60 ganger med «prøving og feiling» og reisen for å bringe Vietnams navn til verdens ledende AI-magasin

I 2016 ble verden sjokkert da den legendariske Go-spilleren Lee Se-dol ble beseiret av det kunstige intelligenssystemet AlphaGo.

For unge Tran Tien Cong – som den gang var masterstudent i Korea – fikk hendelsen ham til å tenke i mange dager, fordi han innså at grensen mellom menneskelig intelligens og maskiner var i ferd med å visne.

«Hva trenger jeg for å holde tritt med en tid som vil oppleve en eksplosjon av kunstig intelligens?» spurte Cong seg selv.

Vendepunktet for vietnamesiske doktorgradsstudenter kom da en koreansk Go-spiller ble beseiret av AI ( video : Minh Nhat - Thuong Huyen).

Med en bakgrunn innen multiagentsystemer og robotikk, utvidet han seg til maskinlæring, datasyn og store språkmodeller.

I 2021 forsvarte Tran Tien Cong sin doktoravhandling i informatikk og returnerte til Vietnam. Han er for tiden leder for avdelingen for maskinlæring, Fakultet for kunstig intelligens, Akademiet for post- og telekommunikasjonsteknologi.

I klasserommet husker han ofte den historiske kampen som et godt eksempel på tempoet i endringene innen AI.

Avanserte modeller som deltar på den 11. nasjonale patriotiske emulasjonskongressen

Dr. Tran Tien Cong er for tiden leder for avdelingen for maskinlæring, Fakultet for kunstig intelligens, Akademiet for post- og telekommunikasjonsteknologi.

I perioden 2020–2025 var han forfatter eller medforfatter av mange høyt rangerte vitenskapelige artikler i prestisjefylte internasjonale tidsskrifter, spesielt 15 artikler publisert i SCIE-tidsskrifter, rangert som Q1, sammen med mange publikasjoner og emner som ble høyt anerkjent både nasjonalt og internasjonalt, noe som demonstrerer vietnamesisk etterretnings deltakelse i forskning av høy kvalitet innen kunstig intelligens, nettverksvitenskap, maskinlæring osv.

Forskningstemaene hans er ikke bare akademiske, men har også høy praktisk anvendelse, og bidrar til sosioøkonomisk utvikling og forbedrer livskvaliteten.

Dr. Tran Tien Cong er en av de avanserte modellene fra Vitenskaps- og teknologidepartementet som deltar på den 11. nasjonale kongressen for patriotisk emulering.

AIs seier utfordrer hele verden

60 lần thử - sai và hành trình đưa tên Việt lên tạp chí AI hàng đầu thế giới - 1 — Go-spilleren Lee Se-dol i en kamp mot AlphaGo i 2016 (Foto: Getty).

Hvilken hendelse endret retningen på forskningen din i Korea?

– I det første skoleåret forandret alt seg da Go-spilleren Lee Se-dol ble beseiret av AlphaGo, et kunstig intelligenssystem utviklet av Google. Det må være kjent at på den tiden var Go-spilleren Lee Se-dol Koreas stolthet, mens Go regnes som en av de mest komplekse intellektuelle idrettene i verden.

På den tiden anså ikke bare Korea, men hele verden dette som en sjokkerende hendelse innen vitenskap og teknologi. For 10 år siden var kunstig intelligens fast bestemt på å utvikle seg og ha en betydelig innvirkning på mange felt innen både vitenskap og liv i fremtiden.

Mange koreanske forskningslaboratorier har flyttet fokuset sitt til forskning og utvikling av kunstig intelligens. Jeg fokuserer mer på AI, maskinlæring, grafforskning og trening av kunstig intelligens til å søke i data på store nettverk.

Kunstig intelligens stopper ikke bare ved å vinne Go, men kan nå løse mange vanskelige problemer og slå mennesker i mange forskjellige spill og konkurranser. Det viser hvor raskt og enestående AI har utviklet seg det siste tiåret.

Samtidig, hvordan har Vietnam omfavnet teknologi?

– Vietnam er ikke utenfor strømmen av vitenskap og teknologi. Da jeg kom tilbake til landet i 2021 og begynte å undervise, hadde mange enkeltpersoner og forskningsenheter allerede mottatt teknologioverføring og hadde dyptgående publikasjoner innen kunstig intelligens, både i teori og praktisk anvendelse.

For tiden er informasjonsteknologi generelt en bransje som alltid trenger høykvalifiserte menneskelige ressurser. Mange studenter har jobber rett fra skoledagene. Det viser at denne bransjen har mange muligheter, men også utfordringer fordi teknologien endrer seg og forbedres hver dag.

60 ganger med prøving, feiling og repetisjon

Hva har vært ditt mest meningsfulle forskningsarbeid innen kunstig intelligens til dags dato?

– Jeg utførte en gang en forskning publisert i IEEE Transactions on Pattern Analysis and Machine Intelligence – som regnes som det ledende tidsskriftet innen feltet, med temaet å finne skjulte data i nettverksanalyseoppgaver ved å finne informasjon i grafer, og derfra spørre og utlede skjult informasjon.

La oss si at vi spør en chatbot: «Hvor er innsjøbredden?». Hvis vi er i Hanoi, forstås «sjøbredden» som Hoan Kiem-sjøen, men hvis vi er i Da Lat, forstås «sjøbredden» som Xuan Huong-sjøen. Når vi søker etter informasjon, vil mangelen på data og kontekst i inndataene føre til at datamaskinen gjør feil.

Forskningen min fokuserer på å løse problemet med hvordan man søker og kombinerer informasjon fra mange forskjellige kilder for å produsere de mest nøyaktige resultatene. Med eksemplet «innsjøbredden» som eksempel, kan kunstig intelligens utlede skjult informasjon og gjette om brukeren er i Hanoi eller Da Lat fra tidligere chatter. Chatboten vil gi det riktige svaret.

– Hvordan gikk forskningen din?

Jeg gjorde den forskningen i tre år, og den ble ikke publisert før i 2019 på grunn av den lange tiden det tok å undersøke, gjennomgå, redigere og publisere. Mesteparten av forskningen innen kunstig intelligens og informatikk er slik. Forskningsprosessen er alltid «prøving, feiling, gjentakelse».

Jeg husker at jeg gjentok den «syklusen» 60 ganger. Hver gang med et annet utvalg, hver gang med en annen testmetode. Jeg stoppet ikke bare ved resonnement, jeg måtte også kjøre tester for å se om jeg hadde regnet riktig.

For dette emnet må jeg komme opp med en passende algoritme, og deretter trene AI-en til å finne de skjulte dataene. Hvis resultatet ikke er tilfredsstillende, vil jeg forbedre det for å finne den passende algoritmen. Det fine med denne forskningen er at den ikke gir helt nøyaktige resultater, men bare kan finne den mest passende algoritmen etter dusinvis av forsøk og feilinger.

Generell forskning er ikke for skrivebordet.

Bør forskere innen kunstig intelligens fokusere mer på praktiske anvendelser enn grunnleggende teorier?

– Det er en vanlig misforståelse at generell, teoretisk forskning ikke er like anvendelig som spesifikke casestudier. Faktisk er artikler publisert i topptidsskrifter ofte generelle studier som kan anvendes på mange felt.

Hvis vi tar eksemplet ovenfor med å undersøke hvordan man kan spørre etter skjult informasjon, kan ikke bare chatboter brukes, men vi kan også bruke dem til å spore skjulte grupper på sosiale nettverk, noe som kan brukes på mange forskjellige felt.

I dag brukes kunstig intelligens på mange felt, ikke bare innen det generelle vitenskaps- og teknologifeltet. Derfor vil det å kombinere grunnlaget, teoriene om kunstig intelligens, data ... med praktiske undersøkelser og effektive anvendelser styrke forskningens rolle og praktiske gjennomførbarhet.

Spørsmål som virker veldig enkle når man foreslår et forskningsforslag, som for eksempel: Hvordan kartlegge modellen og dataene? Har noen gjort denne forskningen før? Hvordan kan vi lære av og sammenligne tidligere data? ... spiller en rolle i å fordype ens forskning.

Hvilke aspekter ved informatikk- og informasjonsteknologiforskning mener du det er behov for å investere mer i?

– I de senere årene har fasiliteter og infrastruktur blitt forbedret og oppgradert, noe som skaper gunstige forhold for enheter og enkeltpersoner til å forske innen kunstig intelligens. Hvis det investeres mer i utstyr og moderne forskningslaboratorier, vil forskere kunne produsere flere produkter, applikasjoner og rapporter.

I tillegg blir databasen vår renset, og det opprettes et datalager slik at forskere har en kilde til å trene kvalitetsmodeller.

I en bransje som oppdateres raskt, slik som informasjonsteknologi, kan forskning som nettopp er fullført være utdatert eller ikke holde tritt med virkeligheten. Mye anvendt forskning kan umiddelbart overføres til virkeligheten, men vil møte raske teknologiske endringer, noe som fører til manglende bærekraft og vanskeligheter med spredning. For å mestre kunstig intelligens trenger vi grundig forskning og bringe kjerneteknologi til Vietnam.

Tusen takk!