Førsteamanuensis, dr. Huynh Thi Thanh Binh: «Optimalisering handler ofte om å følge naturen»

Hvilken spesiell mulighet har holdt deg knyttet til Hanoi University of Science and Technology siden studietiden? Er du en person som er redd for å bytte miljø?

Jeg er medlem av den 37. generasjonen studenter som har hovedfag i informasjonsteknologi (IT) ved skolen, men i realiteten har jeg studert IT siden videregående. Deretter studerte jeg universitet, master, doktorgrad ... alt ved denne skolen.

Det var faktisk perioder da jeg hadde tenkt å studere i utlandet i Japan. Da jeg gikk på universitetet, studerte jeg japansk i fem år, sponset av den japanske regjeringen for 20 utmerkede studenter fra K36 og K37. Så falt det rett inn i den økonomiske resesjonen i nabolandet, så dette ble suspendert. Så, da jeg var ferdig med mastergraden min, introduserte professor Ho Tu Bao meg for en svært prestisjetung professor i Japan for at jeg skulle dra dit for å forske, men på grunn av subjektive årsaker fra min side (at jeg skulle gifte meg), ble jeg fortsatt værende ved University of Technology. Det er også på grunn av objektive og subjektive årsaker at jeg fortsatt tar doktorgraden min ved skolen og underviser der frem til nå.

Hvis jeg sier at det var skjebnen, er jeg redd det er en liten overdrivelse, men for å si det enkelt, kom denne tingen naturlig og forsiktig til meg.

Førsteamanuensis dr. Huynh Thi Thanh Binh deltok og presenterte en rapport på den ledende konferansen om evolusjonær beregning i juli 2023 i Lisboa, Portugal.

På noen nylige konferanser så jeg deg ofte presentere forskningsresultater sammen med mange andre kvinnelige forskere . Er det et tegn på en ny generasjon «feminisme» innen vitenskap ved Polyteknisk Institutt?

Sist jeg deltok på Vingroup Innovation Fund (VINIF)-konferansen, presenterte Dr. Nguyen Phi Le, Dr. Le Minh Thuy og jeg sammen, og det var en annen kvinnelig student, Dr. Nguyen Cam Ly, som var i Japan og ikke hadde kommet tilbake ennå. Det var en tilfeldighet, eller en «sympati» mellom oss, og representerte ikke noen «feministisk» generasjon. I ingeniørblokken på skolen er det få grupper med så mange kvinnelige medlemmer som min gruppe, sannsynligvis bare færre enn forskningsgruppene i økonomi- eller fremmedspråkblokkene på skolen. Et annet spesielt poeng er at gruppen min publiserer hvert år på ledende konferanser i verden, og deretter deltar gruppen min og jeg på konferansen for å utvide muligheten til utveksling med sterke forskningsgrupper.

Det er kjent at du leder et stort laboratorium på skolen og også underviser. Finnes det noen optimaliseringsprosess som må iverksettes for å gjøre dette bra?

Jeg leder for tiden en optimaliseringsforskningsgruppe på rundt 40 personer. Jeg synes arbeidsmengden er stor; jeg jobber vanligvis fra tidlig morgen til 18.00–19.00, inkludert lørdager. For meg er jobb som daglig mat og drikke, og det er alltid et skifte av retter fordi det hver uke dukker opp nye oppdagelser fra en eller annen gruppe. Det gjør meg begeistret.

For å optimalisere arbeidet mitt må jeg ofte sette meg mål, planlegge, fordele tiden rimelig og aldri glemme tidsfrister.

Drømmende øyeblikk med farger og pensler

En imponerende arbeidskapasitet, bak en slank figur?

Jeg tror en lyskropp hjelper meg å ha mer energi til å tenke, undersøke og skape. Selvfølgelig må man være komfortabel med tilstanden sin.

Jeg lærte også piano, fordi jeg ville gjøre noe harmonisk i livet, ha noe mer smakfullt. Musikk er egentlig matematikk, likt språk eller utviklingen av ting i naturen.

For å forene laboratoriemedlemmer, hvilken lederstil velger du: Fast eller fleksibel?

En gave fra en student i laboratoriet til henne 8. mars

Det er ekstremt viktig å knytte sammen medlemmer i laboratoriet. Uten utveksling, oppdateringer og deling mellom forskningsretninger vil det være vanskelig å gjøre det. Hver morgen i begynnelsen av uken tar jeg med en vogn med mat og drikke til laboratoriemedlemmene, og beregner hvor mye som er komfortabelt å bruke gjennom uken. Jeg prøver å støtte gruppemedlemmene slik at de kan fokusere på forskning, ikke bli distrahert, og kan jobbe fra morgen til kveld.

Jeg må også være til stede på laboratoriet, akkurat som deg, jobbe sammen, møtes og diskutere med deg og andre forskningsgrupper. Hvis jeg ikke kan gjøre det, vil det ikke være noen koordinering mellom forskningsretningene, eller de kan overlappe hverandre, ikke støtte hverandre, ikke oppdatere hverandres fremgang ...

Lederstilen min varierer avhengig av rollen. På skolen er jeg veldig snill med kollegene mine; i forskningsgruppen anser jeg meg selv som ganske streng, veldig streng på planer og fremdrift, med tydelige belønninger og straffer. Årsaken kommer sannsynligvis fra ønsket om å optimalisere i hver enkelt type arbeid, og jeg synes dette er veldig naturlig.

Hva er et konkret eksempel på hvordan matematikk kan føre til optimale løsninger?

I bunn og grunn er matematikk veldig vakkert. Mange problemer i livet krever matematikk. For eksempel er «hvordan komme seg fra Hanoi University of Science and Technology til Hoan Kiem-sjøen så raskt som mulig og med færrest røde lys» et problem som krever en algoritme for å finne det optimale svaret. Mange problemer rundt oss, som ruteproblemer for levering og logistikk, er også kombinatoriske optimaliseringsproblemer... Livet trenger optimalisert arbeid, og for å optimalisere arbeid er matematikk nødvendig. Anvendt matematikk er nå et voksende felt og spiller en viktig rolle i livet.

Vi finner ikke alltid den optimale løsningen, for eksempel for problemer innen produksjon og logistikk med parametere som endrer seg kontinuerlig over tid. Disse problemene krever mange komplementære metoder, må finne akseptable løsninger og bruke omtrentlige metoder. Matematikkens objekt er absolutte tall, men å gjøre matematikk med omtrentlige mengder nærmer seg faktisk naturens essens og er nær optimalisering.

Fra matematikk og optimalisering til kunstig intelligens (KI), er veien lang eller kort?

AI startet på 1940- og 1950-tallet. På den tiden introduserte Alan Turing konseptet «Turing-maskin» for å simulere teorien bak intelligente datamaskiner. På 1950-tallet introduserte John McCarthy begrepet «kunstig intelligens» og utviklet språk. På 1970- og 1980-tallet ble konsepter som ekspertsystemer og fuzzy logikk utviklet for å løse beslutningsproblemer. På 1990-tallet så man utviklingen av nevrale nettverk og dype nevrale nettverk. På 2010-tallet ble AI-teknologi integrert i mange felt, inkludert selvkjørende biler, chatboter, gjenkjenning og språkbehandling. Nylig har AI blitt så populært at det har kommet inn i alle aspekter av livet og er et tema av interesse for land. I fremtiden vil AI være et ekstremt fruktbart marked for videre og dypere utvikling, og trenge inn i flere aktiviteter i livet.

Med masterstudenter og studenter som deltar på og rapporterer på IEEE World Congress on Computational Intelligence i 2018 i Rio de Janeiro, Brasil i juni 2018

Mange tror at dagens forskning og anvendelser av kunstig intelligens aldri vil føre til skapingen av ekte «intelligens». Hva synes du om dette synet, og hva tror du utgjør forskjellen mellom menneskelig og maskinell intelligens?

På Alan Turings tid trodde man at hvis man kunne lage en maskin som kunne behandle beregninger godt med et ekstremt stort datasystem, så ville kompleksiteten på et tidspunkt være lik det nevrale nettverket i den menneskelige hjernen – det vil si at AI kunne nå menneskelig intelligens. Etter omtrent 80 år med utvikling i den retningen med superselskaper som Google, frem til nå, tror jeg AI fortsatt er langt fra å kunne oppnå det målet. Mekanisk kan man si at mennesker syntetiserer informasjon, oppfatter, lærer, uttrykker følelser ... på måter som kan beregnes og programmeres; i følge den logikken kan AI nærme seg og overgå mennesker takket være forbedringer i hastighet og data. Det finnes imidlertid en viss "ulogisk" mekanisme i den menneskelige hjernen som jeg tror AI er langt fra, eller aldri kan nå, den tilstanden.

Vil det komme en tid da mennesker bruker data som et våpen, i stedet for våpen eller økonomi? Hva vil konsekvensene av denne datakrigen bli? Er det behov for en optimaliserings-/balanseringsstrategi mellom menneskenes verden og maskinverdenen?

Jeg kan miste lommeboken min, men jeg kan ikke miste datamaskinen min og dataene i den. Det vil si at data er ekstremt viktig. I en krig med våpen/økonomi kan vi evakuere/forhandle…; men med data kan vi ikke gjøre noe. Folk bruker til og med stordata til å tjene konkurranse/krig. AI uten data er meningsløs.

Konsekvensene av datakrigen vil være alvorlige. Etiske standarder for datautvinning og -bruk må etableres.

Det er kanskje litt tidlig å snakke om strategien for balanse mellom menneske og maskin, men strategien for å beskytte data som en nasjonal ressurs er ekstremt nødvendig. Nå begynner folk også å være forsiktige når de gir personopplysninger til en annen part. Med giganter som Google, Facebook eller TikTok ..., hvis vi ikke kontrollerer og sikrer data effektivt, vil vi la en verdifull ressurs flyte som disse selskapene kan manipulere og bruke. Myndighetene har ganske gode retningslinjer for datahåndtering for steder som lagrer mye personopplysninger, som skoler, banker ...; men det er ikke enkelt å håndtere dataene som folk "ubevisst" gir til de ovennevnte gigantene.

Førsteamanuensis, dr. Huynh Thi Thanh Binh og polytekniske studenter som uteksamineres i august 2023

I tillegg til data er det også viktig å optimalisere informasjonsoverføring, og er det relevant for et forskningsprosjekt du jobber med?

Ja, det er prosjektet som teamet mitt og jeg er veldig stolte av, da vi ble finansiert av VINIF Foundation for forskning på overføringslæring for å løse kombinatoriske optimaliseringsproblemer. For å kunne få finansiering til prosjektet brukte teamet mitt ni måneder på å forberede, skrive og revidere forslaget for å gjøre det best mulig og nærmest resultatene som kan oppnås i praksis. Prosjektet involverer forskning på optimal kunnskapsoverføring i evolusjon, informasjonsoverføring i koevolusjon og informasjonsoverføring i nevrale nettverk.

Overføring her handler ikke om fra maskin til maskin eller fra person til person, men om studiet av informasjonsoverføring/informasjonsdeling for å løse optimaliseringsproblemer i livet effektivt. For eksempel noen viktige problemer: robotarmproblem, ruteproblem i transport, planlegging i militæret ...

Førsteamanuensis, Dr. Huynh Thi Thanh Binh ved Stanford University, USA

Nyere statistikk viser at ansatte i AI-bransjen har lønninger blant de tre beste i Vietnam. Er AI etter din mening et trendy studiefelt?

I en fersk konferanserapport oppsummerte jeg også lønnen til AI-ingeniører i Vietnam, og fant ut at den er veldig god. Det finnes mange muligheter for jobber relatert til AI, og jeg tror at AI i nær fremtid fortsatt vil være et veldig attraktivt felt, lett å finne jobber og høy inntekt.

Fra perspektivet til noen som har vært tilknyttet University of Technology i mange generasjoner, hvordan sammenligner du nåværende generasjon Z-studenter med tidligere alumner?

Jeg vet ikke hvor, men med Generasjon Z-studenter ved Bách khoa ser jeg at dere blir bedre og bedre. Veldig flinke. Dere er veldig smarte, ikke bare flinke i hovedfaget deres, men også i fremmedspråk og myke ferdigheter. Spesielt siden Bách khoa har gått over til en autonom mekanisme, har det tiltrukket seg flere og flere talentfulle studenter.

Ved Institutt for informasjonsteknologi og kommunikasjon der jeg jobber, hadde studentene lite tilgang til forskningslaboratorier tidligere. I de senere årene har imidlertid de fleste studentene vært i laboratoriene siden de første årene, og jobbet entusiastisk og kreativt. Noen studenter har til og med tatt initiativ til å lære om laboratoriene våre og delta.

Takk for praten!

Thanhnien.vn