ຈາກນັກສຶກສາການແພດໄປອາຈານຢູ່ໃນ 8 ວິທະຍາໄລທີ່ສູງສຸດໃນໂລກ

ເຊົາຮຽນແພດ 3 ປີ ແລ້ວເຮັດວຽກຢູ່ບໍລິສັດນ້ຳມັນ ແລະ ອາຍແກັສ, ຫງວຽນຮົ່ງມິງເຕິນ ໄດ້ປ່ຽນໄປເຮັດການຄົ້ນຄວ້າ AI ແລະ ເປັນອາຈານສອນຢູ່ມະຫາວິທະຍາໄລແຫ່ງຊາດສິງກະໂປ.

Minh Tan, ອາຍຸ 34 ປີ, ຈາກນະຄອນໂຮ່ຈິມິນ, ໄດ້ເຂົ້າຮັບຕໍາແໜ່ງຜູ້ຊ່ວຍສາດສະດາຈານ (*) ຢູ່ພາກວິຊາຄະນິດສາດ, ມະຫາວິທະຍາໄລແຫ່ງຊາດສິງກະໂປ (NUS), ໃນເດືອນກໍລະກົດ. ນີ້ແມ່ນໂຮງຮຽນດຽວໃນອາຊີໃນ 10 ມະຫາວິທະຍາໄລອັນດັບຕົ້ນ ຂອງໂລກ , ອີງຕາມ QS Ranking 2024. ໂຮງຮຽນຢູ່ໃນອັນດັບທີ 8.

Tan ຈະສອນແລະຄົ້ນຄ້ວາການຮຽນຮູ້ເຄື່ອງຈັກແລະການຮຽນຮູ້ເລິກໃນປັນຍາປະດິດ (AI).

"ຂ້ອຍເລືອກສິງກະໂປເພາະວ່າພະແນກຄະນິດສາດຂອງ NUS ມີຄວາມເຂັ້ມແຂງຫຼາຍ, ຢູ່ໃນອັນດັບທີ 13 ຂອງໂລກຕາມ QS 2023. ທິດທາງການຄົ້ນຄວ້າຢູ່ທີ່ນີ້ແມ່ນຄ້າຍຄືກັນກັບທິດທາງການພັດທະນາຂອງຂ້ອຍ," Tan ເວົ້າ.

ນອກນີ້, ສິງກະໂປຍັງຢູ່ໃກ້ກັບຫວຽດນາມ. Tan ເຊື່ອວ່ານີ້ເຮັດໃຫ້ລາວມີໂອກາດທີ່ຈະນໍາພານັກຮຽນແລະຮ່ວມມືກັບເພື່ອນຮ່ວມງານກັບບ້ານ. ທ່ານໄດ້ນຳພາຜູ້ມີພອນສະຫວັນໜຸ່ມຫຼາຍຄົນຢູ່ຫວຽດນາມ ຜ່ານໂຄງການ AI Residency ຂອງບັນດາບໍລິສັດເຕັກໂນໂລຊີຂະໜາດໃຫຍ່. ໂຄງການສອງປີສະຫນັບສະຫນູນນັກສຶກສາໃນການຄົ້ນຄວ້າ AI ແລະສ້າງເງື່ອນໄຂສໍາລັບພວກເຂົາທີ່ຈະເຮັດປະລິນຍາເອກຢູ່ຕ່າງປະເທດ.

ທ່ານ ຫງວຽນຮົ່ງມິງເຕີນ. ຮູບພາບ: ລັກສະນະທີ່ສະຫນອງໃຫ້ — ທ່ານ ຫງວຽນຮົ່ງມິງເຕີນ. ຮູບພາບ: *ລັກສະນະທີ່ສະຫນອງໃຫ້*

ໃນຕອນຍັງນ້ອຍ, Tan ໄດ້ສົນໃຈໃນຄະນິດສາດໃນເວລາທີ່ລາວອ່ານວາລະສານຄະນິດສາດແລະໄວຫນຸ່ມ. Tan ຮຽນຮູ້ໄດ້ດີແລະສືບຕໍ່ຢູ່ໃນທີມງານໂຮງຮຽນນັບຕັ້ງແຕ່ໂຮງຮຽນປະຖົມ. ປີ 2004, ຕັນໄດ້ເສັງເຂົ້າຫ້ອງຮຽນວິຊາສະເພາະຄະນິດສາດຢູ່ໂຮງຮຽນມັດທະຍົມປາຍເລຮົ່ງຟອງ.

Tan ແບ່ງປັນວ່າ, ເຖິງແມ່ນວ່າລາວມັກມັນ, ແຕ່ນີ້ແມ່ນປີທີ່ລາວຮຽນຄະນິດສາດເພື່ອສອບເສັງ. ຫຼັງຈາກບໍ່ໄດ້ບັນລຸຜົນທີ່ຕ້ອງການ, Tan ໄດ້ຕັດສິນໃຈທີ່ຈະປ່ຽນທິດທາງໃນວິທະຍາໄລ. ປີ 2007, ທ່ານ Tan ໄດ້ເຂົ້າຮຽນຢູ່ມະຫາວິທະຍາໄລທີ່ມີຊື່ສຽງ 2 ແຫ່ງຢູ່ນະຄອນໂຮ່ຈິມິນ ຄື Bach Khoa ແລະ Y Duoc ໄດ້ເລືອກເຟັ້ນເສັ້ນທາງກາຍເປັນທ່ານໝໍ.

ຫຼັງຈາກຮຽນຢູ່ຫວຽດນາມເປັນເວລາ 1 ປີ, Tan ໄດ້ໄປອາເມລິກາພ້ອມກັບຄອບຄົວ. ລາວໄດ້ສືບຕໍ່ການສຶກສາທາງການແພດຂອງລາວຢູ່ວິທະຍາໄລຊຸມຊົນ Houston ໃນ Texas. ຢ່າງໃດກໍຕາມ, ຫຼັງຈາກສອງປີ, Tan ໄດ້ຢຸດເຊົາອີກເທື່ອຫນຶ່ງ.

"ຂ້ອຍຮູ້ວ່າຂ້ອຍບໍ່ເຫມາະສົມກັບພາກສະຫນາມທາງການແພດ," Tan ຈື່. ໃນເວລານັ້ນ, ລາວຍັງຄິດວ່າພາສາອັງກິດຂອງລາວບໍ່ດີພໍທີ່ຈະຮຽນແພດໃນສະຫະລັດເພາະວ່ານັກສຶກສາແພດບໍ່ພຽງແຕ່ຮຽນຢູ່ໃນໂຮງຮຽນເທົ່ານັ້ນ, ແຕ່ຍັງຕ້ອງສື່ສານທີ່ດີເພື່ອເຂົ້າໃຈ pathology, ສະຖານະການແລະຈິດໃຈຂອງຄົນເຈັບ.

ຫຼັງຈາກການຄົ້ນຄວ້າແລະເຫັນວ່າວິຊາວິສະວະກໍາມີຄວາມສົດໃສດ້ານໃນການເຮັດວຽກທີ່ດີ, Tan ໄດ້ສະຫມັກແລະໄດ້ຮັບທຶນການສຶກສາຢ່າງເຕັມທີ່ເພື່ອສຶກສາວິສະວະກໍາໄຟຟ້າທີ່ Rice University - ໂຮງຮຽນຢູ່ໃນ 15 ມະຫາວິທະຍາໄລສູງສຸດໃນສະຫະລັດຕາມ US News.

ໃນເວລານັ້ນ, Tan ຍັງບໍ່ທັນມີວິໄສທັດທີ່ຈະແຈ້ງກ່ຽວກັບເສັ້ນທາງການເຮັດວຽກຂອງຕົນ. ໃນພາກຮຽນທີຫນຶ່ງ, ໃນເວລາທີ່ທ່ານໄດ້ຮຽນສາມຫ້ອງຮຽນພິເສດ, Tan ໄດ້ມີຄວາມສົນໃຈແລະເລືອກເອົາການປຸງແຕ່ງສັນຍານ. ອີງຕາມການ Tan, ທີ່ສໍາຄັນນີ້ໃຊ້ຄວາມຮູ້ທາງຄະນິດສາດຫຼາຍແລະມີໂອກາດວຽກເຮັດງານທໍາຫຼາຍໃນບໍລິສັດນ້ໍາມັນຂະຫນາດໃຫຍ່. ນີ້ແມ່ນສະຫນາມຝຶກອົບຮົມທີ່ມີຊື່ສຽງຢູ່ໃນໂຮງຮຽນ.

ນອກຈາກການສຶກສາ, Tan ໄດ້ຊອກຫາທີ່ຈະປັບປຸງພາສາອັງກິດຂອງຕົນ. ລາວໄດ້ສະໝັກວຽກນອກເວລາເປັນພະນັກງານເກັບເງິນຢູ່ຕະຫຼາດ. ວຽກເຮັດງານທໍາແມ່ນຄວາມກົດດັນຫຼາຍ, ບັງຄັບໃຫ້ Tan ຫ້າວຫັນຟັງແລະເວົ້າພາສາອັງກິດຫຼາຍເພື່ອແກ້ໄຂສະຖານະການກັບລູກຄ້າ. ຍ້ອນສິ່ງນັ້ນ, Tan ໄດ້ປັບປຸງທັກສະການຟັງ ແລະ ເວົ້າຂອງລາວ. ລາວສາມາດລົມກັບໝູ່ຂອງລາວຢູ່ໂຮງຮຽນໄດ້ງ່າຍຂຶ້ນ ແລະສາມາດເຂົ້າຮ່ວມໂຄງການກັບຄູຂອງລາວໄດ້.

ໃນປີ 2014, Tan ໄດ້ເຂົ້າປີອາວຸໂສຂອງຕົນຂອງວິທະຍາໄລ. ນີ້ຍັງເປັນເວລາທີ່ການຮຽນຮູ້ເຄື່ອງຈັກແລະການຮຽນຮູ້ເລິກເຊິ່ງພັດທະນາຢ່າງໄວວາໃນສະຫະລັດ. Tan ໄດ້ສຶກສາສອງສາຂານີ້ເພື່ອນໍາໃຊ້ເຂົ້າໃນໂຄງການແລະຮ່ວມກັນກັບຫມູ່ເພື່ອນຂອງລາວປະສົບຜົນສໍາເລັດໃນການສ້າງຫມວກທີ່ສາມາດປ່ຽນຄວາມຄິດຂອງຜູ້ໃສ່ເຂົ້າໄປໃນຄໍາສັ່ງເພື່ອຄວບຄຸມລົດແບບຈໍາລອງ.

ຢ່າງໃດກໍຕາມ, ກ່ອນທີ່ຈະຮຽນຈົບ, Tan ໄດ້ຮັບການຍອມຮັບເປັນນັກວິສະວະກໍາຢູ່ໃນ GE Oil and Gas - ບໍລິສັດໃນອຸດສາຫະກໍານ້ໍາມັນແລະອາຍແກັສ. ຫຼັງຈາກນັ້ນບໍ່ດົນ, ອຸດສາຫະກໍານ້ໍາມັນໄດ້ຫຼຸດລົງ. ໃນເວລານີ້, ຄູສອນເກົ່າຂອງລາວຢູ່ມະຫາວິທະຍາໄລ Rice ໄດ້ຊັກຊວນໃຫ້ລາວກັບຄືນໄປຫາການຄົ້ນຄວ້າ AI.

Tan ລາອອກຈາກຕໍາແຫນ່ງຂອງຕົນແລະໄດ້ຮັບການສຶກສາປະລິນຍາໂທແລະປະລິນຍາເອກໃນປີ 2014.

3 ປີຕໍ່ມາ, ດ້ວຍຄວາມເອກອ້າງທະນົງໃຈ ແລະ ການຊີ້ນຳທີ່ສຸດຂອງບັນດາຄູອາຈານ, ການສຶກສາຂອງທ່ານ Tan ໄດ້ດຳເນີນໄປຢ່າງສະດວກ, ສືບຕໍ່ມີເອກະສານ ວິທະຍາສາດ . ແຕ່ໃນປີທີ່ສີ່ຂອງລາວ, Tan ເລີ່ມ "ຕິດ", ບໍ່ຮູ້ວ່າຈະຄົ້ນຄ້ວາຫຍັງຕໍ່ໄປ. ລາວໄດ້ພະຍາຍາມຄົ້ນຫາພື້ນທີ່ໃຫມ່ຫຼາຍໃນ AI ແຕ່ບໍ່ມີຜົນໄດ້ຮັບ.

ທ່ານ Tan ກ່າວວ່າ "ຂ້ອຍບໍ່ໄດ້ຕີພິມເອກະສານວິທະຍາສາດໃດໆໃນສອງປີ," Tan ເວົ້າວ່າ, ເປັນຫ່ວງເພາະວ່ານີ້ແມ່ນຂັ້ນຕອນທີ່ສໍາຄັນຫຼາຍສໍາລັບຜູ້ສະຫມັກປະລິນຍາເອກ. ລາວໄດ້ຕໍ່ສູ້, ປຽບທຽບແນວຄວາມຄິດຂອງລາວກັບຄູສອນຂອງລາວຢ່າງຕໍ່ເນື່ອງເພື່ອເຂົ້າໃຈສິ່ງທີ່ລາວຂາດ.

ຫຼັງຈາກສອງປີຂອງການຕໍ່ສູ້ໂດຍບໍ່ມີຜົນໄດ້ຮັບ, ສິ່ງຕ່າງໆໄດ້ກາຍເປັນທີ່ຊັດເຈນເມື່ອ Tan ຮູ້ວ່າສິ່ງທີ່ລາວຂາດແມ່ນທິດທາງການຄົ້ນຄວ້າ. ສຸດທ້າຍ, Tan ຕັດສິນໃຈສຸມໃສ່ຄະນິດສາດນໍາໃຊ້ແລະການຮຽນຮູ້ເຄື່ອງຈັກ.

ຕັ້ງແຕ່ນັ້ນມາ, ວຽກງານຂອງ Tan ໄດ້ກາຍເປັນງ່າຍຂຶ້ນຫຼາຍ. Tan ໄດ້ຝຶກງານຢູ່ Amazon AI ແລະ NVIDIA Research, ເຂົ້າຮ່ວມໃນຫຼາຍໆບັນຫາທີ່ນໍາໃຊ້ເຊັ່ນ: ການສ້າງແບບຈໍາລອງຟີຊິກ AI, ການປັບຕົວໂດເມນເພື່ອຮຽນຮູ້ຈາກຂໍ້ມູນສັງເຄາະ, ຫຼືການນໍາໃຊ້ການຮຽນຮູ້ເຄື່ອງຈັກເພື່ອ ຄົ້ນຫາ ວິທະຍາສາດ. ບໍ່ດົນມານີ້, Tan ໄດ້ນໍາໃຊ້ບັນຫາເຫຼົ່ານີ້ເພື່ອຄາດຄະເນອາຍຸຂອງຫມໍ້ໄຟລົດໄຟຟ້າໃນໂຄງການຮ່ວມມືກັບ Toyota.

ເດືອນມິຖຸນານີ້, ລາວໄດ້ສໍາເລັດໂຄງການ postdoctoral ລາວຢູ່ທີ່ພາກວິຊາຄະນິດສາດ, ມະຫາວິທະຍາໄລຄາລິຟໍເນຍ, Los Angeles (UCLA), ກ່ອນທີ່ຈະເຮັດວຽກຢູ່ມະຫາວິທະຍາໄລແຫ່ງຊາດສິງກະໂປ.

Tan ກ່າວວ່າວຽກໃຫມ່ຂອງລາວແມ່ນຫນ້າສົນໃຈຫຼາຍ. ລາວໄດ້ຮັບການເຂົ້າຮ່ວມໃນໂຄງການກໍ່ສ້າງເພື່ອຊ່ວຍໃຫ້ນັກສຶກສານໍາໃຊ້ສິ່ງທີ່ເຂົາເຈົ້າໄດ້ຮຽນຮູ້ເພື່ອຊອກຫາວຽກເຮັດງານທໍາໃນທົ່ວໂລກ.

"ມີຄວາມກົດດັນຫຼາຍແຕ່ຍັງມີແຮງຈູງໃຈຫຼາຍ," Tan ແບ່ງປັນ. ລາວເວົ້າວ່າລາວເດີນຕາມເສັ້ນທາງການສອນ ເພາະລາວໄດ້ຮັບການດົນໃຈຈາກຄູສອນລາວ. ສາດສະດາຈານ Richard Baraniuk ທີ່ມະຫາວິທະຍາໄລ Rice ແລະສາດສະດາຈານ Stan Osher ຢູ່ UCLA ໄດ້ໃຫ້ຄໍາແນະນໍາທີ່ເປັນປະໂຫຍດຫຼາຍຢ່າງທັງໃນການຄົ້ນຄວ້າແລະອາຊີບ. ການເປັນພະຍານເຖິງການອຸທິດຕົນ ແລະອິດທິພົນທາງບວກຕໍ່ພຣະອົງ, Tan ຖືວ່າພວກເຂົາເປັນແບບຢ່າງທີ່ຄວນປະຕິບັດຕາມ.

Tan ໃນກອງປະຊຸມ ICLR 2023 Artificial Intelligence ໃນປະເທດ Rwanda. ຮູບພາບ: ລັກສະນະທີ່ສະຫນອງໃຫ້ — Tan ໃນກອງປະຊຸມ ICLR 2023 Artificial Intelligence ໃນປະເທດ Rwanda. ຮູບພາບ: *ລັກສະນະທີ່ສະຫນອງໃຫ້*

Ho Pham Minh Nhat, ສາດສະດາຈານຢູ່ມະຫາວິທະຍາໄລ Texas, Austin, ອາເມລິກາ, ຕີລາຄາສູງບັນດາເພື່ອນຮ່ວມງານໃນການຄົ້ນຄວ້າ ແລະ ການສິດສອນ.

ທ່ານ Nhat ແບ່ງປັນວ່າ: "Tan ສະເຫມີຢາກເຮັດທຸກຢ່າງໃຫ້ເຖິງທີ່ສຸດ, ແລະບໍ່ປ່ອຍໃຫ້ສິ່ງທີ່ບໍ່ສໍາເລັດ. ລາວຄົ້ນພົບແລະແກ້ໄຂບັນຫາທາງວິທະຍາສາດຫຼາຍ. Tan ຍັງມີຄວາມຮັບຜິດຊອບຫຼາຍຕໍ່ນັກຮຽນຂອງລາວ,".

ມາຮອດປະຈຸ, Tan ມີ 16 ບົດຄວາມໃນວາລະສານ Q1 (ກຸ່ມວາລະສານທີ່ມີຊື່ສຽງທີ່ສຸດໃນພາກສະຫນາມ). ທິດທາງການຄົ້ນຄວ້າໃນອະນາຄົດຂອງ Tan ແມ່ນການລວມເອົາຫຼາຍວິທີການໃນຄະນິດສາດທີ່ນໍາໃຊ້ເຊັ່ນ: ການເພີ່ມປະສິດທິພາບ, ສົມຜົນຄວາມແຕກຕ່າງ, ຫຼືສະຖິຕິ, ເພື່ອອະທິບາຍຮູບແບບການຮຽນຮູ້ເຄື່ອງຈັກທີ່ໃຊ້ໃນຄໍາຮ້ອງສະຫມັກປັນຍາປະດິດ. ທ່ານຍັງໄດ້ກັບຄືນປະເທດຫວຽດນາມເປັນປະຈຳເພື່ອຊີ້ນຳບັນດານັກສຶກສາກັບເພື່ອນຮ່ວມງານ.

ເມື່ອເບິ່ງຄືນການເດີນທາງຂອງລາວ, Tan ເວົ້າວ່າສະພາບແວດລ້ອມແຕ່ລະຄົນໄດ້ສອນບົດຮຽນທີ່ມີຄຸນຄ່າແກ່ລາວ. ໃນໂຮງຮຽນແພດ, ລາວໄດ້ຮຽນຮູ້ຄຸນງາມຄວາມດີຂອງຄວາມພາກພຽນ. ມະຫາວິທະຍາໄລ Rice ໄດ້ສອນລາວວິທີການເປັນນັກຄົ້ນຄວ້າເອກະລາດ. ຢູ່ UCLA, ລາວໄດ້ຮຽນຮູ້ວິທີການຜະລິດແລະເຮັດການຄົ້ນຄວ້າທີ່ມີຜົນກະທົບ. ພ້ອມກັນນັ້ນ, ຢູ່ສອງແຫ່ງນີ້, ດ້ວຍການເຮັດວຽກຮ່ວມກັບບັນດາເພື່ອນຮ່ວມງານຈາກຫຼາຍປະເທດ, Tan ໄດ້ຮຽນຮູ້ຄຸນຄ່າຄວາມຫຼາກຫຼາຍຂອງການຄົ້ນຄວ້າ ແລະ ຊີວິດ.

ລາວເຊື່ອວ່າໄວໜຸ່ມຕ້ອງມີຄວາມກະຕືລືລົ້ນ, ຢາກຮູ້ຢາກເຫັນ, ດຸໝັ່ນ, ເຮັດວຽກໃໝ່ຢ່າງບໍ່ຢຸດຢັ້ງ ແລະ ມີສັດທາໃນຕົວເອງ.

"ບໍ່ມີຫຍັງມາງ່າຍ," Tan ເວົ້າ. ລາວເຊື່ອວ່າຄົນສ່ວນໃຫຍ່ບໍ່ແມ່ນຄົນອັດສະລິຍະ, ດັ່ງນັ້ນຄຸນລັກສະນະເຫຼົ່ານີ້ແມ່ນກຸນແຈສໍາລັບຄວາມສໍາເລັດ, ໂດຍສະເພາະໃນເວລາທີ່ປະເຊີນກັບອຸປະສັກ.

ຄານລິງ

*ອາຈານຜູ້ຊ່ວຍແມ່ນໜຶ່ງໃນສາມລະດັບຂອງອາຈານໃນສະຫະລັດ.

ແຫຼ່ງທີ່ມາ