Cơ duyên nào đặc biệt khiến chị gắn bó với ĐH Bách khoa Hà Nội suốt từ thời học sinh đến giờ? Phải chăng chị là một người ngại thay đổi môi trường?

Tôi thuộc thế hệ sinh viên khóa 37 ngành công nghệ thông tin (CNTT) của trường, nhưng thực tế thì đã vào trường học chuyên tin từ thời cấp 3. Rồi học đại học, thạc sĩ, tiến sĩ... cũng chỉ ở ngôi trường này.

Thực ra có những thời điểm tôi đã có ý định đi du học Nhật Bản. Hồi đại học, tôi đã học 5 năm tiếng Nhật do chính phủ Nhật Bản tài trợ cho 20 sinh viên xuất sắc của K36, K37. Sau đó rơi vào đúng thời kỳ suy thoái kinh tế của nước bạn nên việc này bị đình lại. Rồi đến khi xong cao học, tôi được Giáo sư (GS) Hồ Tú Bảo giới thiệu cho một GS rất có uy tín bên Nhật để sang đó làm nghiên cứu, nhưng lý do chủ quan từ phía tôi (lập gia đình) nên tôi vẫn ở lại Trường Bách khoa. Cũng chính vì những nguyên nhân khách quan và chủ quan mà sau này tôi vẫn làm tiến sĩ ở trường và giảng dạy tại trường đến bây giờ.

Nếu nói là cơ duyên thì e rằng hơi quan trọng hóa vấn đề, mà nói đơn giản là việc này nó tự nhiên và nhẹ nhàng đến với tôi.

PGS-TS Huỳnh Thị Thanh Bình tham dự và trình bày báo cáo tại hội thảo đầu ngành về tính toán tiến hóa, tháng 7.2023 tại Lisbon, Bồ Đào Nha

Trong một số hội thảo gần đây, tôi thấy chị thường đồng hành trình bày kết quả nghiên cứu cùng nhiều nhà khoa học nữ khác. Phải chăng đó là dấu hiệu cho một thế hệ "nữ quyền" mới trong khoa học tại Bách khoa?

Lần tham dự hội thảo gần nhất của Quỹ đổi mới sáng tạo Vingroup (VINIF) có tôi, TS Nguyễn Phi Lê và TS Lê Minh Thùy cùng lên báo cáo, và vẫn còn một bạn nữ nữa, TS Nguyễn Cẩm Ly đang ở bên Nhật chưa về kịp. Đó là một sự tình cờ, hoặc một sự "đồng thanh tương ứng" giữa chúng tôi, chứ không đại diện cho một thế hệ "nữ quyền" nào cả. Trong khối kỹ thuật ở trường, hiếm có nhóm nào có nhiều thành viên nữ như nhóm tôi, chắc chỉ ít hơn các nhóm nghiên cứu thuộc khối ngành kinh tế hay ngoại ngữ trong trường. Một điểm đặc biệt nữa là hằng năm, nhóm tôi đều có công bố trên các hội thảo đầu ngành trên thế giới, và sau đó tôi cùng nhóm đều đến tham gia hội thảo để mở rộng cơ hội trao đổi với các nhóm nghiên cứu mạnh.

Được biết, chị đang quản lý một phòng thí nghiệm lớn trong trường và còn tham gia giảng dạy. Để kiêm nhiệm tốt, liệu có cần áp dụng một quá trình tối ưu hóa nào không?

Tôi hiện là trưởng nhóm nghiên cứu về tối ưu hóa, gồm khoảng 40 người. Khối lượng công việc theo tôi thấy là lớn; thường tôi đi làm từ sáng sớm đến 6 - 7 giờ tối mới nghỉ, cả thứ bảy. Với tôi, công việc như cơm ăn thức uống hằng ngày, ngoài ra còn luôn được đổi món vì tuần nào cũng có phát hiện mới của nhóm này hay nhóm khác. Việc đó làm tôi cảm thấy hứng thú.

Để tối ưu trong công việc, tôi thường xuyên phải đặt mục tiêu, lên kế hoạch, phân bổ thời gian hợp lý và không bao giờ quên deadline (hạn chót).

Những giờ phút mơ mộng cùng màu và cọ vẽ

Một sức làm việc đáng nể, đằng sau một vóc dáng mảnh khảnh?

Tôi nghĩ cơ thể nhẹ nhàng giúp mình có nhiều năng lượng suy nghĩ, nghiên cứu, sáng tạo hơn. Tất nhiên bạn phải thoải mái với trạng thái của mình nữa.

Tôi cũng học cả piano, vì cũng muốn làm gì đó hài hòa cho cuộc sống, có một cái gì đó để đời nhiều hương vị hơn. Âm nhạc thực ra cũng là toán học, tương tự như ngôn ngữ hay sự phát triển của sự vật trong tự nhiên.

Để gắn kết các thành viên trong phòng thí nghiệm (Lab), chị chọn phong cách quản lý nào: Cứng rắn hay linh hoạt?

Món quà từ sinh viên trong Lab tặng cô nhân ngày 8.3

Việc gắn kết các thành viên trong Lab là vô cùng quan trọng. Nếu không có sự trao đổi, cập nhật, chia sẻ giữa các hướng nghiên cứu, sẽ khó để làm được việc đó. Sáng đầu tuần nào, tôi cũng mang cả một xe đồ ăn thức uống cho các bạn trong Lab, tính toán sao cho thoải mái sử dụng trong cả tuần. Tôi cố gắng hỗ trợ để các thành viên trong nhóm chỉ cần tập trung vào việc nghiên cứu, không bị phân tâm và có thể làm từ sáng đến tối.

Mình cũng phải luôn luôn phải có mặt tại Lab như các bạn, làm việc cùng, họp cùng, trao đổi cùng các bạn và các nhóm nghiên cứu khác. Nếu không làm được như vậy sẽ không thể có sự phối hợp giữa các hướng nghiên cứu, hoặc có thể trùng lặp nhau, không hỗ trợ được cho nhau, không cập nhật những bước tiến của nhau…

Phong cách quản lý của tôi khác nhau tùy vai trò. Ở trường, tôi rất nhẹ nhàng với đồng nghiệp; trong nhóm nghiên cứu thì tôi tự nhận là khá cứng rắn, rất đúng kế hoạch và tiến độ, có thưởng phạt rõ ràng. Lý do có lẽ cũng đến từ sự mong muốn tối ưu hóa trong mỗi loại công việc khác nhau thôi, và tôi thấy điều này cũng rất tự nhiên.

Một ví dụ cụ thể về việc toán học có thể đưa tới những giải pháp tối ưu?

Về bản chất, toán học rất đẹp. Nhiều vấn đề của cuộc sống cần đến toán. Ví dụ "làm sao đi từ ĐH Bách khoa Hà Nội lên hồ Hoàn Kiếm nhanh nhất và ít gặp đèn đỏ nhất" là một bài toán cần có giải thuật để tìm ra đáp án tối ưu. Nhiều bài toán quanh ta như bài toán định tuyến cho giao hàng, logistics cũng là bài toán tối ưu tổ hợp... Cuộc sống rất cần những công việc được tối ưu hóa, và để tối ưu hóa những công việc thì cần đến toán. Toán học ứng dụng bây giờ cũng là một ngành đang rất phát triển và đóng vai trò quan trọng trong đời sống.

Không phải lúc nào ta cũng tìm ra lời giải tối ưu, ví dụ đối với các bài toán trong sản xuất, logistics có các tham số thay đổi liên tục theo thời gian. Những bài toán này cần nhiều phương pháp bổ trợ, cần tìm lời giải chấp nhận được và sử dụng các phương pháp gần đúng. Đối tượng của toán học là các con số tuyệt đối, nhưng làm toán với những đại lượng gần đúng thực ra mới tiếp cận bản chất của tự nhiên và mới là gần với tối ưu.

Từ toán học, tối ưu hóa đến trí tuệ nhân tạo (AI) là một con đường dài hay ngắn?

AI bắt đầu từ những năm 1940 - 1950. Khi đó, Alan Turing đưa ra khái niệm "máy Turing" để mô phỏng lý thuyết máy tính thông minh. Những năm 1950, John McCarthy đã đưa ra thuật ngữ "trí tuệ nhân tạo" và phát triển ngôn ngữ. Trong giai đoạn 1970 - 1980, các khái niệm như hệ chuyên gia, logic mờ đã được phát triển để giải quyết các bài toán ra quyết định. Thập kỷ 1990 chứng kiến sự phát triển của mạng nơ-ron và mạng nơ-ron sâu. Những năm 2010, công nghệ AI đã được tích hợp vào nhiều lĩnh vực, bao gồm xe tự hành, chatbot, nhận dạng, xử lý ngôn ngữ. Gần đây, AI phổ cập đến mức đi vào mọi khía cạnh của cuộc sống và là đề tài quan tâm của các quốc gia. Trong tương lai, AI sẽ là thị trường vô cùng màu mỡ để phát triển sâu và xa hơn, thâm nhập trong nhiều hoạt động của cuộc sống hơn.

Cùng nghiên cứu sinh, sinh viên tham dự và báo cáo tại hội thảo 2018 IEEE World Congress on Computational Intelligence tại Rio de Janeiro, Brazil tháng 6.2018

Nhiều người cho rằng việc nghiên cứu và ứng dụng AI hiện nay sẽ không bao giờ tiến đến bước tạo ra một "trí tuệ" thật sự. Chị nghĩ sao về quan điểm này, và theo chị, điều gì làm nên sự khác biệt giữa trí tuệ của người và máy?

Thời Alan Turing, người ta quan niệm nếu tạo ra được một loại máy có thể xử lý tính toán tốt cùng một hệ dữ liệu vô cùng lớn, thì đến một lúc nào đó, mức độ phức tạp của nó sẽ ngang với mạng nơ-ron trong bộ não con người - tức là AI có thể đạt tới trí tuệ của loài người. Sau khoảng 80 năm phát triển theo hướng đó với những siêu công ty như Google, đến nay, tôi nghĩ AI còn xa mới có thể đạt được mục đích đó. Về mặt cơ học, có thể nói, con người tổng hợp thông tin, nhận thức, học hỏi, biểu lộ tình cảm… theo những cách thức có thể tính toán và lập trình; theo logic đó thì AI có thể tiệm cận và vượt qua con người nhờ những cải tiến về tốc độ và dữ liệu. Tuy nhiên, có một cơ chế nào đó "phi logic" ở bộ não con người mà tôi nghĩ AI còn xa, hoặc không bao giờ có thể đạt tới trạng thái đó.

Liệu sẽ đến thời điểm loài người sử dụng vũ khí là dữ liệu, thay vì súng đạn hay kinh tế? Hậu quả của cuộc chiến dữ liệu này sẽ ra sao? Có cần một chiến lược tối ưu/cân bằng hóa giữa thế giới người với thế giới máy móc?

Tôi có thể mất ví tiền, nhưng không thể mất máy tính cùng dữ liệu trong nó. Nói vậy để thấy dữ liệu là vô cùng quan trọng. Chiến tranh bằng vũ khí/kinh tế, ta có thể sơ tán/thương thảo…; nhưng với dữ liệu thì ta không làm gì được cả. Người ta còn sử dụng chính dữ liệu lớn để phục vụ cạnh tranh/chiến tranh. AI không có dữ liệu thì cũng vô nghĩa.

Hậu quả của cuộc chiến dữ liệu hẳn sẽ rất khốc liệt. Người ta đã phải đề ra các chuẩn mực đạo đức trong việc khai thác và sử dụng dữ liệu.

Chiến lược cân bằng giữa người với máy thì có vẻ nói hơi sớm, nhưng chiến lược bảo vệ dữ liệu như tài sản quốc gia thì vô cùng cần thiết. Hiện giờ mọi người cũng bắt đầu cảnh giác khi cung cấp dữ liệu cá nhân cho một bên khác. Với những gã khổng lồ như Google, Facebook hay TikTok…, nếu không kiểm soát và bảo mật dữ liệu hiệu quả, chúng ta sẽ thả nổi một nguồn tài nguyên quý giá để mặc cho các công ty này thao túng và sử dụng. Chính phủ đang có các chính sách quản lý dữ liệu khá tốt đối với các nơi lưu trữ nhiều dữ liệu cá nhân như trường học, ngân hàng...; nhưng việc quản lý dữ liệu người dân cung cấp một cách "vô thức" cho những gã khổng lồ trên không đơn giản.

PGS-TS Huỳnh Thị Thanh Bình và các sinh viên Bách khoa tốt nghiệp tháng 8.2023

Ngoài dữ liệu, tối ưu hóa việc chuyển giao thông tin cũng rất quan trọng, và có liên quan đến một dự án nghiên cứu mà chị đang triển khai?

Đúng vậy, đó là dự án mà tôi và cả nhóm rất tự hào, khi được Quỹ VINIF tài trợ cho những nghiên cứu về học chuyển giao giải các bài toán tối ưu tổ hợp. Để có thể được tài trợ cho dự án, nhóm tôi đã dành tới 9 tháng chuẩn bị, viết và sửa đề xuất làm sao cho tốt nhất và tiệm cận với kết quả có thể đạt được trong thực tế. Dự án liên quan đến việc nghiên cứu tối ưu chuyển giao tri thức trong tiến hóa, chuyển giao thông tin trong đồng tiến hóa và chuyển giao thông tin trong mạng nơ-ron.

Chuyển giao ở đây không phải từ máy sang máy hay sang người mà là nghiên cứu chuyển giao thông tin/chia sẻ thông tin để giải các bài toán tối ưu trong cuộc sống một cách hiệu quả. Ví dụ một số bài toán quan trọng: bài toán cánh tay robot, bài toán định tuyến trong giao vận, lập kế hoạch trong quân sự …

PGS-TS Huỳnh Thị Thanh Bình tại Trường ĐH Stanford, Mỹ

Thống kê gần đây cho thấy nhân sự ngành AI nhận lương thuộc top 3 tại VN. Theo chị, AI có phải đang là một ngành học thời thượng?

Trong báo cáo hội thảo gần đây, tôi cũng có tổng hợp mức lương của kỹ sư AI tại VN, và thấy đúng là đang rất tốt. Các công việc liên quan đến AI đang có rất nhiều cơ hội và tôi nghĩ trong tương lai gần, AI vẫn là một lĩnh vực rất hấp dẫn, dễ tìm việc và thu nhập cao.

Đứng trên góc độ một người gắn bó với Trường Bách khoa qua nhiều thế hệ, chị có so sánh gì giữa các bạn gen Z bây giờ với các cựu sinh viên trước đây?

Ở đâu thì tôi không rõ, còn với các sinh viên gen Z ở Bách khoa, tôi thấy các bạn ngày càng giỏi. Rất giỏi. Các bạn rất thông minh, không chỉ giỏi chuyên môn mà cả ngoại ngữ, kỹ năng mềm. Đặc biệt, từ khi chuyển sang cơ chế tự chủ, Bách khoa ngày càng thu hút nhiều sinh viên tài năng.

Ở Trường CNTT - Truyền thông tôi đang làm việc, trước đây các bạn sinh viên ít được tiếp cận với các Lab nghiên cứu. Tuy nhiên, trong những năm gần đây, phần lớn các bạn sinh viên lên Lab từ những năm đầu tiên, làm việc rất nhiệt tình và sáng tạo. Thậm chí có bạn vừa mới vào trường đã chủ động tìm hiểu về các Lab của chúng tôi để tham gia.

Cảm ơn chị về cuộc trò chuyện!

Nguồn: https://thanhnien.vn/pgs-ts-huynh-thi-thanh-binhtoi-uu-hoa-nhieu-khi-chinh-la-thuan-theo-tu-nhien-185231028233423958.htm