学生時代から現在に至るまで、ハノイ工科大学に関わり続けている特別な機会は何ですか?あなたは変化を恐れる人ですか?
私は、この学校で情報技術（IT）を専攻する37期生ですが、実は高校時代からITを勉強してきました。その後、大学、修士、博士課程まですべてこの学校で学びました。
実は日本に留学しようと思っていた時期もありました。大学では、K36、K37の優秀な学生20名を対象に、日本政府の奨学金を受けて5年間日本語を学びました。その後、あなたの国の経済不況に陥ったため、これは中止されました。その後、修士課程を修了した後、ホー・トゥ・バオ教授が私を日本の非常に権威のある教授に紹介し、研究のために日本に行くように勧めてくれましたが、私の主観的な理由（結婚）により、私は工科大学に留まりました。私が今でもこの学校で博士号を取得し、教えているのも、客観的かつ主観的な理由によるものです。
運命と言ったらちょっと大袈裟かもしれませんが、簡単に言えば、このことは私にとっては自然に、簡単に起こったことなのです。
准教授のHuynh Thi Thanh Binh博士は、2023年7月にポルトガルのリスボンで開催された進化計算に関する主要な会議に出席し、報告を行いました。
最近のいくつかの会議では、彼女が他の多くの女性科学者とともに研究結果を発表しているのを頻繁に目にしました。これは工科大学の科学における新世代の「フェミニズム」の兆候なのでしょうか?
前回私がVingroup Innovation Fund (VINIF) の会議に出席したとき、Nguyen Phi Le博士、Le Minh Thuy博士と私は一緒に報告しましたが、もう1人の女性の友人であるNguyen Cam Ly博士は日本に滞在していてまだ帰国していませんでした。それは偶然、あるいは私たちの間の「連絡」であり、いかなる「フェミニスト」世代を代表するものでもありませんでした。学校の工学部では、私のグループほど女性メンバーが多いグループはほとんどなく、おそらく経済学部や外国語学部の研究グループよりも少ないでしょう。もうひとつの特別な点は、毎年、私のグループが世界中の主要な会議で論文を発表し、その後、私と私のグループが会議に出席して、強力な研究グループとの交流の機会を広げていることです。
彼女は学校内で大きな研究室を管理し、また教鞭を執っていることが知られています。並行処理を適切に行うには、適用する必要がある最適化プロセスはありますか?
私は現在、約 40 名からなる最適化研究チームの責任者を務めています。私の意見では、作業量は多いです。私は通常、土曜日も含めて早朝から午後6～7時まで出勤します。私にとって仕事は毎日の食事や飲み物のようなもので、毎週このグループやあのグループから新しい発見があるので、料理は常に変わります。それは私を興奮させます。
仕事を最適化するには、目標を設定し、計画を立て、時間を合理的に割り当て、締め切りを決して忘れないようにする必要があります。
色とブラシで夢のようなひとときを
スリムな体型の裏に、素晴らしい労働倫理が隠れているのでしょうか?
体が軽いと、考える、研究する、創造するエネルギーが増すと思います。もちろん、あなた自身も自分の状態に満足していなければなりません。
私もピアノを習っています。人生に調和のとれたことをしたいし、人生をもっと味わい深いものにしたいからです。音楽は、言語や自然界の進化と同じように、実は数学なのです。
研究室のメンバーを団結させるために、厳格な管理スタイルと柔軟な管理スタイルのどちらを選びますか?
3月8日に研究室の学生から彼女に贈られた贈り物
ラボのメンバー同士の絆を深めることは非常に重要です。研究方向間の交換、更新、共有がなければ、それを実現することは難しいでしょう。毎週月曜日の朝、私はラボ用のカート一杯の食べ物と飲み物を持って行きます。これは、1週間快適に使える量を計算したものです。チームメンバーが気を散らすことなく研究に集中し、朝から晩まで働けるようにサポートするよう努めています。
私も皆さんと同じように常に研究室にいて、一緒に仕事をしたり、会ったり、皆さんや他の研究グループと交流したりしなければなりません。これを行わないと、研究の方向性が調整されず、研究が重複したり、互いにサポートされなかったり、互いの進捗状況が更新されなかったりする可能性があります...
私の管理スタイルは役割によって異なります。学校では、私は同級生に対してとても優しかったです。研究グループでは、私は自分がかなりタフで、スケジュール通りに仕事をし、報酬と罰が明確であると考えています。その理由は、それぞれの異なるタイプの仕事を最適化したいという願望から来ていると思われますが、これは非常に自然なことだと思います。
数学がどのように最適な解決策を導くかの具体的な例は何ですか?
数学は本質的に美しい。人生における多くの問題には数学が必要です。たとえば、「ハノイ工科大学からホアンキエム湖まで、最も速く、最も信号が少ない場所まで行くにはどうすればよいか」という問題は、最適な答えを見つけるためにアルゴリズムを必要とする問題です。配送や物流のルーティング問題など、私たちの周りにある多くの問題も組み合わせ最適化問題です... 人生には最適化された仕事が必要であり、仕事を最適化するには数学が必要です。応用数学も現在では非常に発展した分野であり、生活において重要な役割を果たしています。
たとえば、時間の経過とともにパラメータが継続的に変化する生産や物流の問題などでは、常に最適な解決策が見つかるとは限りません。これらの問題には、複数の補完的な方法、許容可能な解決策の発見、近似方法の使用が必要です。数学の対象は絶対数ですが、近似量で数学を行うことは、実際には自然の本質に近づき、最適に近づきます。
数学、最適化から人工知能 (AI) までは長い道のりでしょうか、それとも短い道のりでしょうか?
AIは1940年代から1950年代に始まりました。当時、アラン・チューリングは、インテリジェントコンピュータの理論をシミュレートするために「チューリングマシン」の概念を導入しました。 1950 年代に、ジョン・マッカーシーは「人工知能」という用語を作り出し、言語を開発しました。 1970 年代から 1980 年代にかけて、意思決定の問題を解決するために、エキスパート システムやファジー ロジックなどの概念が開発されました。 1990 年代にはニューラル ネットワークとディープ ニューラル ネットワークが開発されました。 2010年代には、自動運転車、チャットボット、認識、言語処理など、多くの分野にAI技術が統合されました。最近、AIは普及し、生活のあらゆる側面に入り込み、各国の関心事にもなっています。将来、AI は生活のより多くの活動に浸透し、より深く、より発展する非常に豊かな市場となるでしょう。
2018年6月にブラジルのリオデジャネイロで開催された2018 IEEE World Congress on Computational Intelligenceに出席し報告する大学院生と学生たち
現在の AI 研究と応用では、真の「知能」を生み出す段階に到達することは決してないだろうと多くの人が考えています。この見解についてどう思われますか。また、人間の知能と機械の知能の違いは何だと思いますか。
アラン・チューリングの時代には、非常に大規模なデータ システムで計算をうまく処理できるマシンが作成できれば、ある時点でその複雑さは人間の脳のニューラル ネットワークに匹敵する、つまり AI が人間の知能に到達できると人々は信じていました。 Google のような巨大企業によるその方向への開発が約 80 年続いていますが、AI がその目標を達成するにはまだ遠いと思います。機械的に言えば、人間は計算やプログラムが可能な方法で情報を統合し、知覚し、学習し、感情を表現すると言えます。この論理によれば、AI は速度とデータの向上により人間に近づき、人間を上回ることができる。しかし、人間の脳にはある種の「非論理的な」メカニズムがあり、AI はその状態からは程遠い、あるいは決して到達できないと私は考えています。
人類が銃や経済の代わりにデータを武器として使う時代が来るのでしょうか?このデータ戦争の結果はどうなるでしょうか?人間の世界と機械の世界の間で最適化/バランス戦略が必要でしょうか?
財布を失くすことはあっても、コンピューターとその中のデータを失うことはできません。そうは言っても、データは非常に重要です。武器/経済による戦争、避難/交渉はできる…;しかし、データだけでは何もできません。人々はビッグデータを競争や戦争に役立てることもできます。データのないAIは意味がありません。
データ戦争の結果は悲惨なものとなるだろう。データのマイニングと使用に関する倫理基準が確立されています。
人間と機械のバランス戦略について語るのはまだ時期尚早かもしれないが、国家の資産としてデータを保護する戦略は不可欠だ。人々は現在、個人データを他者に提供することにも警戒し始めています。 Google、Facebook、TikTokなどの巨大企業の場合、データを効果的に管理し、保護しなければ、貴重なリソースがこれらの企業に操作され、利用されることになります。政府は、学校、銀行など、大量の個人データを保存する場所に対して、非常に優れたデータ管理ポリシーを持っています。しかし、人々が「無意識に」大企業に提供するデータの管理は簡単ではない。
准教授のフイン・ティ・タン・ビン博士と2023年8月に卒業する工科大学の学生たち
データに加えて、情報転送の最適化も重要ですが、それはあなたが取り組んでいる研究プロジェクトに関連していますか?
はい、それは私と私のチームが非常に誇りに思っているプロジェクトです。組み合わせ最適化問題を解決するための転移学習の研究のために、VINIF 財団から資金提供を受けました。プロジェクトの資金を獲得するために、私のチームは、提案書を準備、作成、修正し、実際に達成できる結果に最も近く、最善のものとなるよう 9 か月を費やしました。このプロジェクトには、進化における最適な知識転送、共進化における情報転送、ニューラル ネットワークにおける情報転送の研究が含まれます。
ここでの転送は、機械から機械へ、あるいは人から人へではなく、生活における最適化問題を効果的に解決するための情報転送/情報共有の研究です。たとえば、ロボットアームの問題、輸送におけるルーティングの問題、軍事における計画など、いくつかの重要な問題があります。
米国スタンフォード大学の准教授、Huynh Thi Thanh Binh博士
最近の統計によると、AI業界の従業員の給与はベトナムでトップ3にランクされています。 AIは流行の研究分野だとあなたは思いますか?
最近のカンファレンスレポートでは、ベトナムのAIエンジニアの給与についてもまとめましたが、非常に良いことがわかりました。 AI関連の仕事には多くのチャンスがあり、近い将来、AIは依然として非常に魅力的な分野であり、仕事が見つけやすく、高収入になると思います。
何世代にもわたって理工大学に関わってきた立場から、現在の Gen Z 世代と過去の卒業生をどのように比較しますか?
どこでかは分かりませんが、ポリテクニックの Gen Z の学生たちを見ると、皆さんがどんどん良くなっているのがわかります。とても良い。あなたはとても頭が良く、専攻分野だけでなく外国語やソフトスキルも優れています。特に、自治機構に移行して以来、ポリテクニックはますます多くの優秀な学生を引き付けるようになりました。
私が勤務する情報技術・コミュニケーション学部では、以前は学生が研究室にアクセスする機会がほとんどありませんでした。しかし、近年では、ほとんどの学生が1年生のときから研究室に在籍し、非常に熱心に創造的に取り組んでいます。入学したばかりで、積極的にラボのことを知り、参加している学生もいます。
チャットしてくれてありがとう！
コメント (0)