하노이 과학기술대학교에 학생 시절부터 지금까지 계속 다닐 수 있게 해준 특별한 계기는 무엇입니까? 당신은 변화를 두려워하는 사람인가요?
저는 이 학교에서 정보기술(IT)을 전공하는 37기생이지만, 사실 저는 고등학교 때부터 IT를 공부해 왔습니다. 그 후 대학, 석사, 박사... 이 학교에서 공부했습니다.
사실, 일본으로 유학을 가고 싶었던 적도 있었습니다. 대학 시절, 저는 일본 정부의 후원으로 K36, K37의 우수한 학생 20명과 함께 5년간 일본어를 공부했습니다. 그러다가 바로 당신 나라의 경제 침체로 인해 이 일은 중단되었습니다. 그 후 석사학위를 마친 후, 호투바오 교수님이 저를 일본의 매우 명망 있는 교수님에게 소개해주셔서 연구를 하게 되었지만, 저의 주관적인 이유(결혼)로 인해 저는 여전히 이공대에 남게 되었습니다. 제가 이 학교에서 박사학위를 하고, 지금까지 이 학교에서 가르치고 있는 데에는 객관적, 주관적 이유가 있습니다.
운명이라고 하면 조금 과장된 표현이겠지만, 간단히 말해서 이 일은 저에게 자연스럽고 쉽게 다가왔습니다.
준교수, 박사 Huynh Thi Thanh Binh는 2023년 7월 포르투갈 리스본에서 열린 진화 계산에 관한 주요 컨퍼런스에 참석하여 보고서를 발표했습니다.
최근 몇몇 학회에서 나는 그녀가 다른 많은 여성 과학자들과 함께 연구 결과를 발표하는 것을 자주 보았습니다. 이게 폴리테크닉의 과학 분야에서 새로운 세대의 "페미니즘"의 징후일까요?
지난번에 제가 Vingroup Innovation Fund(VINIF) 컨퍼런스에 참석했을 때, Nguyen Phi Le 박사, Le Minh Thuy 박사와 저는 함께 보고했고, 일본에 있었고 아직 돌아오지 않은 또 다른 여성 친구인 Nguyen Cam Ly 박사도 있었습니다. 그것은 우연이거나 우리 사이의 "서신 교환"일 뿐이며, 어떤 "페미니스트" 세대를 대표하는 것은 아닙니다. 학교의 공학 블록에서 우리 그룹만큼 여성이 많은 그룹은 거의 없고, 아마도 학교의 경제학이나 외국어 블록의 연구 그룹보다 여성이 적을 것입니다. 또 다른 특별한 점은 저희 그룹이 매년 전 세계 주요 학회에서 논문을 발표하고, 저희 그룹과 함께 학회에 참석하여 강력한 연구 그룹과 교류할 기회를 확대한다는 것입니다.
그녀는 학교 내에서 대규모 연구실을 관리하고, 교사로도 활동하고 있는 것으로 알려져 있다. 동시성을 잘 구현하려면 적용해야 할 최적화 프로세스가 있습니까?
저는 현재 약 40명으로 구성된 최적화 연구팀의 책임자입니다. 제 생각에는 업무량이 많은 것 같습니다. 저는 보통 토요일을 포함해 아침 일찍부터 오후 6-7시까지 출근합니다. 저에게 일은 매일 먹는 음식과 음료와 같습니다. 매주 이 그룹이나 저 그룹에서 새로운 발견이 있기 때문에 항상 요리가 바뀝니다. 그거 참 설레는군요.
제 작업을 최적화하기 위해, 저는 종종 목표를 설정하고, 계획을 세우고, 시간을 합리적으로 배분하고, 마감일을 잊지 않아야 합니다.
색상과 브러시로 꿈꾸는 순간
날씬한 몸매 뒤에 숨은 인상적인 직업 윤리?
저는 몸이 가벼우면 생각하고, 연구하고, 창조하는 데 더 많은 에너지를 얻을 수 있다고 생각합니다. 물론 여러분도 여러분의 상태에 익숙해져야 합니다.
저는 피아노도 배우고 있습니다. 삶에 조화로운 일을 하고 싶고, 삶에 더 풍미 있는 것을 원하기 때문입니다. 음악은 실제로 언어나 자연 속의 사물의 진화와 마찬가지로 수학입니다.
연구실 구성원들을 통합하기 위해 어떤 관리 스타일을 선택하시겠습니까? 확고한 스타일인가, 유연한 스타일인가?
3월 8일 연구실 학생이 그녀에게 준 선물
연구실에서는 구성원 간의 유대감을 강화하는 것이 매우 중요합니다. 연구 방향 간의 교류, 업데이트, 공유가 없다면 이를 실현하기 어려울 것입니다. 매주 월요일 아침, 저는 랩을 위해 음식과 음료를 가득 담은 카트를 가져가는데, 일주일 내내 편안하게 사용할 수 있을 만큼 충분합니다. 저는 팀원들이 주의가 산만해지지 않고 연구에만 집중하고, 아침부터 밤까지 일할 수 있도록 지원하려고 노력합니다.
저도 여러분처럼 항상 연구실에 있어야 합니다. 함께 일하고, 회의하고, 여러분 및 다른 연구 그룹과 교류해야 하니까요. 이것이 이루어지지 않으면 연구 방향 간의 조정이 이루어지지 않거나, 연구 방향이 중복되거나, 서로 지원하지 않거나, 서로의 진행 상황을 업데이트하지 못할 수 있습니다.
제 관리 스타일은 역할에 따라 다릅니다. 학교에서는 저는 동료들에게 매우 상냥했습니다. 연구 그룹에서 저는 제 자신이 꽤 엄격하다고 생각합니다. 일정을 잘 지키고, 보상과 처벌이 명확합니다. 그 이유는 아마도 각각의 작업 유형을 최적화하려는 욕구에서 비롯될 것이고, 저는 이것이 매우 자연스럽다고 생각합니다.
수학이 어떻게 최적의 해법으로 이어질 수 있는지에 대한 구체적인 예는 무엇입니까?
수학은 본질적으로 아름답습니다. 인생의 많은 문제에는 수학이 필요합니다. 예를 들어, "하노이 과학기술대학교에서 호안끼엠 호수까지 가장 빠르고, 신호등이 적은 길로 가는 방법"은 최적의 답을 찾는 알고리즘이 필요한 문제입니다. 배송이나 물류를 위한 경로 문제 등 우리 주변의 많은 문제 역시 조합 최적화 문제입니다. 삶에는 최적화된 일자리가 필요하고, 일자리를 최적화하기 위해서는 수학이 필요합니다. 응용수학 역시 지금은 매우 발달된 분야이며, 삶에서 중요한 역할을 합니다.
예를 들어, 시간이 지남에 따라 변수가 지속적으로 변하는 생산이나 물류 문제의 경우, 우리는 항상 최적의 해결책을 찾을 수 없습니다. 이러한 문제를 해결하려면 여러 가지 보완적인 방법이 필요하며, 수용 가능한 해법을 찾고 근사적 방법을 사용해야 합니다. 수학의 대상은 절대적인 숫자이지만, 근사적인 양을 다루는 수학은 실제로 자연의 본질에 접근하며 최적에 가깝습니다.
수학, 최적화에서 인공지능(AI)까지 가는 길은 긴가, 짧은가?
AI는 1940년대와 1950년대에 시작되었습니다. 그 당시 앨런 튜링은 지능형 컴퓨터 이론을 시뮬레이션하기 위해 "튜링 머신"이라는 개념을 도입했습니다. 1950년대에 존 매카시는 '인공지능'이라는 용어를 만들어내고 언어를 개발했습니다. 1970년대와 1980년대에는 의사 결정 문제를 해결하기 위해 전문가 시스템, 퍼지 논리와 같은 개념이 개발되었습니다. 1990년대에는 신경망과 딥 신경망이 개발되었습니다. 2010년대에는 자율주행차, 챗봇, 인식, 언어처리 등 여러 분야에 AI 기술이 통합되었습니다. 최근 AI는 삶의 모든 측면에 들어올 정도로 인기를 끌었으며, 여러 국가의 우려를 불러일으키는 주제이기도 합니다. 미래에는 AI가 더욱 심층적이고 심도 있는 개발을 위한 매우 비옥한 시장이 되어, 더욱 다양한 삶의 활동에 침투하게 될 것입니다.
2018년 6월 브라질 리우데자네이루에서 열린 2018 IEEE 세계 계산 지능 대회에 참석하여 보고하는 대학원생 및 학생들과 함께
많은 사람들은 현재의 AI 연구와 응용 분야는 결코 진정한 '지능'을 창조하는 단계에 도달하지 못할 것이라고 믿는다. 이러한 관점에 대해 어떻게 생각하시나요? 그리고 인간 지능과 기계 지능의 차이점은 무엇이라고 생각하시나요?
앨런 튜링이 활동했던 당시, 사람들은 엄청나게 큰 데이터 시스템을 가지고도 계산을 잘 처리할 수 있는 기계를 만들 수 있다면, 언젠가는 그 복잡도가 인간 뇌의 신경망과 동일해질 것이라고 믿었습니다. 즉, AI가 인간 지능에 도달할 수 있다는 뜻입니다. 구글과 같은 거대 기업에서 그 방향으로 약 80년간 개발이 진행되었지만, AI는 여전히 그 목표를 달성하는 데는 거리가 멀다고 생각합니다. 기계적으로 말하면, 인간은 계산하고 프로그래밍할 수 있는 방식으로 정보를 합성하고, 인지하고, 학습하고, 감정을 표현한다고 할 수 있습니다. 그 논리에 따르면 AI는 속도와 데이터의 향상을 통해 인간에 접근하고 인간을 능가할 수 있다. 하지만 인간의 뇌에는 AI가 도달하기에는 너무 먼 '비논리적' 메커니즘이 존재하고, AI는 그런 상태에 결코 도달할 수 없을 것이라고 생각합니다.
인간이 총이나 경제가 아닌, 데이터를 무기로 사용하는 시대가 올까요? 이 데이터 전쟁은 어떤 결과를 가져올까? 인간 세계와 기계 세계 사이에 최적화/균형 전략이 필요할까요?
지갑은 잃어버릴 수 있지만, 컴퓨터와 그 안에 있는 데이터는 잃어버릴 수 없습니다. 그럼에도 불구하고, 데이터는 매우 중요합니다. 무기/경제로 전쟁을 치르면 대피/협상이 가능하다…; 하지만 데이터로는 아무것도 할 수 없습니다. 사람들은 경쟁이나 전쟁을 위해 빅데이터를 활용하기도 합니다. 데이터가 없는 AI는 의미가 없습니다.
데이터 전쟁의 결과는 끔찍할 것이다. 데이터 마이닝 및 사용에 대한 윤리적 기준이 확립되었습니다.
인간과 기계의 균형 전략에 대해 이야기하기에는 아직 이르겠지만, 국가적 자산인 데이터를 보호하기 위한 전략은 필수적입니다. 이제 사람들은 타인에게 개인 정보를 제공하는 데 대해 조심스러워지기 시작했습니다. Google, Facebook, TikTok과 같은 거대 기업의 경우, 우리가 데이터를 효과적으로 통제하고 보호하지 못하면 이러한 기업이 조작하고 사용할 수 있는 귀중한 리소스를 그대로 방치하게 됩니다. 정부는 학교, 은행 등 개인 데이터를 대량으로 저장하는 기관에 대해 매우 우수한 데이터 관리 정책을 갖고 있습니다. 하지만 사람들이 "무의식적으로" 거대 기업에 제공하는 데이터를 관리하는 것은 간단하지 않습니다.
준교수, Dr. Huynh Thi Thanh Binh 및 2023년 8월 졸업 예정인 Polytechnic 학생들
데이터 외에도 정보 전달을 최적화하는 것도 중요한데, 이것이 당신이 진행 중인 연구 프로젝트와 관련이 있나요?
네, 저와 제 팀이 매우 자랑스럽게 생각하는 프로젝트가 바로 그것입니다. 저희는 조합 최적화 문제를 해결하기 위한 전이 학습 연구를 위해 VINIF 재단에서 자금 지원을 받았거든요. 이 프로젝트에 대한 자금을 조달하기 위해 저희 팀은 9개월 동안 제안서를 준비하고 작성하고 수정하여 현실적으로 달성할 수 있는 최상의 결과에 가장 근접하게 만들었습니다. 이 프로젝트는 진화에서의 최적 지식 전달, 공진화에서의 정보 전달, 신경망에서의 정보 전달에 대한 연구를 포함합니다.
여기서의 정보 전달은 기계에서 기계로의 전달이나 사람에서 사람으로의 전달이 아니라, 삶의 최적화 문제를 효과적으로 해결하기 위한 정보 전달/정보 공유에 대한 연구입니다. 예를 들어, 로봇 팔 문제, 운송 분야의 경로 문제, 군사 계획 문제 등이 있습니다.
미국 스탠포드 대학교 Huynh Thi Thanh Binh 박사 준교수
최근 통계에 따르면 베트남에서 AI 산업 종사자는 상위 3위 안에 드는 급여를 받습니다. 당신의 의견으로는, AI는 유행하는 연구 분야인가요?
저는 최근 컨퍼런스 보고서에서 베트남의 AI 엔지니어의 급여를 요약했는데, 매우 좋은 것으로 나타났습니다. AI 관련 일자리에는 많은 기회가 있으며 가까운 미래에도 AI는 여전히 매우 매력적인 분야가 될 것으로 생각합니다. 일자리를 구하기 쉽고 수입도 높을 것입니다.
여러 세대에 걸쳐 과학기술대학과 인연을 맺어 온 사람의 관점에서 볼 때, 현재의 Z세대를 이전 졸업생과 비교하면 어떨까요?
어디인지는 모르겠지만, 폴리테크닉의 Z세대 학생들을 보면 점점 더 나아지는 게 보이네요. 매우 좋은. 당신은 매우 똑똑하고 전공뿐만 아니라 외국어와 소프트 스킬에도 능숙합니다. 특히 자율형 시스템으로 전환한 이후, 폴리테크닉은 점점 더 많은 재능 있는 학생들을 유치하게 되었습니다.
제가 일하는 정보기술 및 커뮤니케이션 학부에서는 이전에는 학생들이 연구실을 이용할 수 있는 기회가 거의 없었습니다. 하지만 최근 몇 년 동안 대부분의 학생들은 1학년 때부터 연구실에 와서 매우 열정적이고 창의적으로 일하고 있습니다. 학교에 새로 입학했지만 실험실에 대해 적극적으로 알아보고 참여하는 학생들도 있습니다.
대화해 주셔서 감사합니다!
댓글 (0)