HỌC MÁY VÀ ỨNG DỤNG (MACHINE LEARNING & APPLICATIONS)

thaybao

Chủ nhiệm chương trình: GS.TSKH Hồ Tú Bảo

Lĩnh vực nghiên cứu

Học máy (machine learning) là lĩnh vực nghiên cứu các mô hình và phương pháp nhằm làm cho máy tính có một số khả năng học tập như con người. Thực chất, quá trình Học máy là quá trình phân tích dữ liệu để tìm ra những hiểu biết cần cho các quyết định và hành động của con người. Các tiến bộ về thu nhận và lưu trữ dữ liệu, các máy tính với công suất lớn, và các phương pháp phân tích dữ liệu mới trên nền tảng toán học sâu sắc đang làm cho Học máy trở thành một lĩnh vực sôi động của công nghệ thông tin (CNTT), đã và đang trở thành một công cụ hiệu quả trong mọi lĩnh vực quản lý, kinh tế, xã hội, khoa học … Với sự tiến bộ rất nhanh của ngành Học máy, con người có thể hiểu rõ hơn và quyết định đúng hơn trong nhiều vấn đề phức tạp. Những khái niệm và lĩnh vực rất gần với Học máy bao gồm khai phá dữ liệu(data mining), dữ liệu lớn (big data), khoa học phân tích dữ liệu (data analytics). Ngành Học máy tiến bộ rất nhanh trên thế giới trong hai thập kỷ qua, cả trong giới khoa học và doanh nghiệp, và có ứng dụng rộng rãi mọi lĩnh vực nơi có dữ liệu cần phân tích. Ở nước ta, số người tìm hiểu và nghiên cứu, sử dụng kỹ thuật học máy cũng khá nhiều. Tuy nhiên, do ngành học máy tiến bộ rất nhanh và sâu sắc, có một khoảng cách đáng kể giữa trình độ, hiểu biết và ứng dụng của chúng ta so với cộng đồng nghiên cứu quốc tế, và những ứng dụng Học máy của ta còn hạn chế.

Mục tiêu nghiên cứu

  1.  Nghiên cứu một số nội dung lý thuyết quan trọng và cần thiết của Học máy làm nền tảng cho các nội dung nghiên cứu ứng dụng của đề tài, vừa nhằm đóng góp với cộng đồng nghiên cứu trong và ngoài nước, và quan trọng hơndùng làm cơ sở để giải quyết những vấn đề ứng dụng quan trọng cần đến các công nghệ hiện đại nói chung và những vấn đề cụ thể của chương trình nói riêng.
  2. Nghiên cứu tìm giải pháp cho các bài toán của hai lĩnh vực chọn lọc sau, có khả năng tác động và ảnh hưởng tích cực của nghiên cứu khoa học tới xã hội:
  •  Xây dựng nền tảng tính toán cho việc khai thác bệnh án điện tử (BAĐT) trong chăm sóc sức khoẻ và nghiên cứu y học: Xây dựng phương pháp và công cụ khai thác BAĐT và dùng chúng giải một vài bài toán thí điểm quan trọng.
  •  Xây dựng mô hình và hệ thống quản lý rủi ro tín dụng và hệ thống tín dụng tài chính vi mô: Xây dựng mô hình và công cụ quản lý tín dụng không lãi suất giúp người lao động có thu nhập thấp sử dụng hiệu quả tiền lương tiết kiệm để mua sắm các tiện nghi cho cuộc sống.

 

TÀI CHÍNH ĐỊNH LƯỢNG VÀ KINH TẾ

thầy đức

Chủ nhiệm chương trình: GS.TS Phạm Hi Đức

Lĩnh vực nghiên cứu

Năm 2013 là năm đầu tiên Ngân Hàng Thế Giới (World Bank) và Quỹ Tiền Tệ Quốc Tế (IMF) hợp tác với Ngân Hàng Nhà Nước VN (State Bank of Vietnam). Sau các hội thảo, kết luận thu ngắn là khuyến cáo VN nên có chính sách điều hành nền kinh tế có một cách có hệ thống và định hướng lâu dài hơn để tăng lòng tin và sự ổn định vĩ mô cho các thành phần trong nền kinh tế. Chính sách điều hành kinh tế thuộc môn Chính sách kinh tế (Economic Policy) được toán hoá dần từ khi Pareto và các nhà toán học trường phái Tân Cổ Điển đem các kỹ năng tối ưu hoá để định lượng các chính sách phù hợp cho mỗi trường hợp khủng hoảng lớn hay nhỏ, hay điều chỉnh tăng trưởng, giá cả thị trường lãi xuất, tiền tệ, mức độ thất nghiệp, v.v… Ngày nay đây là dụng cụ thông dụng thường nhật trong các NHNN các quốc gia lớn nói trên. Tuy nhiên hai trở ngại lớn nhất là sự phức tạp của những phương trình (khoảng một ngàn phương trình xen lẫn các phương trình đạo hàm, nguyên hàm, tối ưu và cưỡng ép) và khối lượng khổng lồ của dữ kiện cần thiết khi mô hình hoá (vài ngàn biến theo suốt thời gian khoảng 100 tháng). Vì hai trở ngại này nên những ứng dụng khoa học vào xây dựng chính sách và chiến lược kinh tế vẫn hạn chế và chỉ dựa trên những lý thuyết đơn giản – giảm số biến và phương trình (hơn một chục). Hơn nữa, việc áp dụng các mô hình (nếu có) không dùng các mô hình linh động tính đến hành vi của các tác nhân trong nền kinh tế: người tiêu dùng, doanh nghiệp sản xuất, cơ quan điều hành NHNN, hệ thống tiền tệ và ngân hàng v.v… Các tác nhân này được coi như chỉ có phản xạ máy móc, các động tác đầu cơ, các sức nhảy vọt dao động thị trường vì giao hưởng giữa các tác nhân do vậy đều không thể mô phỏng/dự đoán được hay chỉ được dự đoán một cách sơ sài. Nhưng từ 10 năm nay, các chuyên gia toán/thống kê/định lượng đã có nhiều giải pháp và phương án mới, về kỹ năng thuật toán cũng như về công cụ. Một vài nhóm/trường phái tài chính đã thử nghiệm các mô hình định lượng/tính toán xấp xỉ vào các thị trường phái sinh và vào quản trị rủi ro. Những nghiên cứu này có thể được đẩy xa hơn vào lĩnh vực điều hành kinh tế vỹ mô để tối ưu hoá, triển khai, theo dõi và quan trọng hơn hết chỉnh sửa các chính sách kinh tế trên quy trình điều hành. Song song với những khám phá nói trên, kinh tế toàn cầu đã bước qua một giai đoạn mới, trong đó tiêu dùng và sản xuất hoàn toàn tuỳ thuộc vào tín dụng. Sự lệ thuộc này dẫn đến sự lệ thuộc quá đáng vào hệ thống ngân hàng trong và ngoài nước. Cho nên các nền kinh tế thị trường Âu Mỹ đều chú trọng vào khả năng điều hành tín dụng và tiền tệ của các ngân hàng nhà nước và tìm cách tiên đoán hệ quả của các tác động đó.

Mục tiêu nghiên cứu

  • Nghiên cứu có mục tiêu tối hậu là hỗ trợ sự vận hành tốt của kinh tế qua khả năng tiên đoán và dự phòng những hậu quả của các biến thiên bắt đầu được phát hiện. Khả năng này xuất phát từ ứng dụng những phương pháp phối hợp toán xác suất và giải tích ngẫu nhiên, tin học và kinh tế vĩ mô để xây dựng một tập hợp mô hình cấp tiến và sát thực.
  • Mục tiêu này xuyên qua những mục đích ngắn hạn đạt từng chặng qua sự xây dựng mô hình không những trên mặt lý thuyết, mà còn xây dựng cụ thể công cụ định lượng khả dĩ đánh giá bằng con số những dao động và biến chuyển gây ra trong kinh tế.

Nội dung nghiên cứu và kế hoạch

Nghiên cứu để làm chủ những phương pháp hiện đại để xây dựng một tập hợp mô hình tương tác thể hiện ứng dụng của các thuyết mới kinh tế vĩ mô, chú tâm vào kinh tế tiền tệ và ngân hàng.

  1. Nghiên cứu các mối liên quan tương hổ và hệ số hoá các tương quan dẫn đến sự kết hợp năng động, nối các mô hình ngành (tiền tệ, doanh nghiệp, thị trường lao động …) theo một cấu trúc được cách tân thành một mô hình quốc gia. Hiện nay các NHNN dùng mô hình DSGE (Dynamic Stochastic General Equilibrium) để tiên đoán biến chuyển của các số lượng như mức sản xuất, tiêu dùng, lãi xuất v.v… Mô hình này là một bước tiến dựa trên các hòa hợp giữa các mô hình tân cổ điển và tân Keynesian cộng thêm cá tính ngẫu nhiên. Nhưng trong các mô hình này còn thiếu phần mô phỏng vai trò các ngân hàng và nhất là các hình thái biến động của tín dụng theo tâm lý người đầu tư. Một thiếu sót quan trọng nữa là phần các NH “trong bóng tối” (shadow banks). Công trình nghiên cứu của JVN sẽ bổ khuyết các điểm này để tạo ra mô hình cập nhật hơn và phức tạp hơn các mô hình cũ đang được thông dụng.
  2. Phương pháp và công cụ ngành lọc Bayes sẽ cho phép đưa “tâm lý” đầu tư và tiêu dùng vào mô hình. Trong kinh tế vĩ mô tân cổ điển, nhà đầu tư hay người tiêu dùng có một cách tính cứng nhắc về mức độ sản xuất hay tiêu thụ, đánh giá một lần áp dụng mãi mãi. Nay mô hình JVN dùng các xác suất prior và posterior theo toán của T. Bayes để đưa ảnh hưởng của các biến được quan sát dần dần làm thay đổi ước lượng của tác nhân đó, và các hệ số chi phối luật Bayes cũng sẽ làm các tác nhân có cá tính khác nhau. Nghiên cứu phương pháp áp dụng các kỹ năng tối ưu hoá mới
  3. Dùng phương pháp học máy để giải các vấn đề tối ưu hoá biểu tượng cho các quyết định thông minh của các tác nhân (ngân hàng, người tiêu dùng, người vay mượn, NHNN…) chẳng hạn qua TD Learning (học theo hiệu số thời gian), hoặc Neurodynamic programming hoặc Q-Learning là những phương pháp trong Markov Decision Process(chọn quyết định qua quá trình Markov) được triển khai từ hơn 15 năm trở lại, vượt hẳn các phương pháp cổ điển dùng Lagrangian trong tối ưu hoá, nhất là trong các trường hợp thiếu tín hiệu và thiếu dữ liệu quá trình.
  4. Qua Probabilistic robotics (Robot xác suất) để có thể giải số các phương trình ngẫu nhiên mô tả chuyển động kinh tế như các tác động đầu cơ đã từng gây dao động và nhảy vọt trong các biến về tiền tệ (như lạm phát, khối tiền cho vay, độ sụt tín nhiệm tín dụng do các cơ quan đánh giá v.v…) c. Mô hình hoá phong cách các loại tác động từ đầu tư cho đến đầu cơ và các phản xạ của thị trường theo biến đổi của mức độ và biên độ dao động, bằng cách dùng Sequential Monte Carlo. Xây dựng mô hình của sự tương tác cho từng bối cảnh kinh tế, qua việc hoàn thành một mô hình thị trường tổng quát vẫn giữ tính khả thi các tính toán « kịch bản » biến động của thị trường.
  5.  Ứng dụng của Agent-Based Modeling (mô hình bằng tác nhân) thoát ra khỏi cách mô phỏng các tác nhân kinh tế một cách đồng nhất, rập khuôn. Vì mỗi tác nhân được biểu hiện bởi một bộ hệ số đa dạng nên cách phản ứng của họ sẽ không đồng hoá, và sự tương tác giữa họ sẽ sinh ra các hiện tượng dao động của kinh tế có tính cách sát thực hơn.
  6. Dự phòng cho mọi vấn đề có ý nghĩa trong kinh tế nhằm đưa ra các tiên đoán cần thiết cho các tình huống và chiến lược hỗ trợ NHNN thực thi các quyết định chính sách về tiền tệ và tín dụng, dài hạn cũng như ngắn hạn. Có khả năng đánh giá ảnh hưởng tài chính của các biến động thị trường gây nên bởi các sự cố quốc tế (chiến tranh, đổ vỡ ngân hàng vùng, tăng sụt xuất nhập khẩu, giá cả thị trường, lãi xuất ngoại hối, v.v…).