Thông tin diễn giả
Tiến sĩ Jinho Cha phát triển các hệ thống ra quyết định định lượng giao thoa giữa các lĩnh vực: phân tích kinh doanh, nghiên cứu vận hành, kỹ thuật công nghiệp và trí tuệ nhân tạo. Các nghiên cứu của ông kết hợp học máy, mô hình hóa thống kê, mô phỏng và tối ưu hóa nhằm hỗ trợ đưa ra các quyết định đáng tin cậy trong bối cảnh có nhiều yếu tố bất định và điều kiện vận hành luôn thay đổi.
Các công trình nghiên cứu gần đây của ông đã được công bố hoặc chấp nhận đăng trên các tạp chí uy tín như IISE Transactions, Computers & Industrial Engineering, BMC Public Health và Journal of Industrial and Management Optimization. Ông cũng có nhiều bản thảo đang trong quá trình bình duyệt tại các tạp chí và hội nghị hàng đầu về quản trị vận hành và AI, bao gồm Manufacturing & Service Operations Management, Production and Operations Management, European Journal of Operational Research, Pattern Recognition, Journal of Machine Learning Research và ICLR 2027.
Một đóng góp gần đây của ông, bài báo có tiêu đề "Dynamic Inverse Optimization under Drift and Shocks: Theory, Regret Bounds, and Applications" (Tối ưu hóa nghịch đảo động trong điều kiện biến đổi dần và các cú sốc đột ngột: Lý thuyết, giới hạn sai số và ứng dụng), đã được tạp chí IISE Transactions chấp nhận đăng. Các nghiên cứu hiện tại của ông về AI cũng tập trung vào khả năng suy luận của các mô hình ngôn ngữ lớn (LLM), các hệ thống ra quyết định AI dạng "hộp đen" (black-box), cũng như việc tích hợp dự báo với các chính sách ra quyết định có tính khả thi trong thực tiễn.
Công trình nghiên cứu của Tiến sĩ Cha tập trung vào việc hỗ trợ ra quyết định mang tính thực tiễn trong các lĩnh vực: phân bổ nguồn lực, quản lý rủi ro vận hành, ứng dụng công nghệ, logistics, y tế và các hệ thống tích hợp trí tuệ nhân tạo (AI). Ông từng tham gia các dự án ứng dụng AI và phân tích dữ liệu cho Lục quân Hàn Quốc, bao gồm hệ thống phỏng vấn dựa trên AI (triển khai năm 2021) phục vụ công tác tuyển chọn học viên cho Học viện Quân sự Hàn Quốc, cũng như dự án phân tích hiệu quả của các hệ thống huấn luyện khoa học.
Ông giữ vai trò trưởng nhóm nghiên cứu trong dự án năm 2019 về cải tiến quy trình tuyển chọn sĩ quan Lục quân và nghiên cứu năm 2019 sử dụng kỹ thuật khai phá văn bản (text-mining) để cải thiện văn hóa tổ chức cũng như nhận thức của binh sĩ. Trong lĩnh vực giáo dục đại học, các nghiên cứu hiện tại của ông tập trung tìm hiểu cách thức các trường đại học có thể kết hợp các chỉ số đo lường mức độ tiếp cận AI với dữ liệu thực tế từ thị trường lao động, nhằm xác định những lĩnh vực cần ưu tiên hàng đầu trong việc hiện đại hóa chương trình đào tạo.
Tiến sĩ Cha kết hợp hoạt động nghiên cứu học thuật với bề dày kinh nghiệm lãnh đạo và phân tích tích lũy được trong thời gian phục vụ tại Quân đội Hàn Quốc, nơi ông đạt đến cấp bậc Đại tá. Ông từng là giảng viên tại Học viện Quân sự Hàn Quốc, đảm nhiệm công tác phân tích và nghiên cứu tác chiến tại Bộ Tư lệnh Lục quân và Hội đồng Tham mưu trưởng Liên quân, phục vụ tại Bộ Tư lệnh Huấn luyện và Học thuyết Lục quân, và sau đó là Chuyên gia nghiên cứu cấp cao tại Viện Nghiên cứu Quy hoạch và Phát triển Công nghệ Quốc phòng Hàn Quốc.
Tại Học viện Quân sự Hàn Quốc, ông giảng dạy các môn xác suất, thống kê, đại số tuyến tính, quy hoạch tuyến tính và giải tích, đồng thời tham gia vào các dự án về trí tuệ nhân tạo (AI), mô phỏng, tuyển chọn nhân sự, hệ thống huấn luyện và văn hóa tổ chức. Ông cũng từng giữ chức Trưởng bộ phận Quy hoạch Chiến lược tại Trung tâm Đổi mới Văn hóa Lục quân. Những ghi nhận cho những đóng góp của ông bao gồm các bằng khen, giấy khen từ Tổng thống, Bộ trưởng, Tham mưu trưởng Lục quân, Hiệu trưởng Học viện Quân sự Hàn Quốc và Chủ tịch Hội đồng Tham mưu trưởng Liên quân. Hiện tại, ông đang giảng dạy các môn lập trình và giải quyết vấn đề bằng máy tính tại Trường Cao đẳng Kỹ thuật Gwinnett.
“AI-Ready Higher Education: Curriculum Modernization under Changing Labor-Market Demand” (Giáo dục Đại học Sẵn sàng cho AI: Hiện đại hóa chương trình đào tạo trước nhu cầu thị trường lao động đang thay đổi)
Bài thuyết trình sẽ xem xét cách các trường đại học có thể quyết định nên bắt đầu hiện đại hóa chương trình giảng dạy từ đâu khi trí tuệ nhân tạo đang thay đổi công việc một cách không đồng đều giữa các ngành nghề và năng lực thiết kế lại chương trình của các tổ chức còn hạn chế. Sử dụng các bằng chứng gần đây từ giáo dục đại học và thị trường lao động của Hoa Kỳ, bài thuyết trình sẽ kết nối các chương trình học thuật với mức độ tiếp xúc với AI, dự báo tăng trưởng việc làm và các vị trí việc làm còn trống để xây dựng các ưu tiên thích ứng ở cấp độ lĩnh vực.
Bài thuyết trình cũng sẽ giới thiệu một quan điểm theo danh mục đầu tư, trong đó các trường đại học phân bổ năng lực thiết kế lại chương trình giảng dạy hạn chế một cách có chọn lọc thay vì áp dụng cùng một nỗ lực hiện đại hóa cho mọi chương trình. Ý nghĩa rộng hơn là sự sẵn sàng cho AI đòi hỏi sự thích ứng dựa trên bằng chứng, sự phù hợp với nhu cầu kỹ năng đang thay đổi và việc sử dụng chiến lược các nguồn lực của tổ chức trong khi vẫn duy trì khả năng đánh giá học thuật và tránh giả định rằng mức độ tiếp xúc cao với AI nhất thiết dẫn đến sự suy giảm nghề nghiệp.