TS. Nguyễn Hà Thanh
Viện Kỹ Thuật Và Khoa Học Máy Tính
Trợ lý Giáo sư, Trí tuệ nhân tạo và Học máy
Giới thiệu
TS. Nguyễn Hà Thanh nhận bằng Cử nhân Kỹ thuật ngành Công nghệ Thông tin và Cử nhân Luật tại Đại học Quốc gia Việt Nam (VNU), Việt Nam, và bằng Tiến sĩ ngành Khoa học Thông tin tại Viện Khoa học và Công nghệ Tiên tiến Nhật Bản (JAIST), Nhật Bản, nơi ông tốt nghiệp với danh hiệu Thủ khoa. Ông có kinh nghiệm nghiên cứu tại Nhật Bản tại Viện Tin học Quốc gia (NII), bao gồm Phòng Nghiên cứu Nguyên lý Tin học và Trung tâm Nghiên cứu & Phát triển Mô hình Ngôn ngữ Lớn, cũng như tại Trung tâm Juris-Informatics (ROIS-DS) tại Tokyo. Nghiên cứu của ông được tài trợ bởi các chương trình cạnh tranh tại Nhật Bản, bao gồm Học bổng MEXT và các sáng kiến nghiên cứu của Cơ quan Khoa học và Công nghệ Nhật Bản (JST) và Tổ chức Nghiên cứu Hệ thống Thông tin (ROIS).
Hướng nghiên cứu của ông tập trung vào trí tuệ nhân tạo thần kinh–ký hiệu (neuro-symbolic AI) cho các hệ thống ra quyết định trong thể chế, kết hợp các mô hình ngôn ngữ lớn với các kỹ thuật biểu diễn tri thức và suy luận, với ứng dụng trong lĩnh vực luật và quản trị. Ông đã công bố các công trình tại các hội nghị và tạp chí quốc tế trong lĩnh vực Xử lý Ngôn ngữ Tự nhiên và Trí tuệ Nhân tạo & Luật. Bên cạnh các công bố khoa học, ông còn khởi xướng và dẫn dắt các hội thảo và cuộc thi quốc tế trong lĩnh vực AI và Luật, góp phần thúc đẩy hợp tác toàn cầu trong cộng đồng AI và Juris-Informatics. Ông cũng hợp tác với doanh nghiệp trong các ứng dụng AI cho công nghệ pháp lý và quản trị dữ liệu, đồng thời hướng dẫn sinh viên và các nhóm nghiên cứu tham gia thi đấu, công bố và phát triển hệ thống AI ở tầm quốc tế, với định hướng xây dựng năng lực nghiên cứu bền vững.
• Mô hình ngôn ngữ cho suy luận và hệ thống ra quyết định
• Biểu diễn tri thức và suy luận tự động
• Trí tuệ nhân tạo cho ra quyết định trong thể chế
• Trí tuệ nhân tạo có khả năng giải thích và phù hợp với quản trị
• Hiểu ngôn ngữ tự nhiên cho các tài liệu thể chế phức tạp
• Trí tuệ nhân tạo
• Xử lý ngôn ngữ tự nhiên
• Học máy
• Biểu diễn tri thức và suy luận
• Trí tuệ nhân tạo có trách nhiệm và đáng tin cậy
1. Nguyen, H. T., Fungwacharakorn, W., Zin, M. M., Goebel, R., Toni, F., Stathis, K., & Satoh, K. (2025). LLMs for legal reasoning: A unified framework and future perspectives. Computer Law & Security Review, 58, 106165. https://doi.org/10.1016/j.clsr.2025.106165
2. Breton, J., Billami, M. M., Chevalier, M., Nguyen, H.-T., Satoh, K., Trojahn, C., & Zin, M. M. (2025). Leveraging LLMs for legal terms extraction with limited annotated data. Artificial Intelligence and Law. https://doi.org/10.1007/s10506-025-09448-8
3. Nguyen, H.-T., Phi, M.-K., Ngo, X.-B., Tran, V., Nguyen, L.-M., & Tu, M.-P. (2024). Attentive deep neural networks for legal document retrieval. Artificial Intelligence and Law, 32, 57–86. https://doi.org/10.1007/s10506-022-09341-8
4. Zin, M. M., Nguyen, H.-T., Satoh, K., Sugawara, S., & Nishino, F. (2023). Improving Translation of Case Descriptions into Logical Fact Formulas using LegalCaseNER. In Proceedings of the Nineteenth International Conference on Artificial Intelligence and Law (pp. 462–466). https://doi.org/10.1145/3594536.3595141
5. Vuong, Y. T.-H., Bui, Q. M., Nguyen, H.-T., Nguyen, T.-T.-T., Tran, V., Phan, X.-H., Satoh, K., & Nguyen, L.-M. (2023). SM-BERT-CR: a deep learning approach for case law retrieval with supporting model. Artificial Intelligence and Law, 31(4), 601–628. https://doi.org/10.1007/s10506-022-09319-6
6. Nguyen, H.-T., Wachara, F., Nishino, F., & Satoh, K. (2022). A Multi-Step Approach in Translating Natural Language into Logical Formula. In Legal Knowledge and Information Systems (pp. 103–112). IOS Press. https://doi.org/10.3233/FAIA220453
7. Nguyen, H.-T., Nguyen, M.-P., Vuong, T.-H.-Y., Bui, M.-Q., Nguyen, M.-C., Dang, T.-B., Tran, V., Nguyen, L.-M., & Satoh, K. (2022). Transformer-Based Approaches for Legal Text Processing. The Review of Socionetwork Strategies, 16(1), 135–155. https://doi.org/10.1007/s12626-022-00102-2
8. Kien, P. M., Nguyen, H.-T., Bach, N. X., Tran, V., Nguyen, M. L., & Phuong, T. M. (2020). Answering Legal Questions by Learning Neural Attentive Text Representation. In Proceedings of the 28th International Conference on Computational Linguistics (pp. 988–998). Barcelona, Spain. International Committee on Computational Linguistics. https://doi.org/10.18653/v1/2020.coling-main.86
• 2022: Tiến sĩ Khoa học Thông tin, Viện Khoa học và Công nghệ Tiên tiến Nhật Bản (JAIST), Nhật Bản
• 2017: Thạc sĩ Kỹ thuật phần mềm, Đại học Quốc gia Việt Nam (VNU), Việt Nam
• 2017: Cử nhân Luật, Đại học Quốc gia Việt Nam (VNU), Việt Nam
• 2015: Cử nhân Kỹ thuật Công nghệ Thông tin, Đại học Quốc gia Việt Nam (VNU), Việt Nam
• 2022: Thủ khoa Tiến sĩ, Viện Khoa học và Công nghệ Tiên tiến Nhật Bản (JAIST)
• 2018: Học bổng MEXT, Chính phủ Nhật Bản
• 2016: Đại diện TopGun ITPEC, Hội đồng Kỳ thi Kỹ sư Công nghệ Thông tin (ITPEC)
• 2015: Giải thưởng Honda Y-E-S, Quỹ Honda
• Phản biện cho các tạp chí và hội nghị quốc tế trong lĩnh vực Trí tuệ nhân tạo, Xử lý ngôn ngữ tự nhiên, và Trí tuệ nhân tạo & Luật.
• Ban tổ chức và thành viên hội đồng khoa học của các hội thảo và sự kiện nghiên cứu trong các lĩnh vực AI, logic và biểu diễn tri thức, bao gồm các workshop tổ chức cùng các hội nghị lớn như KR và ICDM.
• Chủ nhiệm đề tài và cộng tác viên trong các dự án, đề tài nghiên cứu cạnh tranh tại Nhật Bản và các hợp tác quốc tế về trí tuệ nhân tạo, mô hình ngôn ngữ lớn và tin học pháp lý.
