Tiếp tục truyền thống hàng tháng của Trường Công nghệ Thông tin và Truyền thông, Đại học Bách khoa Hà Nội, ngày 30 tháng 10 năm 2024, Nhà trường hân hạnh đón tiếp GS. Nguyễn Việt Hưng Giám đốc quan hệ quốc tế trường ISIMA, Đại học Clermont Auvergne (UCA) đến chia sẻ tại Trường với bài giảng Công bằng trong tối ưu: Mô hình và tính toán (Fairness in Optimization: Models and Computation). Trường ISIMA, Đại học Clermont Auvergne đã là một đối tác học thuật truyền thống với Nhà trường, cùng nhiều hoạt động hợp tác nghiên cứu, sinh viên trao đổi, học bổng thạc sỹ… đã được triển khai thành công nhiều năm qua. Bài giảng của GS. có sự tham gia của gần 40 giảng viên, học viên tham dự trực tiếp, cùng nhiều nhà nghiên cứu và người quan tâm tham gia online cũng như theo dõi qua kênh Fanpage của Trường Công nghệ thông tin và Truyền thông (fb.me/SoICTOfficially).
Nội dung của bài giảng tập trung vào yếu tố Công bằng trong Tối ưu hóa. Công bằng đã trở thành một tiêu chí quan trọng trong các bài toán tối ưu liên quan đến nhiều tác nhân và nhiều mục tiêu. Một giải pháp công bằng là giải pháp đảm bảo sự cân bằng giữa các tác nhân và các mục tiêu. Trong bài trình bày của mình, GS. đã giới thiệu cách tích hợp khái niệm công bằng vào các bài toán tối ưu và tác động đối với các giải pháp, đồng thời đề cập đến các ứng dụng, dự án thực tế về các bài toán tối ưu cùng với liên hệ đến học tăng cường.
Bài giảng đã mang đến các kiến thức như:
- Công bằng và Bình đẳng trong Phân bổ Nguồn lực: GS. lấy ví dụ về một thuật toán tham lam để phân bổ các mục cho những người nhận được số tiền ít nhất, sau đó là nhiều nhất, từ đó chuyển một số tiền nhỏ từ người giàu nhất sang người giàu thứ hai để cải thiện tính công bằng. Mục tiêu là giảm thiểu khoảng cách giữa người giàu nhất và người nghèo nhất để đạt được giải pháp công bằng hơn. Nếu có ràng buộc vượt quá tổng giá trị, phép tính công bằng sẽ được thay đổi với mục tiêu là tìm ra giải pháp cân bằng nhất thỏa mãn mọi người mà không có ai quá bất mãn.
- Kỹ thuật Tối ưu hóa: Kỹ thuật này cần mô hình hóa tác động của tính công bằng và cách đạt được giải pháp công bằng. Các giải pháp dưới dạng phân phối Lorentz hoặc Pareto dễ tìm hơn các chuỗi cụ thể, mục tiêu là tìm ra giải pháp tối ưu Pareto bằng cách tối ưu hóa sự kết hợp của các yếu tố. Ví dụ như bài toán máy đánh bạc nhiều tay (multi-arm bandit) trong học tăng cường chính là ứng dụng của phương pháp tối ưu hóa Lorentz/Pareto.
- Đo lường và Đánh giá
- Cùng một số kiến thức khác như cân bằng nguồn năng lượng, tối ưu hóa đường cong Lorentz, điều chỉnh tham số Epsilon…
Một số hình ảnh tại buổi seminar khoa học
