Berhenti daripada tiga tahun sekolah perubatan dan kemudian bekerja di syarikat minyak dan gas, Nguyen Hung Minh Tan bertukar kepada penyelidikan AI dan menjadi pensyarah di Universiti Nasional Singapura.
Minh Tan, 34 tahun, dari Ho Chi Minh City, menerima jawatan Penolong Profesor (*) di Jabatan Matematik, Universiti Nasional Singapura (NUS), pada Julai. Ini adalah satu-satunya sekolah di Asia dalam 10 universiti terbaik di dunia , menurut QS Ranking 2024. Sekolah itu berada di tempat kelapan.
Tan akan mengajar dan menyelidik pembelajaran mesin dan pembelajaran mendalam dalam kecerdasan buatan (AI).
"Saya memilih Singapura kerana jabatan Matematik NUS sangat kukuh, menduduki tempat ke-13 di dunia mengikut QS 2023. Hala tuju penyelidikan di sini adalah serupa dengan hala tuju pembangunan saya," kata Tan.
Tambahan pula, Singapura dekat dengan Vietnam. Tan percaya bahawa ini memberinya peluang untuk membimbing pelajar dan bekerjasama dengan rakan sekerja di rumah. Beliau telah memimpin ramai bakat muda di Vietnam melalui program AI Residency syarikat teknologi besar. Program dua tahun itu menyokong pelajar dalam penyelidikan AI dan mewujudkan syarat untuk mereka melakukan PhD di luar negara.
Nguyen Hung Minh Tan. Foto: Watak disediakan
Semasa kecil, Tan meminati Matematik apabila membaca majalah Matematik dan Belia. Tan belajar dengan baik dan sentiasa berada dalam pasukan sekolah sejak sekolah rendah. Pada tahun 2004, Tan lulus peperiksaan kemasukan ke kelas khusus Matematik di Le Hong Phong High School untuk Gifted.
Tan berkongsi bahawa, walaupun dia menyukainya, ini adalah tahun-tahun dia belajar Matematik hanya untuk mengambil peperiksaan. Selepas tidak mencapai keputusan yang diinginkan, Tan mengambil keputusan untuk menukar arah di universiti. Pada 2007, Tan telah diterima masuk ke dua universiti berprestij di Ho Chi Minh City, Bach Khoa dan Y Duoc, dan memilih untuk meneruskan laluan menjadi seorang doktor.
Selepas belajar di Vietnam selama setahun, Tan berpindah ke AS bersama keluarganya. Beliau melanjutkan pelajaran perubatannya di Kolej Komuniti Houston di Texas. Namun, selepas dua tahun, Tan berhenti lagi.
"Saya menyedari bahawa saya tidak sesuai dengan bidang perubatan," ingat Tan. Ketika itu, dia juga beranggapan bahasa Inggerisnya tidak cukup bagus untuk menyambung pengajian perubatan di AS kerana pelajar perubatan bukan sahaja belajar di sekolah tetapi juga perlu berkomunikasi dengan baik untuk memahami patologi, keadaan dan psikologi pesakit.
Selepas meneliti dan melihat jurusan kejuruteraan mempunyai prospek kerjaya yang baik, Tan memohon dan memenangi biasiswa penuh untuk belajar Kejuruteraan Elektrik di Rice University - sebuah sekolah di 15 universiti terbaik di AS menurut US News.
Ketika itu, Tan masih belum mempunyai visi yang jelas tentang laluan kerjayanya. Pada semester pertama, apabila dia mengambil tiga kelas khusus, Tan tertarik dan memilih Pemprosesan Isyarat. Menurut Tan, jurusan ini banyak menggunakan ilmu matematik dan mempunyai banyak peluang pekerjaan di syarikat minyak besar. Ini juga merupakan medan latihan yang terkenal di sekolah.
Di samping belajar, Tan berusaha untuk meningkatkan bahasa Inggerisnya. Dia memohon kerja sambilan sebagai juruwang di sebuah pasar. Pekerjaan itu sangat tertekan, memaksa Tan untuk mendengar secara aktif dan berbahasa Inggeris lebih banyak untuk menyelesaikan situasi dengan pelanggan. Terima kasih kepada ini, Tan meningkatkan kemahiran mendengar dan bertuturnya. Dia boleh bercakap dengan lebih mudah dengan rakan-rakannya di sekolah dan boleh mengambil bahagian dalam projek dengan gurunya.
Pada 2014, Tan memasuki tahun seniornya di kolej. Ini juga merupakan masa apabila pembelajaran mesin dan pembelajaran mendalam berkembang dengan sangat pesat di AS. Tan mempelajari kedua-dua bidang ini untuk memohon projek itu dan bersama rakan-rakannya berjaya mencipta topi yang boleh menukar pemikiran pemakainya kepada arahan untuk mengawal model kereta.
Bagaimanapun, sejurus sebelum menamatkan pengajian, Tan telah diterima sebagai pelatih kejuruteraan di GE Oil and Gas - sebuah syarikat dalam industri minyak dan gas. Tidak lama kemudian, industri minyak merosot. Pada masa ini, guru lamanya di Rice University meyakinkannya untuk kembali menyelidik AI.
Tan berhenti kerja dan memenangi biasiswa sarjana dan kedoktoran pada 2014.
Tiga tahun kemudian, dengan semangat dan bimbingan dedikasi gurunya, pengajian Tan berjalan lancar, terus mempunyai kertas saintifik . Tetapi pada tahun keempatnya, Tan mula "terperangkap", tidak tahu apa yang perlu diselidiki seterusnya. Dia cuba meneroka banyak bidang baharu dalam AI tetapi tiada hasil.
"Saya tidak menerbitkan sebarang kertas saintifik dalam dua tahun," kata Tan, bimbang kerana ini adalah peringkat yang sangat penting untuk calon kedoktoran. Dia bergelut, sentiasa membandingkan ideanya dengan idea gurunya untuk memahami kekurangannya.
Selepas dua tahun bergelut tanpa hasil, perkara menjadi jelas apabila Tan menyedari bahawa kekurangannya adalah hala tuju penyelidikan. Akhirnya, Tan memutuskan untuk menumpukan pada matematik gunaan dan pembelajaran mesin.
Sejak itu, kerja Tan menjadi lebih mudah. Tan telah menjalani latihan di Amazon AI dan NVIDIA Research, mengambil bahagian dalam beberapa masalah terpakai seperti pemodelan AI Fizik, penyesuaian domain untuk belajar daripada data sintetik atau menggunakan pembelajaran mesin untuk meneroka sains. Baru-baru ini, Tan menggunakan masalah terpakai ini untuk meramalkan hayat bateri kenderaan elektrik dalam projek kerjasama dengan Toyota.
Jun ini, beliau menamatkan program pasca doktoralnya di Jabatan Matematik, Universiti California, Los Angeles (UCLA), sebelum bekerja di Universiti Nasional Singapura.
Tan berkata pekerjaan baharunya sangat menarik. Dia dapat mengambil bahagian dalam membina program untuk membantu pelajar menggunakan apa yang telah mereka pelajari untuk mencari pekerjaan di seluruh dunia.
"Terdapat banyak tekanan tetapi juga lebih banyak motivasi," kongsi Tan. Katanya, dia mengikut jalan pengajaran kerana mendapat inspirasi daripada mentornya. Profesor Richard Baraniuk di Rice University dan Profesor Stan Osher di UCLA memberi Tan banyak nasihat berguna dalam penyelidikan dan kerjaya. Menyaksikan dedikasi dan pengaruh positif mereka terhadapnya, Tan menganggap mereka sebagai contoh ikutan.
Tan di Persidangan Kepintaran Buatan ICLR 2023 di Rwanda. Foto: Watak disediakan
Ho Pham Minh Nhat, profesor di Universiti Texas, Austin, Amerika Syarikat, sangat menghargai rakan-rakannya dalam penyelidikan dan pengajaran.
"Tan sentiasa mahu melakukan segala-galanya hingga akhir dan tidak meninggalkan perkara yang belum selesai. Dia menemui dan menangani masalah dengan sangat saintifik. Tan juga sangat bertanggungjawab terhadap pelajarnya," kongsi Encik Nhat.
Sehingga kini, Tan mempunyai 16 artikel dalam jurnal Q1 (kumpulan jurnal paling berprestij dalam sesuatu bidang). Hala tuju penyelidikan masa depan Tan adalah untuk menggabungkan banyak kaedah dalam matematik gunaan seperti pengoptimuman, persamaan pembezaan atau statistik, untuk menerangkan model pembelajaran mesin yang digunakan dalam aplikasi kecerdasan buatan. Dia juga kembali ke Vietnam dengan kerap untuk membimbing pelajar bersama rakan sekerjanya.
Mengimbas kembali perjalanannya, Tan berkata setiap persekitaran telah mengajarnya pelajaran berharga. Di sekolah perubatan, dia belajar kebaikan ketekunan. Universiti Rice mengajarnya bagaimana untuk menjadi penyelidik bebas. Di UCLA, dia belajar cara menjadi produktif dan melakukan penyelidikan yang memberi kesan. Juga di dua tempat ini, dengan bekerja dengan rakan sekerja dari banyak negara, Tan mempelajari nilai kepelbagaian dalam penyelidikan dan kehidupan.
Beliau percaya bahawa golongan muda perlu proaktif, ingin tahu, bekerja keras, sentiasa memperbaharui pemikiran mereka dan mempunyai kepercayaan pada diri mereka sendiri.
"Tiada yang mudah," kata Tan. Dia percaya bahawa kebanyakan orang bukan genius, jadi kualiti ini adalah kunci kejayaan, terutamanya apabila berhadapan dengan halangan.
Khanh Linh
*Penolong profesor ialah salah satu daripada tiga peringkat profesor di AS.
Pautan sumber






Komen (0)