ایسوسی ایٹ پروفیسر، ڈاکٹر Huynh Thi Thanh Binh: "اصلاح کرنا اکثر فطرت کی پیروی کے بارے میں ہوتا ہے"

طالب علمی کے زمانے سے ہی آپ کو ہنوئی یونیورسٹی آف سائنس اینڈ ٹیکنالوجی سے کون سا خاص موقع ملا ہے؟ کیا آپ ایسے ہیں جو بدلتے ہوئے ماحول سے ڈرتے ہیں؟

میں اسکول میں انفارمیشن ٹیکنالوجی (IT) میں تعلیم حاصل کرنے والے طلباء کی 37 ویں نسل کا رکن ہوں، لیکن حقیقت میں میں ہائی اسکول سے ہی IT پڑھ رہا ہوں۔ پھر میں نے اس اسکول میں یونیورسٹی، ماسٹرز، ڈاکٹریٹ... سب کچھ پڑھا۔

دراصل، ایسے وقت تھے جب میں نے جاپان میں بیرون ملک تعلیم حاصل کرنے کا ارادہ کیا تھا۔ جب میں کالج میں تھا، میں نے 5 سال تک جاپانی زبان کی تعلیم حاصل کی، جسے جاپانی حکومت نے K36 اور K37 کے 20 بہترین طلباء کے لیے سپانسر کیا۔ پھر، یہ پڑوسی ملک کی اقتصادی کساد بازاری کی زد میں آ گیا، اس لیے اسے معطل کر دیا گیا۔ پھر، جب میں نے ماسٹر کی ڈگری مکمل کی، تو پروفیسر ہو ٹو باو نے مجھے جاپان کے ایک بہت ہی نامور پروفیسر سے ملوایا کہ وہ وہاں تحقیق کرنے جائیں، لیکن میری طرف سے موضوعی وجوہات (شادی) کی وجہ سے، میں پھر بھی ٹیکنالوجی یونیورسٹی میں ہی رہا۔ یہ معروضی اور موضوعی وجوہات کی وجہ سے بھی ہے کہ میں اب بھی اسکول میں پی ایچ ڈی کرتا ہوں اور اب تک وہاں پڑھاتا ہوں۔

اگر میں کہوں کہ یہ تقدیر تھی تو مجھے ڈر ہے کہ یہ قدرے مبالغہ آرائی ہے، لیکن سادہ الفاظ میں یہ بات میرے پاس فطری اور نرمی سے آئی۔

ایسوسی ایٹ پروفیسر، ڈاکٹر Huynh Thi Thanh Binh نے لزبن، پرتگال میں جولائی 2023 میں ارتقائی کمپیوٹیشن پر اہم کانفرنس میں شرکت کی اور ایک رپورٹ پیش کی۔

کچھ حالیہ کانفرنسوں میں، میں نے آپ کو اکثر دوسری خواتین سائنسدانوں کے ساتھ تحقیق کے نتائج پیش کرتے دیکھا۔ کیا یہ پولی ٹیکنک میں سائنس میں "فیمنزم" کی نئی نسل کی علامت ہے؟

پچھلی بار جب میں نے ونگروپ انوویشن فنڈ (VINIF) کانفرنس میں شرکت کی تھی، ڈاکٹر Nguyen Phi Le، ڈاکٹر Le Minh Thuy اور میں نے ایک ساتھ پیش کیا تھا، اور وہاں ایک اور طالبہ ڈاکٹر Nguyen Cam Ly تھی، جو جاپان میں تھی اور ابھی تک واپس نہیں آئی تھی۔ یہ ایک اتفاق تھا، یا ہمارے درمیان ایک "ہمدردی" تھی، اور کسی "فیمنسٹ" نسل کی نمائندگی نہیں کرتی تھی۔ اسکول میں انجینئرنگ بلاک میں، میرے گروپ کے جتنی خواتین اراکین کے ساتھ چند گروپس ہیں، شاید اسکول میں معاشیات یا غیر ملکی زبان کے بلاکس کے تحقیقی گروپوں سے کم۔ ایک اور خاص بات یہ ہے کہ ہر سال، میرا گروپ دنیا کی معروف کانفرنسوں میں شائع کرتا ہے، اور پھر میں اور میرا گروپ مضبوط تحقیقی گروپوں کے ساتھ تبادلہ کرنے کے مواقع کو بڑھانے کے لیے کانفرنس میں شرکت کرتے ہیں۔

معلوم ہوا کہ آپ سکول میں ایک بڑی لیبارٹری کا انتظام کر رہے ہیں اور پڑھاتے بھی ہیں۔ ایسا کرنے کے لیے، کیا کوئی اصلاحی عمل ہے جس کو لاگو کرنے کی ضرورت ہے؟

میں فی الحال تقریباً 40 افراد کے اصلاحی تحقیقی گروپ کا رہنما ہوں۔ مجھے کام کا بوجھ بڑا معلوم ہوتا ہے۔ میں عام طور پر صبح سویرے سے شام 6-7 بجے تک کام کرتا ہوں، بشمول ہفتہ۔ میرے لیے کام روزمرہ کے کھانے پینے کی طرح ہے، اور ہمیشہ پکوان بدلتے رہتے ہیں کیونکہ ہر ہفتے کسی نہ کسی گروپ کی طرف سے نئی دریافتیں ہوتی رہتی ہیں۔ اس سے مجھے پرجوش محسوس ہوتا ہے۔

اپنے کام کو بہتر بنانے کے لیے، مجھے اکثر اہداف کا تعین کرنا پڑتا ہے، منصوبہ بندی کرنا پڑتی ہے، مناسب وقت مختص کرنا پڑتا ہے اور وقت کی تاریخ کو کبھی نہیں بھولنا پڑتا ہے۔

رنگوں اور برشوں کے ساتھ خوابیدہ لمحات

ایک پتلی شخصیت کے پیچھے ایک متاثر کن کام کی صلاحیت؟

مجھے لگتا ہے کہ ہلکا جسم مجھے سوچنے، تحقیق کرنے اور تخلیق کرنے میں زیادہ توانائی حاصل کرنے میں مدد کرتا ہے۔ یقیناً آپ کو اپنی ریاست کے ساتھ آرام دہ ہونا پڑے گا۔

میں نے پیانو بھی سیکھا، کیونکہ میں زندگی میں کچھ ہم آہنگ کرنا چاہتا تھا، کچھ زیادہ ذائقہ دار ہونا چاہتا تھا۔ موسیقی دراصل ریاضی ہے، زبان کی طرح یا فطرت میں چیزوں کی نشوونما۔

لیب کے اراکین کو متحد کرنے کے لیے، آپ کس انتظامی انداز کا انتخاب کرتے ہیں: مضبوط یا لچکدار؟

8 مارچ کو لیب میں ایک طالبہ کی طرف سے اسے تحفہ

لیب میں اراکین کو جوڑنا انتہائی ضروری ہے۔ تبادلے، اپ ڈیٹس، اور تحقیقی سمتوں کے درمیان اشتراک کے بغیر، ایسا کرنا مشکل ہوگا۔ ہفتے کے آغاز میں ہر صبح، میں لیب کے اراکین کے لیے کھانے پینے کی اشیاء کی ایک ٹوکری لاتا ہوں، اس بات کا حساب لگاتا ہوں کہ پورے ہفتے میں کتنا آرام دہ ہے۔ میں گروپ ممبران کو سپورٹ کرنے کی کوشش کرتا ہوں تاکہ وہ تحقیق پر توجہ دے سکیں، مشغول نہ ہوں اور صبح سے رات تک کام کر سکیں۔

مجھے بھی آپ کی طرح لیب میں موجود رہنا ہوگا، مل کر کام کرنا ہوگا، ایک ساتھ ملنا ہوگا، آپ اور دیگر ریسرچ گروپس کے ساتھ بات چیت کرنی ہوگی۔ اگر میں ایسا نہیں کر سکتا، تو تحقیقی سمتوں کے درمیان کوئی ہم آہنگی نہیں ہو گی، یا وہ اوور لیپ ہو سکتے ہیں، ایک دوسرے کا ساتھ نہیں دے سکتے، ایک دوسرے کی پیشرفت کو اپ ڈیٹ نہیں کر سکتے...

میرا انتظامی انداز کردار کے لحاظ سے مختلف ہوتا ہے۔ اسکول میں، میں اپنے ساتھیوں کے ساتھ بہت نرم ہوں؛ تحقیقی گروپ میں، میں اپنے آپ کو کافی سخت، منصوبوں اور پیش رفت پر بہت سخت، واضح انعامات اور سزاؤں کے ساتھ سمجھتا ہوں۔ اس کی وجہ شاید ہر ایک مختلف قسم کے کام کو بہتر بنانے کی خواہش سے آتی ہے، اور مجھے یہ بہت فطری لگتا ہے۔

اس کی ٹھوس مثال کیا ہے کہ ریاضی کس طرح بہترین حل کی طرف لے جا سکتی ہے؟

جوہر میں، ریاضی بہت خوبصورت ہے. زندگی میں بہت سے مسائل کے لیے ریاضی کی ضرورت ہوتی ہے۔ مثال کے طور پر، "ہانوئی یونیورسٹی آف سائنس اینڈ ٹیکنالوجی سے ہون کیم جھیل تک جلد سے جلد اور کم سے کم سرخ روشنیوں کے ساتھ کیسے جانا ہے" ایک ایسا مسئلہ ہے جس کا بہترین جواب تلاش کرنے کے لیے الگورتھم کی ضرورت ہے۔ ہمارے اردگرد بہت سے مسائل، جیسے ترسیل اور لاجسٹکس کے لیے روٹنگ کے مسائل، مشترکہ اصلاح کے مسائل بھی ہیں... زندگی کو بہتر کام کی ضرورت ہے، اور کام کو بہتر بنانے کے لیے ریاضی کی ضرورت ہے۔ اطلاقی ریاضی اب ایک بڑھتا ہوا شعبہ ہے اور زندگی میں ایک اہم کردار ادا کرتا ہے۔

ہم ہمیشہ بہترین حل تلاش نہیں کرتے، مثال کے طور پر، پیداوار اور لاجسٹکس کے مسائل میں پیرامیٹرز کے ساتھ جو وقت کے ساتھ مسلسل تبدیل ہوتے رہتے ہیں۔ ان مسائل کے لیے بہت سے تکمیلی طریقوں کی ضرورت ہوتی ہے، قابل قبول حل تلاش کرنے اور تخمینی طریقے استعمال کرنے کی ضرورت ہوتی ہے۔ ریاضی کا مقصد مطلق نمبر ہے، لیکن تخمینی مقداروں کے ساتھ ریاضی کرنا دراصل فطرت کے جوہر تک پہنچنا ہے اور اصلاح کے قریب ہے۔

ریاضی سے لے کر مصنوعی ذہانت (AI) تک آپٹمائزیشن کا راستہ طویل ہے یا چھوٹا؟

اے آئی کا آغاز 1940 اور 1950 کی دہائیوں میں ہوا۔ اس وقت، ایلن ٹیورنگ نے ذہین کمپیوٹرز کے نظریہ کی تقلید کے لیے "Turing مشین" کا تصور پیش کیا۔ 1950 کی دہائی میں جان میکارتھی نے "مصنوعی ذہانت" کی اصطلاح متعارف کروائی اور زبان کو ترقی دی۔ 1970 اور 1980 کی دہائیوں میں، فیصلہ سازی کے مسائل کو حل کرنے کے لیے ماہرانہ نظام اور فجی منطق جیسے تصورات تیار کیے گئے۔ 1990 کی دہائی میں نیورل نیٹ ورکس اور گہرے نیورل نیٹ ورکس کی ترقی دیکھی گئی۔ 2010 کی دہائی میں، AI ٹیکنالوجی کو بہت سے شعبوں میں ضم کیا گیا تھا، بشمول سیلف ڈرائیونگ کاریں، چیٹ بوٹس، شناخت اور لینگویج پروسیسنگ۔ حال ہی میں، AI اس قدر مقبول ہوا ہے کہ یہ زندگی کے ہر پہلو میں داخل ہو چکا ہے اور ممالک کے لیے دلچسپی کا موضوع ہے۔ مستقبل میں، AI مزید اور گہری ترقی کے لیے ایک انتہائی زرخیز مارکیٹ ہو گی، جس میں زندگی کی مزید سرگرمیاں شامل ہوں گی۔

جون 2018 میں برازیل کے ریو ڈی جنیرو میں کمپیوٹیشنل انٹیلی جنس پر 2018 IEEE ورلڈ کانگریس میں گریجویٹ طلباء اور طالب علموں کی شرکت اور رپورٹنگ کے ساتھ

بہت سے لوگوں کا خیال ہے کہ موجودہ AI تحقیق اور ایپلی کیشنز کبھی بھی حقیقی "ذہانت" کی تخلیق کا باعث نہیں بنیں گی۔ آپ اس نقطہ نظر کے بارے میں کیا سوچتے ہیں، اور آپ کے خیال میں انسان اور مشینی ذہانت میں کیا فرق ہے؟

ایلن ٹیورنگ کے زمانے میں لوگوں کا خیال تھا کہ اگر ایک ایسی مشین بنائی جا سکتی ہے جو ایک انتہائی بڑے ڈیٹا سسٹم کے ساتھ حسابات کو اچھی طرح سے پراسیس کر سکے تو کسی وقت اس کی پیچیدگی انسانی دماغ میں موجود نیورل نیٹ ورک کے برابر ہو جائے گی یعنی اے آئی انسانی ذہانت تک پہنچ سکے گی۔ گوگل جیسی سپر کمپنیوں کے ساتھ اس سمت میں تقریباً 80 سال کی ترقی کے بعد، اب تک، میرے خیال میں اے آئی ابھی تک اس مقصد کو حاصل کرنے کے قابل نہیں ہے۔ میکانکی طور پر، یہ کہا جا سکتا ہے کہ انسان معلومات کی ترکیب کرتے ہیں، محسوس کرتے ہیں، سیکھتے ہیں، جذبات کا اظہار کرتے ہیں... ان طریقوں سے جن کا حساب اور پروگرام کیا جا سکتا ہے۔ اس منطق کے مطابق، AI رفتار اور ڈیٹا میں بہتری کی بدولت انسانوں تک پہنچ سکتا ہے اور اسے پیچھے چھوڑ سکتا ہے۔ تاہم، انسانی دماغ میں ایک خاص "غیر منطقی" طریقہ کار ہے جس کے بارے میں میرے خیال میں AI اس حالت سے بہت دور ہے، یا کبھی نہیں پہنچ سکتا۔

کیا ایک وقت آئے گا جب انسان بندوق یا معاشیات کے بجائے ڈیٹا کو بطور ہتھیار استعمال کرے گا؟ اس ڈیٹا وار کے نتائج کیا ہوں گے؟ کیا انسانی دنیا اور مشینی دنیا کے درمیان اصلاح/توازن کی حکمت عملی کی ضرورت ہے؟

میں اپنا پرس کھو سکتا ہوں، لیکن میں اپنا کمپیوٹر اور اس میں موجود ڈیٹا کو نہیں کھو سکتا۔ یہ کہنا ہے کہ، ڈیٹا انتہائی اہم ہے. ہتھیاروں/معیشت کے ساتھ جنگ ​​میں، ہم انخلاء/مذاکرات کر سکتے ہیں…؛ لیکن ڈیٹا کے ساتھ، ہم کچھ نہیں کر سکتے۔ لوگ مقابلہ/جنگ کی خدمت کے لیے بھی بڑا ڈیٹا استعمال کرتے ہیں۔ ڈیٹا کے بغیر AI بے معنی ہے۔

ڈیٹا وار کے نتائج سنگین ہوں گے۔ ڈیٹا مائننگ اور استعمال کے لیے اخلاقی معیارات قائم کرنے ہوں گے۔

انسانی مشین کے توازن کی حکمت عملی کے بارے میں بات کرنا تھوڑی جلدی ہو سکتا ہے، لیکن ڈیٹا کو بطور قومی اثاثہ بچانے کی حکمت عملی انتہائی ضروری ہے۔ اب لوگ کسی دوسرے فریق کو ذاتی ڈیٹا فراہم کرتے وقت بھی محتاط رہنے لگے ہیں۔ گوگل، فیس بک یا ٹِک ٹِک جیسے بڑے اداروں کے ساتھ، اگر ہم ڈیٹا کو مؤثر طریقے سے کنٹرول اور محفوظ نہیں کرتے ہیں، تو ہم ان کمپنیوں کے لیے ہیرا پھیری اور استعمال کرنے کے لیے ایک قیمتی وسیلہ چھوڑ دیں گے۔ حکومت کے پاس ایسی جگہوں کے لیے ڈیٹا مینجمنٹ کی کافی اچھی پالیسیاں ہیں جو بہت سارے ذاتی ڈیٹا کو ذخیرہ کرتی ہیں جیسے کہ اسکول، بینک...؛ لیکن اس ڈیٹا کا انتظام کرنا جو لوگ "غیر شعوری طور پر" مندرجہ بالا جنات کو فراہم کرتے ہیں۔

ایسوسی ایٹ پروفیسر، ڈاکٹر Huynh Thi Thanh Binh اور Polytechnic طلباء اگست 2023 میں گریجویشن کر رہے ہیں

ڈیٹا کے علاوہ، معلومات کی منتقلی کو بہتر بنانا بھی ضروری ہے، اور کیا یہ اس تحقیقی منصوبے سے متعلق ہے جس پر آپ کام کر رہے ہیں؟

جی ہاں، یہ وہ پروجیکٹ ہے جس پر مجھے اور میری ٹیم کو بہت فخر ہے، جب ہمیں VINIF فاؤنڈیشن نے ٹرانسفر لرننگ پر تحقیق کے لیے فنڈز فراہم کیے تھے تاکہ مشترکہ اصلاحی مسائل کو حل کیا جا سکے۔ پراجیکٹ کے لیے فنڈنگ ​​حاصل کرنے کے قابل ہونے کے لیے، میری ٹیم نے تجویز کی تیاری، لکھنے اور اس پر نظر ثانی کرنے میں 9 ماہ صرف کیے تاکہ اسے عملی طور پر حاصل کیے جانے والے نتائج کے بہترین اور قریب ترین بنایا جا سکے۔ اس پروجیکٹ میں ارتقاء میں علم کی بہترین منتقلی، شریک ارتقاء میں معلومات کی منتقلی اور عصبی نیٹ ورکس میں معلومات کی منتقلی پر تحقیق شامل ہے۔

یہاں منتقلی مشین سے مشین یا ایک شخص سے دوسرے شخص میں نہیں ہے بلکہ زندگی میں اصلاح کے مسائل کو مؤثر طریقے سے حل کرنے کے لیے معلومات کی منتقلی/معلومات کے اشتراک کا مطالعہ ہے۔ مثال کے طور پر، کچھ اہم مسائل: روبوٹ بازو کا مسئلہ، نقل و حمل میں روٹنگ کا مسئلہ، فوج میں منصوبہ بندی…

اسٹینفورڈ یونیورسٹی، USA میں ایسوسی ایٹ پروفیسر، ڈاکٹر Huynh Thi Thanh Binh

حالیہ اعداد و شمار سے پتہ چلتا ہے کہ ویتنام میں AI صنعت کے اہلکار سب سے اوپر 3 میں تنخواہ وصول کرتے ہیں۔ آپ کی رائے میں، کیا AI مطالعہ کا ایک جدید شعبہ ہے؟

ایک حالیہ کانفرنس کی رپورٹ میں، میں نے ویتنام میں AI انجینئرز کی تنخواہ کا بھی خلاصہ کیا، اور پتہ چلا کہ یہ بہت اچھی ہے۔ AI سے متعلق ملازمتوں کے بہت سے مواقع ہیں اور میں سمجھتا ہوں کہ مستقبل قریب میں، AI اب بھی ایک بہت پرکشش فیلڈ ہو گا، نوکریوں کی تلاش میں آسان اور زیادہ آمدنی۔

کسی ایسے شخص کے نقطہ نظر سے جو یونیورسٹی آف ٹیکنالوجی سے کئی نسلوں سے وابستہ ہے، آپ موجودہ نسل کے Z طلباء کا سابقہ ​​سابق طلباء سے کیسے موازنہ کرتے ہیں؟

میں نہیں جانتا کہ کہاں، لیکن Bách khoa میں Gen Z طلباء کے ساتھ، میں دیکھ رہا ہوں کہ آپ بہتر سے بہتر ہو رہے ہیں۔ بہت اچھا۔ آپ بہت ذہین ہیں، نہ صرف اپنے میجر میں بلکہ غیر ملکی زبانوں اور نرم مہارتوں میں بھی اچھے ہیں۔ خاص طور پر، ایک خود مختار طریقہ کار پر جانے کے بعد سے، Bách khoa نے زیادہ سے زیادہ ہونہار طلباء کو اپنی طرف متوجہ کیا ہے۔

سکول آف انفارمیشن ٹیکنالوجی اینڈ کمیونیکیشنز میں جہاں میں کام کرتا ہوں، ماضی میں طلباء کو ریسرچ لیبز تک بہت کم رسائی حاصل تھی۔ تاہم، حالیہ برسوں میں، زیادہ تر طلباء اپنے پہلے سالوں سے لیبز میں ہیں، جوش اور تخلیقی طور پر کام کر رہے ہیں۔ کچھ طلباء نے ہماری لیبز کے بارے میں جاننے اور اس میں حصہ لینے کے لیے پہل بھی کی ہے۔

بات چیت کے لیے شکریہ!

Thanhnien.vn