Docent, Dr. Huynh Thi Thanh Binh: "Optimering handlar ofta om att följa naturen"

Vilken speciell möjlighet har hållit dig knuten till Hanois universitet för vetenskap och teknik sedan din studenttid? Är du någon som är rädd för att byta miljö?

Jag tillhör den 37:e generationen studenter som studerar informationsteknologi (IT) på skolan, men i verkligheten har jag studerat IT sedan gymnasiet. Sedan studerade jag universitet, master, doktorand... allt på den här skolan.

Det fanns faktiskt tillfällen då jag planerade att studera utomlands i Japan. När jag gick på universitetet studerade jag japanska i fem år, sponsrat av den japanska regeringen för 20 utmärkta studenter från K36 och K37. Sedan hamnade det rakt in i den ekonomiska recessionen i grannlandet, så detta avbröts. Sedan, när jag avslutade min masterexamen, presenterade professor Ho Tu Bao mig för en mycket prestigefylld professor i Japan för att jag skulle åka dit för att forska, men på grund av subjektiva skäl från min sida (att jag gifte mig) stannade jag ändå kvar vid tekniska universitetet. Det är också av objektiva och subjektiva skäl som jag fortfarande doktorerar vid skolan och undervisar där fram till nu.

Om jag säger att det var ödet, är jag rädd att det är en liten överdrift, men för att uttrycka det enkelt, det här kom till mig naturligt och varsamt.

Docent Dr. Huynh Thi Thanh Binh deltog i och presenterade en rapport vid den ledande konferensen om evolutionär beräkning, juli 2023 i Lissabon, Portugal.

På några konferenser nyligen har jag sett dig ofta presentera forskningsresultat tillsammans med många andra kvinnliga forskare . Är det ett tecken på en ny generation av "feminism" inom vetenskapen vid yrkeshögskolan?

Förra gången jag deltog i Vingroup Innovation Fund (VINIF) konferens presenterade Dr. Nguyen Phi Le, Dr. Le Minh Thuy och jag tillsammans, och det fanns en annan kvinnlig student, Dr. Nguyen Cam Ly, som var i Japan och inte hade återvänt än. Det var en slump, eller en "sympati" mellan oss, och representerade inte någon "feministisk" generation. På ingenjörsblocket på skolan finns det få grupper med så många kvinnliga medlemmar som min grupp, förmodligen bara färre än forskargrupperna inom ekonomi- eller främmande språkblocken på skolan. En annan speciell punkt är att min grupp varje år publicerar på ledande konferenser i världen, och sedan deltar min grupp och jag i konferensen för att utöka möjligheten till utbyte med starka forskargrupper.

Det är känt att du leder ett stort laboratorium i skolan och även undervisar. För att göra detta bra, finns det någon optimeringsprocess som behöver tillämpas?

Jag leder för närvarande en optimeringsforskningsgrupp på cirka 40 personer. Jag tycker att arbetsbelastningen är stor; jag arbetar vanligtvis från tidig morgon till 18-19, inklusive lördagar. För mig är arbete som daglig mat och dryck, och det byts alltid ut rätter eftersom det varje vecka kommer nya upptäckter från en eller annan grupp. Det gör mig exalterad.

För att optimera mitt arbete måste jag ofta sätta mål, planera, fördela tid rimligt och aldrig glömma deadlines.

Drömlika stunder med färger och penslar

En imponerande arbetskapacitet, bakom en smal figur?

Jag tror att en ljuskropp hjälper mig att ha mer energi att tänka, undersöka och skapa. Självklart måste man vara bekväm med sitt tillstånd.

Jag lärde mig också piano, eftersom jag ville göra något harmoniskt i livet, något mer smakrikt. Musik är egentligen matematik, ungefär som språk eller utvecklingen av saker i naturen.

För att ena labmedlemmar, vilken ledarstil väljer du: Fast eller flexibel?

En present från en student i labbet till henne den 8 mars

Att knyta samman medlemmarna i labbet är oerhört viktigt. Utan utbyte, uppdateringar och delning mellan forskningsinriktningar kommer det att vara svårt att göra det. Varje morgon i början av veckan tar jag med mig en vagn med mat och dryck till labmedlemmarna och beräknar hur mycket som är bekvämt att använda under veckan. Jag försöker stödja gruppmedlemmarna så att de kan fokusera på forskningen, inte bli distraherade och kan arbeta från morgon till kväll.

Jag måste också vara närvarande på labbet precis som du, arbeta tillsammans, träffas, diskutera med dig och andra forskargrupper. Om jag inte kan göra det, kommer det inte att finnas någon samordning mellan forskningsinriktningarna, eller så kan de överlappa varandra, inte stödja varandra, inte uppdatera varandras framsteg...

Min ledarstil varierar beroende på roll. I skolan är jag väldigt vänlig mot mina kollegor; i forskargruppen anser jag mig själv vara ganska strikt, väldigt strikt med planer och framsteg, med tydliga belöningar och straff. Anledningen kommer förmodligen från önskan att optimera i varje olika typ av arbete, och jag tycker att detta är väldigt naturligt.

Vad är ett konkret exempel på hur matematik kan leda till optimala lösningar?

I grund och botten är matematik väldigt vackert. Många problem i livet kräver matematik. Till exempel är "hur man tar sig från Hanois universitet för vetenskap och teknik till Hoan Kiem-sjön så snabbt som möjligt och med minst rödljus" ett problem som kräver en algoritm för att hitta det optimala svaret. Många problem runt omkring oss, såsom ruttproblem för leverans och logistik, är också kombinatoriska optimeringsproblem... Livet behöver optimerat arbete, och för att optimera arbete behövs matematik. Tillämpad matematik är nu ett växande område och spelar en viktig roll i livet.

Vi hittar inte alltid den optimala lösningen, till exempel i produktions- och logistikproblem med parametrar som förändras kontinuerligt över tid. Dessa problem kräver många kompletterande metoder, behöver hitta acceptabla lösningar och använda approximativa metoder. Matematikens objekt är absoluta tal, men att göra matematik med approximativa storheter närmar sig faktiskt naturens essens och är nära optimering.

Från matematik och optimering till artificiell intelligens (AI), är det en lång eller kort väg?

AI började på 1940- och 1950-talen. Vid den tiden introducerade Alan Turing konceptet "Turingmaskin" för att simulera teorin om intelligenta datorer. På 1950-talet introducerade John McCarthy termen "artificiell intelligens" och utvecklade språk. På 1970- och 1980-talen utvecklades koncept som expertsystem och fuzzy logic för att lösa beslutsproblem. Under 1990-talet utvecklades neurala nätverk och djupa neurala nätverk. Under 2010-talet integrerades AI-teknik i många områden, inklusive självkörande bilar, chatbotar, igenkänning och språkbehandling. På senare tid har AI blivit så populärt att det har nått alla aspekter av livet och är ett ämne av intresse för länder. I framtiden kommer AI att vara en extremt bördig marknad för vidare och djupare utveckling, och penetrera fler aktiviteter i livet.

Med doktorander och studenter som deltog i och rapporterade vid IEEE World Congress on Computational Intelligence 2018 i Rio de Janeiro, Brasilien i juni 2018

Många tror att nuvarande AI-forskning och tillämpningar aldrig kommer att leda till skapandet av sann "intelligens". Vad tycker du om denna uppfattning, och vad tror du är skillnaden mellan mänsklig och maskinell intelligens?

På Alan Turings tid trodde man att om man kunde skapa en maskin som kunde bearbeta beräkningar väl med ett extremt stort datasystem, så skulle dess komplexitet vid någon tidpunkt vara lika med det neurala nätverket i den mänskliga hjärnan – det vill säga, AI skulle kunna nå mänsklig intelligens. Efter ungefär 80 års utveckling i den riktningen med superföretag som Google, fram till nu, tror jag att AI fortfarande är långt ifrån att kunna uppnå det målet. Mekaniskt kan man säga att människor syntetiserar information, uppfattar, lär sig, uttrycker känslor... på sätt som kan beräknas och programmeras; enligt den logiken kan AI närma sig och överträffa människor tack vare förbättringar i hastighet och data. Det finns dock en viss "ologisk" mekanism i den mänskliga hjärnan som jag tror att AI är långt ifrån, eller aldrig kan nå, det tillståndet.

Kommer det en tid då människor använder data som vapen, istället för vapen eller ekonomi? Vilka blir konsekvenserna av detta datakrig? Finns det ett behov av en optimerings-/balanseringsstrategi mellan människovärlden och maskinvärlden?

Jag kan förlora min plånbok, men jag kan inte förlora min dator och datan i den. Det vill säga, data är extremt viktigt. I ett krig med vapen/ekonomi kan vi evakuera/förhandla…; men med data kan vi inte göra någonting. Människor använder till och med big data för att tjäna konkurrens/krig. AI utan data är meningslös.

Konsekvenserna av datakriget kommer att bli allvarliga. Etiska standarder för datautvinning och användning måste fastställas.

Det kanske är lite tidigt att tala om strategin för balans mellan människa och maskin, men strategin för att skydda data som en nationell tillgång är extremt nödvändig. Nu börjar människor också vara försiktiga när de lämnar ut personuppgifter till en annan part. Med jättar som Google, Facebook eller TikTok..., om vi inte kontrollerar och säkrar data effektivt, kommer vi att lämna en värdefull resurs flytande för dessa företag att manipulera och använda. Regeringen har ganska bra datahanteringspolicyer för platser som lagrar mycket personuppgifter, såsom skolor, banker...; men att hantera den data som människor "omedvetet" lämnar till ovanstående jättar är inte enkelt.

Docent, Dr. Huynh Thi Thanh Binh och yrkeshögskolestudenter som tar examen i augusti 2023

Förutom data är det också viktigt att optimera informationsöverföring, och är det relevant för ett forskningsprojekt du arbetar med?

Ja, det är det projektet som mitt team och jag är väldigt stolta över, när vi finansierades av VINIF-stiftelsen för forskning om transferinlärning för att lösa kombinatoriska optimeringsproblem. För att kunna få finansiering för projektet spenderade mitt team 9 månader på att förbereda, skriva och revidera förslaget för att göra det så bra som möjligt och närmast de resultat som kan uppnås i praktiken. Projektet omfattar forskning om optimal kunskapsöverföring i evolution, informationsöverföring i samevolution och informationsöverföring i neurala nätverk.

Överföring här handlar inte om från maskin till maskin eller från person till person, utan om studiet av informationsöverföring/informationsdelning för att effektivt lösa optimeringsproblem i livet. Till exempel några viktiga problem: robotarmproblem, ruttproblem inom transport, planering inom militären…

Docent, Dr. Huynh Thi Thanh Binh vid Stanford University, USA

Ny statistik visar att personal inom AI-branschen har löner bland de tre bästa i Vietnam. Anser du att AI är ett trendigt studieområde?

I en nyligen genomförd konferensrapport sammanfattade jag även lönen för AI-ingenjörer i Vietnam och fann att den är mycket bra. Det finns många möjligheter till jobb relaterade till AI och jag tror att AI inom en snar framtid fortfarande kommer att vara ett mycket attraktivt område, med lätta jobb och höga inkomster.

Ur perspektivet för någon som har varit knuten till Tekniska universitetet i många generationer, hur jämför du nuvarande generation Z-studenter med tidigare alumner?

Jag vet inte var, men med Generation Z-studenter på Bách khoa ser jag att ni blir bättre och bättre. Väldigt bra. Ni är väldigt smarta, inte bara bra på ert huvudämne utan även på främmande språk och mjuka färdigheter. Särskilt sedan Bách khoa övergick till en autonom mekanism har det lockat fler och fler begåvade studenter.

På Institutionen för informationsteknologi och kommunikation där jag arbetar hade studenterna tidigare begränsad tillgång till forskningslabb. Men på senare år har de flesta studenterna varit i labben sedan sina första år och arbetat entusiastiskt och kreativt. Vissa studenter har till och med tagit initiativ till att lära sig om våra labb och delta.

Tack för pratstunden!

Thanhnien.vn