សាស្ត្រាចារ្យរង បណ្ឌិត Huynh Thi Thanh Binh៖ "ការបង្កើនប្រសិទ្ធភាព ច្រើនតែធ្វើតាមធម្មជាតិ"

តើជោគវាសនាពិសេសអ្វីបានធ្វើឱ្យអ្នកនៅជាប់សាកលវិទ្យាល័យវិទ្យាសាស្ត្រ និងបច្ចេកវិទ្យា ហាណូយ តាំងពីថ្ងៃសិក្សារបស់អ្នក? តើ​អ្នក​ជា​មនុស្ស​ដែល​ខ្លាច​ការ​ផ្លាស់​ប្តូរ​បរិស្ថាន​ដែរ​ឬ​ទេ?

ខ្ញុំជាសមាជិកនៃនិស្សិតជំនាន់ទី 37 ជំនាញព័ត៌មានវិទ្យា (IT) នៅសាលា ប៉ុន្តែតាមពិតខ្ញុំរៀន IT តាំងពីនៅវិទ្យាល័យ។ បន្ទាប់មកខ្ញុំបានសិក្សានៅសកលវិទ្យាល័យ អនុបណ្ឌិត បណ្ឌិត... ទាំងអស់នៅសាលានេះ។

តាមពិតទៅ មានពេលខ្លះដែលខ្ញុំចង់ទៅរៀននៅបរទេសនៅប្រទេសជប៉ុន។ នៅពេលខ្ញុំរៀននៅមហាវិទ្យាល័យ ខ្ញុំបានសិក្សាភាសាជប៉ុនរយៈពេល 5 ឆ្នាំ ឧបត្ថម្ភដោយរដ្ឋាភិបាលជប៉ុនសម្រាប់សិស្សពូកែចំនួន 20 នាក់នៃ K36 និង K37 ។ បន្ទាប់​មក វា​បាន​ធ្លាក់​ចូល​ក្នុង​វិបត្តិ ​សេដ្ឋកិច្ច ​របស់​ប្រទេស​ជិត​ខាង ដូច្នេះ​ត្រូវ​បាន​ផ្អាក។ បន្ទាប់មក ពេលខ្ញុំបញ្ចប់ថ្នាក់អនុបណ្ឌិត សាស្រ្តាចារ្យ Ho Tu Bao បានណែនាំខ្ញុំឱ្យស្គាល់សាស្រ្តាចារ្យដ៏មានកិត្យានុភាពនៅប្រទេសជប៉ុនដើម្បីធ្វើការស្រាវជ្រាវនៅទីនោះ ប៉ុន្តែដោយសារហេតុផលផ្ទាល់ខ្លួនរបស់ខ្ញុំ (រៀបការ) ខ្ញុំនៅតែស្នាក់នៅសាកលវិទ្យាល័យបច្ចេកវិទ្យា។ វា​ក៏​ដោយសារ​ហេតុផល​គោលបំណង និង​ប្រធានបទ​ទាំងនេះ​ដែរ ដែល​ខ្ញុំ​នៅតែ​ធ្វើ​ថ្នាក់​បណ្ឌិត​នៅ​សាលា ហើយ​បង្រៀន​នៅ​ទីនោះ​រហូត​មកដល់ពេលនេះ​។

ប្រសិនបើខ្ញុំនិយាយថាវាជាវាសនា ខ្ញុំខ្លាចថាវាជាការបំផ្លើសបន្តិច ប៉ុន្តែនិយាយឱ្យសាមញ្ញ រឿងនេះបានមករកខ្ញុំដោយធម្មជាតិ និងងាយស្រួល។

សាស្ត្រាចារ្យរង បណ្ឌិត Huynh Thi Thanh Binh បានចូលរួម និងធ្វើបទបង្ហាញក្នុងសន្និសីទឈានមុខគេស្តីពីការគណនាការវិវត្តន៍ខែកក្កដា ឆ្នាំ 2023 នៅទីក្រុង Lisbon ប្រទេសព័រទុយហ្គាល់។

ក្នុង​សន្និសីទ​ថ្មីៗ​មួយ​ចំនួន ខ្ញុំ​បាន​ឃើញ​អ្នក​បង្ហាញ​លទ្ធផល​ស្រាវជ្រាវ​ជា​ញឹក​ញាប់​ជាមួយ​នឹង ​អ្នក​វិទ្យាសាស្ត្រ ​ជា​ស្ត្រី​ជា​ច្រើន​ទៀត។ តើនោះជាសញ្ញានៃ "ស្ត្រីនិយម" ជំនាន់ថ្មីក្នុង វិទ្យាសាស្ត្រ នៅពហុបច្ចេកទេសមែនទេ?

លើកចុងក្រោយដែលខ្ញុំបានចូលរួមសន្និសីទ Vingroup Innovation Fund (VINIF) បណ្ឌិត ង្វៀន ភីឡឺ បណ្ឌិត ឡេ មិញធុយ និងខ្ញុំធ្វើបទបង្ហាញរួមគ្នា ហើយមាននិស្សិតស្រីម្នាក់ទៀតគឺ បណ្ឌិត ង្វៀន ខេមលី ដែលនៅប្រទេសជប៉ុន ហើយមិនទាន់ត្រលប់មកវិញទេ។ នោះគឺជាការចៃដន្យ ឬជា "ការអាណិតអាសូរ" រវាងពួកយើង ហើយមិនតំណាងឱ្យជំនាន់ "ស្ត្រីនិយម" ណាមួយឡើយ។ នៅក្នុងប្លុកវិស្វកម្មនៅសាលា មានក្រុមតិចតួចដែលមានសមាជិកស្រីច្រើនដូចក្រុមរបស់ខ្ញុំ ប្រហែលជាតិចជាងក្រុមស្រាវជ្រាវផ្នែកសេដ្ឋកិច្ច ឬប្លុកភាសាបរទេសនៅសាលា។ ចំណុចពិសេសមួយទៀតគឺថា ជារៀងរាល់ឆ្នាំ ក្រុមរបស់ខ្ញុំផ្សព្វផ្សាយនៅក្នុងសន្និសីទឈានមុខគេជុំវិញពិភពលោក ហើយបន្ទាប់មកក្រុមខ្ញុំ និងខ្ញុំចូលរួមសន្និសីទនេះ ដើម្បីពង្រីកឱកាសផ្លាស់ប្តូរជាមួយក្រុមស្រាវជ្រាវខ្លាំង។

ខ្ញុំយល់ថាអ្នកកំពុងគ្រប់គ្រងមន្ទីរពិសោធន៍ធំមួយនៅក្នុងសាលា ហើយថែមទាំងបង្រៀនទៀតផង។ តើ​មាន​ដំណើរ​ការ​បង្កើន​ប្រសិទ្ធភាព​ដែល​ត្រូវ​អនុវត្ត​ដើម្បី​ធ្វើ​ឱ្យ​បាន​ល្អ​ទេ?

បច្ចុប្បន្នខ្ញុំជាអ្នកដឹកនាំក្រុមស្រាវជ្រាវបង្កើនប្រសិទ្ធភាពដែលមានមនុស្សប្រហែល 40 នាក់។ ខ្ញុំឃើញថាបន្ទុកការងារមានទំហំធំ។ ជាធម្មតាខ្ញុំធ្វើការពីព្រលឹមរហូតដល់ម៉ោង 6-7 ល្ងាច រួមទាំងថ្ងៃសៅរ៍ផងដែរ។ សម្រាប់ខ្ញុំ ការងារគឺដូចជាអាហារ និងភេសជ្ជៈប្រចាំថ្ងៃ ហើយតែងតែមានការផ្លាស់ប្តូរចាន ព្រោះរៀងរាល់សប្តាហ៍មានការរកឃើញថ្មីពីក្រុមនេះ ឬមួយផ្សេងទៀត។ នោះធ្វើឱ្យខ្ញុំមានអារម្មណ៍រំភើប។

ដើម្បីបង្កើនប្រសិទ្ធភាពការងាររបស់ខ្ញុំ ជារឿយៗខ្ញុំត្រូវកំណត់គោលដៅ រៀបចំផែនការ បែងចែកពេលវេលាដោយសមហេតុផល ហើយកុំភ្លេចថ្ងៃផុតកំណត់។

ពេលសុបិនជាមួយពណ៌ និងជក់

ក្រមសីលធម៌ការងារគួរឱ្យចាប់អារម្មណ៍, នៅពីក្រោយរូបរាងស្ដើង?

ខ្ញុំគិតថារាងកាយស្រាលជួយឱ្យខ្ញុំមានថាមពលបន្ថែមទៀតក្នុងការគិត ស្រាវជ្រាវ និងបង្កើត។ ជាការពិតណាស់អ្នកត្រូវតែមានផាសុកភាពជាមួយរដ្ឋរបស់អ្នក។

ខ្ញុំ​ក៏​រៀន​ព្យាណូ​ដែរ ព្រោះ​ខ្ញុំ​ចង់​ធ្វើ​អ្វី​ដែល​ចុះសម្រុង​នឹង​ជីវិត ដើម្បី​ឲ្យ​មាន​រសជាតិ​ជាង។ តន្ត្រីគឺពិតជាគណិតវិទ្យា ស្រដៀងទៅនឹងភាសា ឬការអភិវឌ្ឍន៍នៃវត្ថុនៅក្នុងធម្មជាតិ។

ដើម្បីបង្រួបបង្រួមសមាជិកនៅក្នុងមន្ទីរពិសោធន៍ តើអ្នកជ្រើសរើសរចនាប័ទ្មគ្រប់គ្រងមួយណា៖ រឹងមាំ ឬអាចបត់បែនបាន?

អំណោយ​ពី​សិស្ស​ក្នុង​បន្ទប់​ពិសោធន៍​ជូន​នាង​នៅ​ថ្ងៃ​ទី ៨ ខែ​មីនា

វាមានសារៈសំខាន់ខ្លាំងណាស់ក្នុងការភ្ជាប់សមាជិកនៅក្នុងមន្ទីរពិសោធន៍។ បើគ្មានការទំនាក់ទំនង ការអាប់ដេត និងការចែករំលែករវាងទិសដៅស្រាវជ្រាវទេ វានឹងពិបាកក្នុងការធ្វើដូច្នេះ។ រៀងរាល់ព្រឹកនៅដើមសប្តាហ៍ ខ្ញុំនាំយករទេះអាហារ និងភេសជ្ជៈសម្រាប់សមាជិកមន្ទីរពិសោធន៍ ដោយគណនាថាតើពួកគេអាចប្រើប្រាស់បានប៉ុន្មានពេញមួយសប្តាហ៍។ ខ្ញុំព្យាយាមគាំទ្រសមាជិកក្រុមដើម្បីឱ្យពួកគេអាចផ្តោតលើការស្រាវជ្រាវរបស់ពួកគេដោយមិនមានការរំខាន ហើយអាចធ្វើការពីព្រឹកដល់យប់។

ខ្ញុំក៏ត្រូវតែមានវត្តមាននៅមន្ទីរពិសោធន៍ដូចអ្នកជានិច្ច ធ្វើការជាមួយគ្នា ប្រជុំគ្នា ពិភាក្សាជាមួយអ្នក និងក្រុមស្រាវជ្រាវផ្សេងទៀត។ ប្រសិនបើខ្ញុំមិនអាចធ្វើបានទេ វានឹងមិនមានការសម្របសម្រួលរវាងទិសដៅស្រាវជ្រាវ ឬពួកគេអាចជាន់គ្នា មិនគាំទ្រគ្នា មិនធ្វើបច្ចុប្បន្នភាពគ្នាទៅវិញទៅមក…

រចនាប័ទ្មគ្រប់គ្រងរបស់ខ្ញុំប្រែប្រួលអាស្រ័យលើតួនាទី។ នៅសាលា ខ្ញុំស្លូតបូតជាមួយមិត្តរួមការងារ។ នៅក្នុងក្រុមស្រាវជ្រាវ ខ្ញុំបានចាត់ទុកខ្លួនឯងថា មានភាពតឹងរ៉ឹង គោរពពេលវេលា និងទាន់ពេលវេលា ជាមួយនឹងរង្វាន់ និងការដាក់ទណ្ឌកម្មច្បាស់លាស់។ ហេតុផលប្រហែលជាមកពីការចង់បង្កើនប្រសិទ្ធភាពក្នុងប្រភេទការងារនីមួយៗ ហើយខ្ញុំយល់ថានេះជាធម្មជាតិណាស់។

តើ​អ្វី​ជា​ឧទាហរណ៍​ជាក់ស្តែង​នៃ​របៀប​ដែល​គណិតវិទ្យា​អាច​នាំ​ទៅរក​ដំណោះស្រាយ​ដ៏​ល្អ​បំផុត​?

នៅក្នុងន័យ, គណិតវិទ្យាគឺស្រស់ស្អាត។ បញ្ហាជាច្រើនក្នុងជីវិតទាមទារគណិតវិទ្យា។ ជាឧទាហរណ៍ "របៀបធ្វើដំណើរពីសាកលវិទ្យាល័យវិទ្យាសាស្ត្រ និងបច្ចេកវិទ្យាហាណូយទៅបឹង Hoan Kiem ឱ្យបានលឿនតាមដែលអាចធ្វើទៅបាន និងមានភ្លើងក្រហមតិចបំផុត" គឺជាបញ្ហាដែលទាមទារក្បួនដោះស្រាយដើម្បីស្វែងរកចម្លើយដ៏ល្អប្រសើរ។ បញ្ហាជាច្រើននៅជុំវិញយើង ដូចជាបញ្ហាផ្លូវសម្រាប់ការដឹកជញ្ជូន និងការដឹកជញ្ជូន ក៏ជាបញ្ហាបង្កើនប្រសិទ្ធភាពរួមបញ្ចូលគ្នា... ជីវិតត្រូវការការងារដែលប្រសើរឡើង ហើយដើម្បីបង្កើនប្រសិទ្ធភាពការងារ គណិតវិទ្យាគឺចាំបាច់។ គណិត​វិទ្យា​អនុវត្ត​ឥឡូវ​នេះ​គឺ​ជា​វិស័យ​ដែល​មាន​ការ​អភិវឌ្ឍ​យ៉ាង​ខ្លាំង​និង​មាន​តួនាទី​សំខាន់​ក្នុង​ជីវិត។

យើងមិនតែងតែស្វែងរកដំណោះស្រាយដ៏ល្អប្រសើរនោះទេ ឧទាហរណ៍សម្រាប់បញ្ហាក្នុងផលិតកម្ម និងការដឹកជញ្ជូនជាមួយនឹងប៉ារ៉ាម៉ែត្រដែលផ្លាស់ប្តូរជាបន្តបន្ទាប់តាមពេលវេលា។ បញ្ហាទាំងនេះទាមទារវិធីសាស្រ្តបំពេញបន្ថែមជាច្រើន ត្រូវការស្វែងរកដំណោះស្រាយដែលអាចទទួលយកបាន និងប្រើវិធីសាស្ត្រប្រហាក់ប្រហែល។ វត្ថុនៃគណិតវិទ្យាគឺជាចំនួនដាច់ខាត ប៉ុន្តែការធ្វើគណិតវិទ្យាជាមួយនឹងបរិមាណប្រហាក់ប្រហែលគឺពិតជាខិតជិតខ្លឹមសារនៃធម្មជាតិ ហើយជិតដល់ការបង្កើនប្រសិទ្ធភាព។

ពីគណិតវិទ្យា ការបង្កើនប្រសិទ្ធភាពទៅបញ្ញាសិប្បនិម្មិត (AI) តើវាជាផ្លូវវែង ឬខ្លី?

AI បានចាប់ផ្តើមនៅក្នុងទសវត្សរ៍ឆ្នាំ 1940 និង 1950 ។ នៅពេលនោះ លោក Alan Turing បានណែនាំគំនិតនៃ "ម៉ាស៊ីន Turing" ដើម្បីក្លែងធ្វើទ្រឹស្តីនៃកុំព្យូទ័រឆ្លាតវៃ។ នៅទសវត្សរ៍ឆ្នាំ 1950 លោក John McCarthy បានណែនាំពាក្យ "បញ្ញាសិប្បនិម្មិត" និងភាសាអភិវឌ្ឍន៍។ នៅទសវត្សរ៍ឆ្នាំ 1970 និង 1980 គំនិតដូចជាប្រព័ន្ធអ្នកជំនាញ និងតក្កវិជ្ជាមិនច្បាស់លាស់ត្រូវបានបង្កើតឡើងដើម្បីដោះស្រាយបញ្ហាក្នុងការសម្រេចចិត្ត។ ទសវត្សរ៍ឆ្នាំ 1990 បានឃើញការអភិវឌ្ឍន៍នៃបណ្តាញសរសៃប្រសាទ និងបណ្តាញសរសៃប្រសាទជ្រៅ។ ក្នុងទសវត្សរ៍ឆ្នាំ 2010 បច្ចេកវិទ្យា AI ត្រូវបានដាក់បញ្ចូលទៅក្នុងវិស័យជាច្រើន រួមទាំងរថយន្តបើកបរដោយខ្លួនឯង chatbots ការទទួលស្គាល់ និងដំណើរការភាសា។ ថ្មីៗនេះ AI បានក្លាយជាការពេញនិយមយ៉ាងខ្លាំង ដែលវាបានចូលក្នុងគ្រប់ទិដ្ឋភាពនៃជីវិត និងជាប្រធានបទដែលប្រទេសនានាចាប់អារម្មណ៍។ នៅពេលអនាគត AI នឹងក្លាយជាទីផ្សារដ៏មានជីជាតិបំផុតសម្រាប់ការអភិវឌ្ឍន៍កាន់តែស៊ីជម្រៅ និងបន្ថែមទៀត ដោយជ្រៀតចូលសកម្មភាពជីវិតកាន់តែច្រើន។

ជាមួយនឹងនិស្សិតបញ្ចប់ការសិក្សា និងនិស្សិតដែលចូលរួម និងរាយការណ៍នៅឯសមាជ IEEE ពិភពលោកឆ្នាំ 2018 ស្តីពីភាពវៃឆ្លាតកុំព្យូទ័រនៅទីក្រុង Rio de Janeiro ប្រទេសប្រេស៊ីលក្នុងខែមិថុនា ឆ្នាំ 2018

មនុស្សជាច្រើនជឿថា ការស្រាវជ្រាវ និងកម្មវិធី AI បច្ចុប្បន្ននឹងមិននាំទៅរកការបង្កើត "ភាពវៃឆ្លាត" ពិតប្រាកដនោះទេ។ តើ​អ្នក​យល់​យ៉ាង​ណា​ចំពោះ​ទស្សនៈ​នេះ ហើយ​តើ​អ្នក​គិត​ថា​អ្វី​ដែល​ធ្វើ​ឱ្យ​មាន​ភាព​ខុស​គ្នា​រវាង​ភាព​ឆ្លាតវៃ​របស់​មនុស្ស និង​ម៉ាស៊ីន?

នៅសម័យរបស់ Alan Turing មនុស្សជឿថាប្រសិនបើម៉ាស៊ីនអាចត្រូវបានបង្កើតដែលអាចដំណើរការការគណនាបានយ៉ាងល្អជាមួយនឹងប្រព័ន្ធទិន្នន័យដ៏ធំបំផុតនោះ នៅចំណុចខ្លះភាពស្មុគស្មាញរបស់វានឹងស្មើនឹងបណ្តាញសរសៃប្រសាទនៅក្នុងខួរក្បាលមនុស្ស ពោលគឺ AI អាចឈានដល់ភាពឆ្លាតវៃរបស់មនុស្ស។ បន្ទាប់ពីប្រហែល 80 ឆ្នាំនៃការអភិវឌ្ឍន៍ក្នុងទិសដៅនោះជាមួយក្រុមហ៊ុនទំនើបៗដូចជា Google មកទល់នឹងពេលនេះ ខ្ញុំគិតថា AI នៅឆ្ងាយពីលទ្ធភាពដែលសម្រេចបានគោលដៅនោះ។ មេកានិច អាចនិយាយបានថា មនុស្សសំយោគព័ត៌មាន យល់ឃើញ រៀន បង្ហាញពីអារម្មណ៍... តាមវិធីដែលអាចគណនា និងរៀបចំកម្មវិធី។ យោងតាមតក្កវិជ្ជានោះ AI អាចចូលទៅជិត និងលើសពីមនុស្ស ដោយសារការកែលម្អល្បឿន និងទិន្នន័យ។ ទោះយ៉ាងណាក៏ដោយ មានយន្តការ "មិនសមហេតុផល" ជាក់លាក់មួយនៅក្នុងខួរក្បាលមនុស្ស ដែលខ្ញុំគិតថា AI គឺនៅឆ្ងាយ ឬមិនអាចឈានដល់ស្ថានភាពនោះ។

តើមានពេលមួយណាដែលមនុស្សប្រើទិន្នន័យជាអាវុធ ជំនួសឱ្យកាំភ្លើង ឬសេដ្ឋកិច្ច? តើ​អ្វី​ទៅ​ជា​ផល​វិបាក​នៃ​សង្គ្រាម​ទិន្នន័យ​នេះ? តើមានតម្រូវការសម្រាប់យុទ្ធសាស្រ្តបង្កើនប្រសិទ្ធភាព/តុល្យភាពរវាងពិភពមនុស្ស និងពិភពម៉ាស៊ីនទេ?

ខ្ញុំអាចបាត់បង់កាបូបរបស់ខ្ញុំ ប៉ុន្តែខ្ញុំមិនអាចបាត់បង់កុំព្យូទ័រ និងទិន្នន័យនៅក្នុងវាបានទេ។ មានន័យថា ទិន្នន័យមានសារៈសំខាន់ណាស់។ នៅក្នុងសង្រ្គាមជាមួយអាវុធ/សេដ្ឋកិច្ច យើងអាចជម្លៀស/ចរចា…; ប៉ុន្តែជាមួយនឹងទិន្នន័យ យើងមិនអាចធ្វើអ្វីបានទេ។ មនុស្សថែមទាំងប្រើទិន្នន័យធំដើម្បីបម្រើការប្រកួតប្រជែង/សង្គ្រាម។ AI ដោយគ្មានទិន្នន័យគឺគ្មានន័យទេ។

ផលវិបាកនៃសង្គ្រាមទិន្នន័យនឹងធ្ងន់ធ្ងរ។ ស្តង់ដារសីលធម៌សម្រាប់ការជីកយករ៉ែ និងការប្រើប្រាស់ទិន្នន័យត្រូវបានបង្កើតឡើង។

វាប្រហែលជាឆាប់បន្តិចក្នុងការនិយាយអំពីយុទ្ធសាស្ត្រតុល្យភាពមនុស្ស និងម៉ាស៊ីន ប៉ុន្តែយុទ្ធសាស្រ្តដើម្បីការពារទិន្នន័យជាទ្រព្យសកម្មជាតិគឺចាំបាច់បំផុត។ ឥឡូវនេះ មនុស្សក៏ចាប់ផ្តើមមានការប្រុងប្រយ័ត្នផងដែរ នៅពេលផ្តល់ទិន្នន័យផ្ទាល់ខ្លួនដល់ភាគីផ្សេងទៀត។ ជាមួយនឹងក្រុមហ៊ុនយក្សដូចជា Google, Facebook ឬ TikTok... ប្រសិនបើយើងមិនគ្រប់គ្រង និងធានាទិន្នន័យប្រកបដោយប្រសិទ្ធភាព យើងនឹងទុកធនធានដ៏មានតម្លៃមួយសម្រាប់ក្រុមហ៊ុនទាំងនេះដើម្បីរៀបចំ និងប្រើប្រាស់។ រដ្ឋាភិបាលមានគោលនយោបាយគ្រប់គ្រងទិន្នន័យបានល្អសម្រាប់កន្លែងដែលរក្សាទុកទិន្នន័យផ្ទាល់ខ្លួនជាច្រើនដូចជា សាលារៀន ធនាគារ...; ប៉ុន្តែការគ្រប់គ្រងទិន្នន័យដែលមនុស្ស "ដោយមិនដឹងខ្លួន" ផ្តល់ឱ្យដល់យក្សទាំងនេះគឺមិនសាមញ្ញទេ។

សាស្ត្រាចារ្យរង បណ្ឌិត Huynh Thi Thanh Binh និងនិស្សិតពហុបច្ចេកទេស ដែលបានបញ្ចប់ការសិក្សានៅខែសីហា ឆ្នាំ 2023

បន្ថែមពីលើទិន្នន័យ ការបង្កើនប្រសិទ្ធភាពការផ្ទេរព័ត៌មានក៏សំខាន់ផងដែរ ហើយតើវាពាក់ព័ន្ធទៅនឹងគម្រោងស្រាវជ្រាវដែលអ្នកកំពុងធ្វើដែរឬទេ?

បាទ/ចាស នោះគឺជាគម្រោងដែលក្រុមការងារខ្ញុំ និងខ្ញុំមានមោទនភាពយ៉ាងខ្លាំង នៅពេលដែលយើងទទួលបានមូលនិធិពីមូលនិធិ VINIF សម្រាប់ការស្រាវជ្រាវលើការផ្ទេរការរៀនដើម្បីដោះស្រាយបញ្ហាបង្កើនប្រសិទ្ធភាពរួមបញ្ចូលគ្នា។ ដើម្បីអាចទទួលបានមូលនិធិសម្រាប់គម្រោងនេះ ក្រុមការងាររបស់ខ្ញុំបានចំណាយពេល 9 ខែក្នុងការរៀបចំ សរសេរ និងកែសម្រួលសំណើនេះ ដើម្បីធ្វើឱ្យវាល្អបំផុត និងជិតបំផុតទៅនឹងលទ្ធផលដែលអាចសម្រេចបានក្នុងការអនុវត្ត។ គម្រោងនេះពាក់ព័ន្ធនឹងការស្រាវជ្រាវលើការផ្ទេរចំណេះដឹងដ៏ល្អប្រសើរក្នុងការវិវត្តន៍ ការផ្ទេរព័ត៌មានក្នុងសហវិវត្តន៍ និងការផ្ទេរព័ត៌មាននៅក្នុងបណ្តាញសរសៃប្រសាទ។

ការផ្ទេរនៅទីនេះមិនមែនពីម៉ាស៊ីនមួយទៅម៉ាស៊ីន ឬពីមនុស្សទៅមនុស្សនោះទេ ប៉ុន្តែជាការសិក្សាអំពីការផ្ទេរព័ត៌មាន/ការចែករំលែកព័ត៌មាន ដើម្បីដោះស្រាយបញ្ហាបង្កើនប្រសិទ្ធភាពក្នុងជីវិតប្រកបដោយប្រសិទ្ធភាព។ ជាឧទាហរណ៍ បញ្ហាសំខាន់ៗមួយចំនួន៖ បញ្ហាដៃមនុស្សយន្ត បញ្ហាផ្លូវក្នុងការដឹកជញ្ជូន ការធ្វើផែនការក្នុងយោធា ...

សាស្ត្រាចារ្យរង បណ្ឌិត Huynh Thi Thanh Binh នៅសាកលវិទ្យាល័យ Stanford សហរដ្ឋអាមេរិក

ស្ថិតិថ្មីៗបង្ហាញថា បុគ្គលិកក្នុងឧស្សាហកម្ម AI ទទួលបានប្រាក់បៀវត្សរ៍ក្នុងលំដាប់កំពូលទាំង 3 នៅវៀតណាម។ តាម​គំនិត​របស់​អ្នក តើ AI ជា​វិស័យ​សិក្សា​ដ៏​ទាន់​សម័យ​ដែរ​ឬ​ទេ?

នៅក្នុងរបាយការណ៍សន្និសិទថ្មីៗនេះ ខ្ញុំក៏បានសង្ខេបប្រាក់ខែរបស់វិស្វករ AI នៅប្រទេសវៀតណាម ហើយបានរកឃើញថាវាពិតជាល្អណាស់។ មានឱកាសជាច្រើនសម្រាប់ការងារទាក់ទងនឹង AI ហើយខ្ញុំគិតថានាពេលអនាគតដ៏ខ្លីខាងមុខនេះ AI នឹងនៅតែជាវិស័យដ៏ទាក់ទាញ ងាយស្រួលស្វែងរកការងារ និងប្រាក់ចំណូលខ្ពស់។

តាមទស្សនៈរបស់អ្នកដែលមានទំនាក់ទំនងជាមួយសាកលវិទ្យាល័យវិទ្យាសាស្ត្រ និងបច្ចេកវិទ្យាជាច្រើនជំនាន់ តើអ្នកប្រៀបធៀបជំនាន់ Gen Z ជាមួយអតីតនិស្សិតជំនាន់មុនយ៉ាងដូចម្តេច?

ខ្ញុំមិនដឹងថានៅឯណាទេ ប៉ុន្តែជាមួយនឹងនិស្សិត Gen Z នៅពហុបច្ចេកទេស ខ្ញុំឃើញថាអ្នកកាន់តែមានភាពប្រសើរឡើង និងកាន់តែប្រសើរឡើង។ ល្អណាស់។ អ្នកឆ្លាតណាស់ មិនត្រឹមតែពូកែខាងជំនាញទេ ថែមទាំងចេះភាសាបរទេស និងជំនាញទន់ទៀតផង។ ជាពិសេសចាប់តាំងពីការប្តូរទៅជាយន្តការស្វយ័ត ពហុបច្ចេកទេសបានទាក់ទាញសិស្សដែលមានទេពកោសល្យកាន់តែច្រើនឡើង។

នៅសាលាព័ត៌មានវិទ្យា និងសារគមនាគមន៍ ដែលខ្ញុំធ្វើការ ពីមុនសិស្សមានលទ្ធភាពតិចតួចក្នុងបន្ទប់ស្រាវជ្រាវ។ ទោះជាយ៉ាងណាក៏ដោយ ក្នុងរយៈពេលប៉ុន្មានឆ្នាំចុងក្រោយនេះ សិស្សភាគច្រើនបាននៅក្នុងមន្ទីរពិសោធន៍តាំងពីឆ្នាំដំបូងរបស់ពួកគេ ដោយធ្វើការយ៉ាងក្លៀវក្លា និងប្រកបដោយភាពច្នៃប្រឌិត។ សិស្សមួយចំនួនថែមទាំងបានផ្តួចផ្តើមគំនិតដើម្បីរៀនអំពីមន្ទីរពិសោធន៍របស់យើង ហើយចូលរួមផងដែរ។

អរគុណសម្រាប់ការជជែក!

Thanhnien.vn