Giáo sư Katsuki Fujisawa: "Không thể tạo ra tiến bộ nếu không có Toán học"

Tiến sĩ Katsuki Fujisawa là Giáo sư chính thức tại Viện Toán cho Công nghiệp (Institute of Mathematics for Industry - IMI) thuộc Trường Đại học Kyushu, Nhật Bản. Ông cũng đồng thời là chuyên gia cao cấp (joint appointed fellow) của Trung tâm nghiên cứu cấu trúc số (Center for Digital Architecture)  thuộc AIST - Viện Nghiên cứu Công nghệ Công nghiệp Tiên tiến Quốc gia (national institute of Advanced Industrial Science and Technology), Nhật Bản. 

Giáo sư Katsuki Fujisawa từng giảng dạy và làm việc ở trường đại học  tại các khoa chuyên ngành về  các khoa học toán học, kỹ thuật công nghiệp, khoa học thông tin, kiến trúc và kỹ thuật điều khiển.

Lĩnh vực nghiên cứu của Giáo sư Katsuki Fujisawa là Phân tích đồ thị, tối ưu hóa (toán học), Vận trù học, Tính toán hiệu năng cao, Phân tích dữ liệu, Trí tuệ nhân tạo, và một số  lĩnh vực thuộc khoa học thông tin và toán học khác.

Từ năm 2014 đến 2021, nhóm nghiên cứu của ông liên tục đứng đầu trên bảng đánh giá chuẩn Graph500. Năm 2017, ông được nhận giải thưởng về Khoa học và Công nghệ (về nghiên cứu), trao tặng bởi Bộ Giáo dục, Văn hóa, Thể thao, Khoa học và Công nghệ (MEXT) của Nhật bản.

Phóng viên Dân trí đã có cuộc trò chuyện với giáo sư TS. Katsuki Fujisawa về nghiên cứu toán công nghiệp, về chính sách bản quyền nghiên cứu, về đưa toán học vào thực tiễn, về việc đào tạo toán học trong các trường đại học...

 Graph 500  - Đo hiệu suất phân tích đồ thị trên các siêu máy tính

Giáo sư có thể chia sẻ về bảng đánh giá chuẩn Graph 500 Benchmark mà nhóm nghiên cứu của ông trong những năm qua liên tục được đánh giá xuất sắc luôn ở vị trí dẫn đầu?

- Những năm gần đây, nhu cầu về phân tích đồ thị tăng lên nhanh chóng nhằm chuyển đổi các dữ liệu xã hội thực tế thành dữ liệu đồ thị để có thể đưa vào xử lý tốc độ cao trên máy tính. Mỗi đồ thị bao gồm một tập hợp điểm và một tập hợp nhánh. Ví dụ như các điểm có thể là  các giao lộ trong mạng lưới giao thông đường bộ và các nhánh tương ứng với các đường nối các giao lộ. Hoặc khi phân tích các mạng xã hội  như Twitter, các điểm tương ứng với người sử dụng  và các nhánh tương ứng với các mối quan hệ  giữa những người dùng với nhau. Trong lĩnh vực an ninh mạng và Mạng neural nhân tạo, chúng tôi xử lý dữ liệu biểu đồ với kích cỡ thậm chí còn lớn hơn nhiều.

Đồng thời, việc phân tích đồ thị quy mô lớn cũng đang thu hút sự chú ý như  là một ứng dụng của siêu máy tính thế hệ  mới. Tuy nhiên, không dễ để xử lý được đồ thị chứa kho dữ liệu khổng lồ với tốc độ cao theo những cách thông thường. Vì vậy,  quy chuẩn Graph500 được đề ra vào năm 2010 như một cuộc thi quốc tế nhằm đo hiệu suất phân tích đồ thị trên các siêu máy tính.

Trong dự án của mình, chúng tôi đã và đang phát triển phần mềm để  nghiên cứu các đồ thị lớn với tốc độ cao trên một siêu máy tính thế hệ mới từ năm 2011. Bằng cách kết hợp các công nghệ phần mềm tiên tiến như sử dụng thuật toán để giảm bớt sự dự thừa trong việc tìm kiếm đồ thị, tối ưu hóa hiệu suất liên lạc trên hệ máy tính song song với hàng nghìn đến hàng chục nghìn đơn vị được kết nối bằng mạng tốc độ cao, và tối ưu hóa khả năng truy cập bộ nhớ trên bộ xử lý đa lõi, chúng tôi có thể đáp ứng được  sự gia tăng về kích thước, cũng như độ phức tạp của dữ liệu thực trong tương lai.

Tính đến nay, chúng tôi đã giành vị trí dẫn đầu trong 14/23  khoản của  chuẩn Graph500,  qua đó chứng minh được hiệu suất tính toán của siêu máy tính và tính ưu việt của các thuật toán được đề xuất.

Chúng tôi hiện đang tiếp tục nghiên cứu các ứng dụng trong công nghiệp của các hệ thống không gian mạng thực - ảo sử dụng công nghệ được phát triển trong Graph500.

Các ngành công nghiệp mới có thể được tạo ra trong các hệ thống  không gian mạng thực - ảo bằng cách tối ưu hóa và mô phỏng dữ liệu thế giới thực trong các ứng dụng di động khác nhau trong không gian mạng. Vì lý do này, nhiều ngành bao gồm cơ sở hạ tầng xã hội, các ngành sản xuất hay bán lẻ  đang rất kỳ vọng vào công nghệ này.

Kết quả của dự án này sẽ được sử dụng để lưu trữ lượng lớn dữ liệu thu được thông qua các công nghệ như điện toán đám mây, IoT (kết nối vạn vật), cảm biến trong cơ sở hạ tầng dữ liệu và tính toán qua Internet.

 Đồng thời thông qua cách xây dựng các mô hình toán học và áp dụng thuật toán, chúng tôi sẽ tiếp tục làm việc hướng tới các ứng dụng trong thế giới thực như phân tích và tối ưu hóa dữ liệu tốc độ cao.

Sự khác biệt giữa toán học ứng dụng và toán học công nghiệp 

Giáo sư cho biết sự khác biệt giữa toán học ứng dụng và toán học công nghiệp? Những phẩm chất mà một "nhà toán học ứng dụng/công nghiệp" cần có mà "các nhà toán học thuần túy" không có là gì?

- Tôi không nghĩ có nhiều khác biệt về phong cách nghiên cứu giữa các nhà toán học ứng dụng và các nhà toán học thông thường, ngoại trừ các chủ đề  nghiên cứu. Cả hai kiểu nhà toán học trên đều ít đụng chạm tới các vấn đề thực tế cụ thể. Họ đều nhấn mạnh việc hoàn thành nghiên cứu dưới dạng các công bố khoa học.  

Trong khi đó, toán học công nghiệp nhằm đóng góp vào sự phát triển và tiến bộ của ngành công nghiệp, vì vậy nó nhấn mạnh tính đúng đắn trong khoa học toán học và tính thực tiễn.

Vì vậy, các nhà toán học công nghiệp cần phải phát triển các mô hình toán học của thế giới thực, lựa chọn giữa các phương pháp toán học thích hợp để giải quyết vấn đề và đưa ra các ý tưởng để thu hẹp khoảng cách giữa kết quả phân tích và thực tế. Hơn hết, họ là những người có ý chí mạnh mẽ, nghị lực cao và tự cảm thấy mình mang một sứ mệnh làm cho toán học trở nên hữu ích cho xã hội.

Tích hợp sử dụng cơ sở hạ tầng toán học và AI (trí tuệ nhân tạo)

Đại học Kyushu, Viện Nghiên cứu cấp cao về Toán học Việt Nam đã phối hợp với Tổ chức Toán học Công nghiệp Châu Á Thái Bình Dương đồng tổ chức Diễn đàn "Toán học cho Công nghiệp" năm 2021 với chủ đề: "Toán học cho Kinh tế Số", theo Giáo sư toán học được ứng dụng ra sao trong nền kinh tế kỹ thuật số hiện nay? Ông có thể đưa ra một số ví dụ cụ thể mà các dự án ông đã làm về lĩnh vực này được không?

- Tôi cho rằng việc chọn chủ đề này vô cùng quan trọng, bởi lẽ số hóa trong hầu hết các lĩnh vực đều sẽ được đẩy mạnh trong Chuyển đổi số. Vào tháng 11-2020, nhóm nghiên cứu của tôi cùng với Tập đoàn Softbank và Tập đoàn MAMEZOU bắt đầu hợp tác thực hiện một nghiên cứu chung về việc hiện thực hóa hệ thống "xếp hạng dữ liệu" sử dụng toán học để  đánh giá một cách khách quan chất lượng của các loại dữ liệu kỹ thuật số được thu thập từ các công ty, chính quyền địa phương, các tổ chức giáo dục và nghiên cứu.

Trên cơ sở  đó, các bên sẽ cùng nhau sử dụng hệ thống "xếp hạng dữ liệu" để làm rõ chất lượng dữ liệu do các ngành công nghiệp, chính phủ và  trường/viện nắm giữ thông qua "xếp hạng dữ liệu", từ đó thúc đẩy việc sử dụng dữ liệu tài nguyên của nhau và làm mới thị trường phân phối dữ liệu.

Những năm gần đây, khu vực công và tư nhân đã thúc đẩy nhiều lĩnh vực khác nhau của chuyển đổi số. Trong bối cảnh này, việc sử dụng chung nguồn dữ liệu được ghi lại và lưu trữ của chính những công ty, chính quyền địa phương, các tổ chức giáo dục và nghiên cứu đã trở thành một trong những chủ đề quan trọng của chuyển đổi số.

Tuy nhiên, dữ liệu do mỗi tổ chức nắm giữ đều có các thông số kỹ thuật và định dạng khác nhau và không rõ liệu dữ liệu đó có chất lượng phù hợp để sử dụng hay không. Khi phân tích dữ liệu, cần kiểm tra tính nhất quán của định dạng và thực hiện làm sạch dữ liệu để tìm, sửa và xóa các lỗi trùng lặp, sai sót và thiếu nhất quán trong ký hiệu. Đó là một rào cản rất lớn trong việc sử dụng và chia sẻ tài nguyên dữ liệu của nhau.

Hiện chúng tôi đang phối hợp nghiên cứu để hiện thức hóa một hệ thống "xếp hạng dữ liệu" nhằm xác định chất lượng dữ liệu để loại bỏ các rào cản này đối với việc dùng chung dữ liệu. Việc đánh giá rõ chất lượng dữ liệu thông qua "xếp hạng" được kỳ vọng sẽ thúc đẩy việc dùng chung tài nguyên dữ liệu, hồi sinh thị trường phân phối dữ liệu, cũng như dẫn đến sự phát triển của các doanh nghiệp mới kết hợp nhiều loại dữ liệu, đồng thời thúc đẩy hơn nữa quá trình chuyển đổi số của các công ty, tổ chức, chính quyền địa phương, cơ sở giáo dục và nghiên cứu.

Trong nghiên cứu chung này, chúng tôi sẽ thiết lập một nền tảng toán học (thuật toán) mới cho việc "xếp hạng dữ liệu" và tiến hành các thí nghiệm xây dựng, trình diễn lý thuyết nhằm kết hợp "dịch vụ xếp hạng dữ liệu" với môi trường đám mây.

"Dịch vụ xếp hạng dữ liệu" là một cách để xác định chất lượng nhiều loại dữ liệu khác nhau trong môi trường đám mây và làm rõ nó như một kiểu thứ hạng. Để hiện thực hóa dịch vụ này, cần phải tự động hóa việc "đánh giá dữ liệu" càng nhiều càng tốt. Vì vậy, chúng tôi dần tích hợp việc sử dụng cơ sở hạ tầng toán học và AI (trí tuệ nhân tạo).

Ngoài việc sử dụng cơ sở toán học để xác định xem dữ liệu có đáp ứng các yêu cầu  hay không, và tự động xếp hạng dữ liệu đạt chất lượng với người sử dụng dữ liệu, chúng tôi cũng sẽ xem xét một cơ chế để đảm bảo chất lượng của dữ liệu bằng cách sử dụng AI.

Phải thực hiện song song nghiên cứu chuyên sâu và hợp tác với các doanh nghiệp

Giáo sư đã tham gia các dự án hợp tác với doanh nghiệp ở nhiều ngành nghề. Vậy theo kinh nghiệm của ông, làm thế nào để đưa các nghiên cứu ở trường đại học và viện nghiên cứu đi vào thực tiễn? Và làm thế nào để kết nối chặt chẽ hơn giữa trường, viện và doanh nghiệp?

- Việc đóng góp cho xã hội thông qua các hợp tác trường/viện và doanh nghiệp là quan trọng, tuy nhiên, đó không phải là vai trò duy nhất của các trường đại học.

Ở tầm nhìn xa, các trường đại học cần duy trì và đẩy mạnh nghiên cứu cơ bản. Như vậy là cần phải thực hiện song song nghiên cứu chuyên sâu và hợp tác giữa các trường/viện và doanh nghiệp.

Bởi vì các công nghệ cốt lõi  được tạo lập dựa trên nghiên cứu cơ bản chuyên sâu  sau đó sẽ dần được áp dụng trong  sự hợp tác giữa các cơ sở đào tạo, nghiên cứu và  khu vực sản xuất, các lĩnh vực công nghiệp.

Nhờ kết quả của sự hợp tác này, các vấn đề nghiên cứu của trường đại học sẽ được xác định, việc tạo ra một hệ thống có thể  đưa những vấn đề này thành các chương trình, kế hoạch nghiên cứu tiếp theo sẽ khiến sản phẩm nghiên cứu trở nên có giá trị thực tế hơn. 

Hiện nay ở Việt Nam đã có một số dự án ứng dụng do chính phủ hoặc cơ sở tư nhân tài trợ cho các nhà khoa học ở trường đại học. Có rất nhiều tranh luận xung quanh bản quyền của các sản phẩm, liệu những thứ này sẽ thuộc về chính phủ, trường đại học, hay nhóm các nhà khoa học? Theo kinh nghiệm của Giáo sư, Nhật Bản đã giải quyết vấn đề này như thế nào?

- Trong trường hợp các ứng dụng công nghiệp của toán học, các sản phẩm chủ yếu được phân loại là các thuật toán và phầm mềm ứng dụng chúng. Ở Nhật Bản, bản thân thuật toán không được cấp bằng sáng chế, và thuật toán về cơ bản sẽ được công bố với công chúng thông qua các công trình nghiên cứu.

Do các công ty sử dụng phần mềm cho hoạt động kinh doanh, vì thế họ sẽ giữ các bản quyền đối với phần mềm (sử dụng cho mục đích kinh doanh, sửa đổi,...).

Mặt khác, với vai trò khởi xướng, trường đại học sẽ giữ bản quyền đối với các ý tưởng cơ bản của thuật toán và có quyền tự do sửa đổi, cải tiến thuật toán và sử dụng nó cho các ứng dụng công nghiệp khác.

Việc phân chia quyền hạn này có thể giải quyết nhiều vấn đề khi các công ty muốn áp dụng cho việc kinh doanh, còn các trường đại học thì tiến hành nghiên cứu. Bởi chúng tôi làm việc tại một trường đại học công nên chúng tôi ít gặp trở ngại trong việc phân chia quyền lợi giữa trường đại học và chính phủ. Tuy nhiên với các trường đại học tư, việc này sẽ cần phải  được phân định một cách chính xác và rõ ràng hơn.

Toán học giải quyết những vấn đề hiện thực nảy sinh trong đời sống

Học sinh Nhật Bản có yêu thích Toán học không thưa Giáo sư? số lượng tuyển sinh vào các ngành đào tạo về Toán học có xu hướng giảm không? Cộng đồng toán học Nhật Bản và chính phủ có những biện pháp và nỗ lực nào nhằm tăng số lượng tuyển sinh đầu vào?

- Sự phổ biến của Toán học đối với học sinh, sinh viên Nhật Bản ở mức độ trung bình, không lớn nhưng cũng không nhỏ. Sinh viên có ấn tượng là cơ hội nghề nghiệp sau khi tốt nghiệp từ một khoa Toán là trở thành giáo viên toán ở trung học cơ sở, trung học phổ thông hay một nhà nghiên cứu toán học.

Mặt khác, nhu cầu về sinh viên ngành Toán trong khu vực công nghiệp đang tăng lên, và tôi tin rằng mức độ phổ biến của Toán học cũng sẽ tăng theo. Tất nhiên, cộng đồng Toán học ở Nhật Bản cũng đang rất tích cực để tiếp cận với thế hệ trẻ. Nhưng do có ít người trong cộng đồng có kinh nghiệm và thành tựu trong việc hợp tác các lĩnh vực sản xuất, công nghiệp nên trước mắt chưa thể tăng quá nhiều số lượng sinh viên.

Bởi vậy, cộng đồng toán học trước hết cũng cần thay đổi sự chú trọng của mình đối với việc hợp tác với  khu vực công nghiệp.

Theo Giáo sư, với sự phát triển của máy tính và các công cụ tính toán như hiện nay, tại sao sinh viên vẫn cần phải học toán? Nội dung và chương trình môn Toán cần phải thay đổi gì để thích nghi với tình hình này, và thay đổi như thế nào?

- Đây là một câu hỏi rất quan trọng. Ví dụ, có nhiều môi trường mở trong các hệ thống AI như học sâu, vì vậy bạn không cần phải biết về Toán nếu chỉ cần sử dụng phần mềm để khám phá dữ liệu.

Tuy nhiên, kiến thức và việc đào tạo Toán học vẫn rất cần thiết trong việc tạo ra các mô hình nhằm giải quyết những vấn đề phức tạp của đời sống, hoặc phát triển các thuật toán để cải thiện hiệu suất. Tôi không nghĩ rằng tất cả mọi người đều phải học Toán, nhưng sự tiến bộ không thể đạt được nếu không có những người có năng lực Toán học.

Mặt khác, tri thức về Toán học cần cho tương lai là rất lớn, do đó phải ưu tiên tập trung vào các kiến thức toán học nền tảng và hiểu về chúng một cách sâu sắc, đặc biệt là trong ba năm đầu ở trường đại học.

Tất nhiên, ba năm đó vẫn chỉ bao gồm các môn học về toán  ứng dụng và máy tính, nhưng theo kinh nghiệm của tôi thì chưa muộn để bắt đầu triển khai hợp tác giữa các trường đại học và cơ sở doanh nghiệp một cách nghiêm túc sau khi học xong những kiến thức cơ bản.

Xin trân trọng cám ơn giáo sư!