມຂໍ້ມູນຈະຮ້າຍແຮງ. ມາດຕະຖານດ້ານຈັນຍາບັນສໍາລັບການຂຸດຄົ້ນຂໍ້ມູນແລະການນໍາໃຊ້ຈະຕ້ອງໄດ້ຮັບການສ້າງຕັ້ງຂຶ້ນ.

ມັນອາດຈະໄວເລັກນ້ອຍທີ່ຈະເວົ້າກ່ຽວກັບຍຸດທະສາດການດຸ່ນດ່ຽງຂອງມະນຸດແລະເຄື່ອງຈັກ, ແຕ່ຍຸດທະສາດເພື່ອປົກປ້ອງຂໍ້ມູນເປັນຊັບສິນແຫ່ງຊາດແມ່ນມີຄວາມຈໍາເປັນທີ່ສຸດ. ໃນປັດຈຸບັນປະຊາຊົນຍັງເລີ່ມມີຄວາມລະມັດລະວັງໃນເວລາໃຫ້ຂໍ້ມູນສ່ວນຕົວກັບພາກສ່ວນອື່ນ. ກັບຍັກໃຫຍ່ເຊັ່ນ Google, Facebook ຫຼື TikTok ..., ຖ້າພວກເຮົາບໍ່ຄວບຄຸມແລະຮັບປະກັນຂໍ້ມູນຢ່າງມີປະສິດທິພາບ, ພວກເຮົາຈະປ່ອຍໃຫ້ຊັບພະຍາກອນທີ່ມີຄຸນຄ່າສໍາລັບບໍລິສັດເຫຼົ່ານີ້ເພື່ອຈັດການແລະນໍາໃຊ້. ລັດຖະບານມີນະໂຍບາຍຄຸ້ມຄອງຂໍ້ມູນທີ່ຂ້ອນຂ້າງດີສຳລັບສະຖານທີ່ເກັບຂໍ້ມູນສ່ວນຕົວເປັນຈຳນວນຫຼວງຫຼາຍເຊັ່ນ: ໂຮງຮຽນ, ທະນາຄານ...; ແຕ່ການຄຸ້ມຄອງຂໍ້ມູນທີ່ປະຊາຊົນ "ໂດຍບໍ່ຮູ້ຕົວ" ໃຫ້ກັບຍັກໃຫຍ່ຂ້າງເທິງແມ່ນບໍ່ງ່າຍດາຍ.

ຮອງສາດສະດາຈານ, ດຣ ຮ່ວາງທິແທ່ງບິງ ແລະ ນັກສຶກສາວິທະຍາໄລເຕັກນິກສັບພະວິຊາ ທີ່ຮຽນຈົບໃນເດືອນສິງຫາ 2023.

ນອກເຫນືອຈາກຂໍ້ມູນ, ການເພີ່ມປະສິດທິພາບການໂອນຂໍ້ມູນຍັງມີຄວາມສໍາຄັນ, ແລະມັນກ່ຽວຂ້ອງກັບໂຄງການຄົ້ນຄ້ວາທີ່ທ່ານກໍາລັງເຮັດວຽກຢູ່ບໍ?

ແມ່ນແລ້ວ, ນັ້ນແມ່ນໂຄງການທີ່ທີມງານຂອງຂ້ອຍແລະຂ້ອຍມີຄວາມພູມໃຈຫຼາຍ, ເມື່ອພວກເຮົາໄດ້ຮັບທຶນຈາກ VINIF Foundation ສໍາລັບການຄົ້ນຄວ້າກ່ຽວກັບການຮຽນຮູ້ການໂອນເພື່ອແກ້ໄຂບັນຫາການເພີ່ມປະສິດທິພາບປະສົມປະສານ. ເພື່ອໃຫ້ສາມາດໄດ້ຮັບທຶນສໍາລັບໂຄງການ, ທີມງານຂອງຂ້ອຍໄດ້ໃຊ້ເວລາ 9 ເດືອນໃນການກະກຽມ, ຂຽນແລະທົບທວນຄືນການສະເຫນີເພື່ອໃຫ້ມັນດີທີ່ສຸດແລະໃກ້ຄຽງກັບຜົນໄດ້ຮັບທີ່ສາມາດບັນລຸໄດ້ໃນການປະຕິບັດ. ໂຄງການດັ່ງກ່າວມີການຄົ້ນຄວ້າກ່ຽວກັບການໂອນຄວາມຮູ້ທີ່ດີທີ່ສຸດໃນວິວັດການ, ການໂອນຂໍ້ມູນຂ່າວສານໃນການຮ່ວມມືແລະການໂອນຂໍ້ມູນຂ່າວສານໃນເຄືອຂ່າຍ neural.

ການຖ່າຍໂອນຢູ່ທີ່ນີ້ບໍ່ແມ່ນຈາກເຄື່ອງຈັກຫຼືຈາກຄົນຫາຄົນແຕ່ແມ່ນການສຶກສາການໂອນຂໍ້ມູນຂ່າວສານ / ການແບ່ງປັນຂໍ້ມູນຂ່າວສານເພື່ອແກ້ໄຂບັນຫາການປັບປຸງຊີວິດປະສິດທິຜົນ. ສໍາລັບຕົວຢ່າງ, ບາງບັນຫາທີ່ສໍາຄັນ: ບັນຫາແຂນຫຸ່ນຍົນ, ບັນຫາເສັ້ນທາງໃນການຂົນສົ່ງ, ການວາງແຜນການທະຫານ ...

ສະຖິຕິເມື່ອບໍ່ດົນມານີ້ສະແດງໃຫ້ເຫັນວ່າ, ບຸກຄະລາກອນອຸດສາຫະກຳ AI ໄດ້ຮັບເງິນເດືອນເປັນອັນດັບ 3 ໃນຫວຽດນາມ. ໃນຄວາມຄິດເຫັນຂອງເຈົ້າ, AI ເປັນສາຂາທີ່ມີແນວໂນ້ມຂອງການສຶກສາບໍ?

ໃນບົດລາຍງານກອງປະຊຸມທີ່ຜ່ານມາ, ຂ້າພະເຈົ້າຍັງໄດ້ສະຫຼຸບເງິນເດືອນຂອງວິສະວະກອນ AI ຢູ່ຫວຽດນາມ, ແລະພົບວ່າມັນດີຫຼາຍ. ມີໂອກາດຫຼາຍສໍາລັບວຽກເຮັດງານທໍາທີ່ກ່ຽວຂ້ອງກັບ AI ແລະຂ້າພະເຈົ້າຄິດວ່າໃນອະນາຄົດອັນໃກ້ນີ້ AI ຍັງຄົງເປັນສາຂາທີ່ຫນ້າສົນໃຈຫຼາຍ, ຊອກຫາວຽກງ່າຍແລະມີລາຍໄດ້ສູງ.

ຈາກທັດສະນະຂອງຜູ້ທີ່ຕິດພັນກັບວິທະຍາໄລເຕັກໂນໂລຊີຫຼາຍລຸ້ນຄົນ, ທ່ານສົມທຽບນັກສຶກສາລຸ້ນ Z ໃນປະຈຸບັນກັບນັກຮຽນເກົ່າໃນອະດີດແນວໃດ?

ຂ້ອຍບໍ່ຮູ້ວ່າຢູ່ໃສ, ແຕ່ກັບນັກຮຽນ Gen Z ຢູ່ Bách Khoa, ຂ້ອຍເຫັນວ່າເຈົ້າດີຂຶ້ນແລະດີຂຶ້ນ. ດີຫຼາຍ. ເຈົ້າມີຄວາມສະຫຼາດຫຼາຍ, ບໍ່ພຽງແຕ່ເກັ່ງໃນສາຂາວິຊາຂອງເຈົ້າເທົ່ານັ້ນ, ແຕ່ຍັງຢູ່ໃນພາສາຕ່າງປະເທດແລະທັກສະອ່ອນໆ. ພິເສດ, ນັບແຕ່ຫັນເປັນກົນໄກປົກຄອງຕົນເອງ, ບັກກ້ານໄດ້ດຶງດູດນັກຮຽນທີ່ມີພອນສະຫວັນນັບມື້ນັບຫຼາຍຂຶ້ນ.

ຢູ່ທີ່ໂຮງຮຽນເຕັກໂນໂລຊີຂໍ້ມູນຂ່າວສານ ແລະການສື່ສານທີ່ຂ້າພະເຈົ້າເຮັດວຽກ, ນັກສຶກສາໄດ້ເຂົ້າເຖິງຫ້ອງທົດລອງຄົ້ນຄ້ວາໜ້ອຍໃນອະດີດ. ຢ່າງໃດກໍຕາມ, ໃນຊຸມປີມໍ່ໆມານີ້, ນັກສຶກສາສ່ວນໃຫຍ່ໄດ້ຢູ່ໃນຫ້ອງທົດລອງຕັ້ງແຕ່ປີທໍາອິດຂອງພວກເຂົາ, ເຮັດວຽກຢ່າງກະຕືລືລົ້ນແລະສ້າງສັນ. ນັກຮຽນບາງຄົນໄດ້ລິເລີ່ມເພື່ອຮຽນຮູ້ກ່ຽວກັບຫ້ອງທົດລອງຂອງພວກເຮົາ ແລະເຂົ້າຮ່ວມ.

ຂອບໃຈສຳລັບການສົນທະນາ!