New conference paper: Application Layer Throughput Control for Video Streaming over HTTP2

Our latest research on throughput control for video streaming has been accepted for presentation at Eighth International Conference on Communications and Electronics (ICCE).  In this work, we tackle the problem of throughput control for multiple streaming clients at application layer using HTTP2 flow control feature. The proposed framework includes a throughput estimation scheme and an application layer based throughput control scheme which utilizes HTTP2’s Flow Control mechanism. Experiment results show that the proposed framework can effectively control throughput of individual clients.

Why do we need "throughput control"?

In practice, there are many cases where multiple videos are concurrently streamed over a same network connection with limited bandwidth.  A common example is when people in a same local network (e.g., home, office) watch online videos at the same time. Another example is camera surveillance system where a large number of video feeds from surveillance cameras is streamed to a processing data. In addition, those video streams may have different characteristic (e.g., bitrates) or have different levels of importance. Thus, it is desirable to be able to allocate available network bandwidth in an efficient manner. For instance, in case of camera surveillance system, video streams from important cameras should have higher throughput than those from less important ones.  

Why application layer matter?

In our previous work [1], we successfully control throughput of streaming client by adjusting TCP flow control window size. However, it may not always possible to perform such control in practice, such as in browser-based streaming, or in mobile devices. Thus, it is desirable to be able to control throughput at application layer.

[1] Duc V. Nguyen, Huyen Tran, Pham Ngoc Nam, Truong Cong Thang, "Cross-Layer Management for Multiple Adaptive Streaming Clients in Wireless Home Networks", IEICE Transactions on Information and Systems, March. 2018.

Học về thuyết tương đối (special relativity and general relativity)

Albert Einstein được xem như là một trong những nhà bác học vĩ đại nhất mọi thời đại. Tên của ông đồng nghĩa với thiên tài (genius). Hai công trình khoa học quan trong nhất của Einstein là thuyết tương đối hẹp (special relativity) và thuyết tương đối rộng (general relativity). Vậy thuyết tương đối hẹp là gì? Nó được tạo ra như thế nào? Các hệ quả của nó là gì? Ứng dụng của nó là gì? trả lời những câu hỏi này sẽ là mục tiêu của bài viết này.

Đầu tiên nói về bối cảnh, thuyết tương đối hẹp được Einstein đề xuất lần đầu tiên trong một bài báo ông viết vào năm 1905 đăng trên tạp chí vật lý Annalen der Physik . Lúc này ông 26 tuổi và đang là nhân viên ở văn phòng phụ trách đăng ký bản quyền ở Zurich, Thụy Sĩ. Cùng trong năm này, ông còn viết 3 bài báo quan trọng ở các lĩnh vực khác bao gồm 1) phân tích chuyển động của phân tử, 2) giải thích hiệu ứng quang điện (photoelectric effect), và 3) mối liên hệ giữa khối lượng và năng lượng (E=mc^2). Ông được trao giải thưởng Nobel vật lý năm 1921 do đóng góp trong việc giải thích hiệu ứng quang điện (photoelectronic effect). Năm 1905 vì vậy được gọi là Annus mirabilis , có nghĩa là năm kỳ diệu của Einstein.

Thuyết tương đối hẹp ra đời để giải thích sự không đồng nhất giữa cơ học cổ điển của Newton và thuyết điện từ phát triển bởi Maxwell liên quan đến vận tốc của ánh sáng. Theo Newton, vận tốc của mọi vật là tương đối phụ thuộc theo hệ quy chiếu, ví dụ nếu bạn ngồi trên tàu đang di chuyển với vận tốc là 60km/h thì vận tốc của bạn so với côt mốc bên đường là 60km/h, nhưng so với người ngồi cạnh thì sẽ là 0km/h. Tuy nhiên, Maxwell đã chứng minh rằng ánh sáng là một loại sóng điện từ (electromagnetic wave), và có vận tốc không đổi 3x10^8 (km/h) trong chân không. Điều này dẫn đến việc nếu bạn ngồi trên tàu và chiếu đèn cùng hướng di chuyển với một chuyến tàu đang di chuyển với vận tốc 10^8 (km/h) thì một người đứng ở cạnh đường ray vẫn sẽ đo được vận tốc ánh sáng từ đèn của bạn là 3x10^8 (km/h) chứ không phải là 4x10^8(km/h).

Để giải thích cho sự không đồng nhất này, Einstein đã sử dụng kết quả của Maxwell và đặt ra tiên đề: "Vận tốc ánh sáng là cố định và không phụ thuộc vào hệ quy chiếu". Đây chính là một trong hai tiên đề của thuyết tương đối hẹp. Tiên đề còn lại là: "Các định luật vật lý là như nhau trong mọi hệ quy chiếu quán tính".

Nếu vận tốc ánh sáng là không đổi thì so với một người ngồi trên tàu, thời gian của một người đứng ở bên đường sẽ trôi nhanh hơn. Lý do là bởi vì người đứng bên đường sẽ thấy ánh sáng đi được một quãng đường xa hơn so với người ở trên tàu. Vì thời gian bằng quãng đường chia cho vận tốc nên thời gian người đứng ở bên đường trải qua sẽ dài hơn. Do vậy, thời gian không còn là tuyệt đối mà chỉ là tương đối và phụ thuộc vào vận tốc.

Sự liên hệ về thời gian t của một hệ quy chiếu đứng yên so với thời gian t' của một hệ quy chiếu chuyển động có thể được tính toán rất đơn giản như sau. Giả sử trên một chiếc tàu chuyển động với vận tốc không đổi v, một photon (đơn vị nhỏ nhất cấu tạo nên ánh sáng) di chuyển qua lại giữa hai tấm gương đặt song song với nhau và song song với mặt đất. Xem xét sự kiện một photo di chuyển từ tấm gương phía dưới lên tấm gương phía trên. Giả sử thời gian photon di chuyển t' đối với một người đứng trên tàu, là t đối với một người quan sát trên mặt đất. Đối với người quan sát trên mặt đất, quãng đường photon di chuyển sẽ là AB vì vị trí chiếc gương bị xa ra do tàu di chuyển một đoạn là CB trong khoảng thời gian photon di chuyển. Ta sẽ tính được giá trị các độ dài AB, BC, và AC như sau:

AB = c x t với c là vận tốc của ánh sáng
BC = v x t với v là vận tốc di chuyển của tàu
AC = c x t' với t' là thời gian của một người đứng trên tàu.

Vì ABC là tam giác vuông, sử dụng định lý Pythago và một số bước biến đổi ta thu được kết quả liên hệ giữa t và t' như công thức ở trên. Vì vận tốc di chuyển của tàu (v) nhỏ hơn vận tốc ánh sáng (c), ta suy ra được là t' nhỏ hơn t. Nói cách khác, thời gian đối với người di chuyển thì trôi chậm hơn so với người đứng yên. Trong cuộc sống của con người, v thường rất nhỏ so với c nên sự khác biêt là gần như không đáng kể. Đối với các vật di chuyển nhanh, sự khác biệt có thể là rất đáng kể. Có một điểm thú vị là nếu di chuyển với vận tốc ánh sáng (v=c) thì thời gian sẽ ngừng trôi (t' = 0).

Tương tự như thời gian, không gian (độ dài) cũng có tính tương đối và phụ thuộc vào vận tốc di chuyển: "độ dài của một vật khi di chuyển thì ngắn hơn độ dài của cùng vật đó khi đứng yên". Và khi di chuyển với vận tốc ánh sáng, thì độ dài sẽ bằng 0.

Dù nổi tiếng nhưng thuyết tương đối hẹp của Einstein không có nhiều ứng dụng trong thực tiễn cuộc sống vì chúng ta di chuyển với vận tốc rất nhỏ so với vận tốc ánh sáng, nên thời gian giữa các hệ quy chiếu có thể xem là giống nhau mà ko gây ra nhiều vấn đề. Đây cũng là một lý do cho việc ông không được trao giải Nobel cho thuyết tương đối hẹp. Một ứng dụng có thể kể đến là việc căn chỉnh thời gian của các vệ tinh của hệ thống định vị toàn cầu GPS. Các vệ tinh này di chuyển với vận tốc hàng chục nghìn ki lô mét một giờ nên thời gian đối với các vệ tinh này sẽ chậm hơn so với người di chuyển trên mặt đất. Do vậy, việc tính toán tọa độ của người dùng phải tính đến sự chênh lêch thời gian này.

Người ta gọi 1905 là năm kỳ diệu của Estein nhưng thực ra thời gian này không thực sự tốt đẹp với ông. Bài báo về thuyết tương đối hẹp dù được xuất bản trong năm này nhưng gần như không ai trong giới khoa học để ý đến vì ông chỉ là một nhân viên văn phòng không phải là giáo sư của trường đại học. Ông chỉ thực sự được chú ý khi Max Plank, một nhà khoa học nổi tiếng đương thời, cha đẻ của cơ học lượng tử (quantum mechanic) và là chủ biên của tờ tạp chí Annalen der Physik, đọc bài báo của Einstein và nhận ra tầm quan trọng của kết quả này. 

Dù không hoàn toàn bị thuyết phục bởi kết quả trong bài báo, Max Plank yêu cầu Einstein giải thích kỹ hơn về kết quả, cũng như yêu cầu ông mở rộng lý thuyết cho trường hợp hệ quy chiếu chuyển động có gia tốc (vận tốc thay đổi theo thời gian). Einstein mất 10 năm để mở rộng thuyết tương đối hẹp cho trường hợp hệ quy chiếu có gia tốc, và kết quả của nó là thuyết tương đối rộng (general relativity). Dù được gọi là thuyết tương đối rộng, nhưng general relativity lại giải quyết một vấn đề hoàn toàn khác biệt là lực trọng trường (Gravity). 

New conference paper on Transfer Learning

Why transfer learning?

Though the performance of machine learning models (especially deep learning) has been improved significantly over the past few years, there still exist several challenges that need to be addressed in order for ML to be applied in practice at scale. One of the most serious problems is the poor performance when applying pre-trained machine learning models to real-world problems. We, human being, are born with the ability to apply acquired knowledge and skills to new problems/tasks. For example, once you learned to ride a bicycle, you can ride a motorbike with minimum efforts. But, it is not so simple in case of machine learning. Retraining ML models for new tasks requires additional training data that is not available in many cases. Transfer learning is a potential approach to deal with this problem. 

What is transfer learning?

Transfer learning refers to a set of machine learning techniques that allows one to transfer knowledge learned from an auxiliary (or source) domain to help the training task on a target domain. There are three typical types of transfer learning, namely, instance transfer, feature transfer, and network transfer. In instance-based transfer, instances (or data) from the source domain is used in the training at the target domain. Go further, feature-based transfer aims to transfer features which are learned from the data. Different from the raw data, features are more compact and contain more meaningful information that can help improve the performance in many cases. Both instance-based and feature-based approaches assume that the source data is available at the target data. However, due to increasing concerns over user privacy and security, it become more and more difficult to share data between domains. Network transfer can solve this problem by transferring part of the model such as weights. 

Our contribution 

Recommender system is an essential component in many practical applications and services. Recently, significant progress has been made to improve performance of recommender system utilizing deep learning. However, single-domain recommender system suffers from the long-standing data sparsity problem. Transfer learning is a potential approach to deal with the data sparsity problem in recommender system. In this paper, we investigate the transferability of deep neural networks for recommender system. It is found that the neural network responsible for learning the user-item interaction function can be transferred to the target domain, resulting in significant improvement in recommendation performance.

Ref: Duc Nguyen et al., "On the Transferability of Deep Networks for Recommender Systems", DEIM Forum, March. 2020. 

Kì nghỉ tết của em

Trong ngày nghỉ tết vào năm Kỷ Hợi, em đã được chứng kiến những ngày đầu xuân với màn pháo hoa trình diễn cùng với những nồi bánh chưng sôi sùng sục đã làm thêm vui về xuân Kỉ Hợi. Một năm lại trôi qua, tết lại đến với các em những ngày đầu xuân và chào đón năm Canh Tý. Vào ngày 25 tháng chạp, em cùng mọi người lau nhà sạch sẽ, quét nhà cửa, ngõ và làm một số công việc khác. Ngày 28 tháng chạp, em được về thăm quê với ông bà ngoại đẻ em ở lại đây ăn tết cùng với ông bà ngoại. Trong thời gian đó, em cũng giúp ông bà công việc nội trợ cũng như quét nhà, lau nhà và dọn nhà cửa. Sáng ngày 29 và 30 tháng chạp em thức dậy và rửa mặt, đánh răng cũng sạch sẽ để chuần bị ăn sáng. Sau khi ăn sáng, em cùng với bà lau bàn, quét nhà và quét ngõ. Em cũng dọn bồn hoa để chuẩn bị đón năm mới xuân Canh Tý 2020. Em mong tết này sẽ vui hơn và ấm cúng gia đình lời chúc sức khỏe của ngày tết năm Canh Tý 2020.

Bi
30 tháng chạp, Canh Tý, Đức Thọ, Hà Tĩnh.

Nhật ký đi làm: Một ngày làm việc của tôi

Tôi thức dậy vào khoảng 7 rưỡi sáng, đánh răng rửa mặt và chuẩn bị quần áo. Trang phục hàng ngày quần âu, áo sơ mi, giày đen. Đây là trang phục chuẩn cho salaryman, những người đi làm ở Nhật. Ra vào công ty đều cần phải dùng thẻ nên tôi đeo luôn thẻ nhân viên sau khi mặc quần áo cho đỡ quên. Tiếp theo là pha cà phê. Từ hồi đi làm tôi mỗi ngày tôi uống hai cốc cà phê, một cốc buổi sáng và một cốc sau khi ăn trưa. Thế nên tôi quyết định đầu tư một máy pha cà phê để tự pha lấy cà phê, vừa tiết kiệm, vừa có việc để làm buổi sáng. Trước khi ra khỏi nhà thì tôi xem thời tiết, nếu dự báo có mây hoặc mưa vào chiều tối thì tôi sẽ mang theo ô. Nếu là ngày đổ rác thì tôi mang theo rác để vứt. Tôi rời khỏi nhà vào khoảng 8h sáng. Từ nhà tôi đến công ty mất khoảng 30 phút đi bộ. Đường tôi đi làm đi qua Tokyo Dome, khu vui chơi giải trí khá lớn ở Tokyo. Ở đây hay diễn ra các concert của các nhóm nhạc lớn của Nhật như Arashi, EXILE. Ở giữa đường đến công ty là Donkihote, một cửa hàng bán tạp hóa lớn mở cửa 24 giờ. Nơi đây bán tất tần tật mọi thứ từ thực phẩm, đến quần áo, đồ gia dụng, đồ nấu ăn, mỹ phẩm. Giá cả ở đây cũng rất rẻ nên cửa hàng bao giờ cũng đông khách.

Ở Nhật thì vị trí thường được xác định bằng ga tàu. Công ty của tôi nằm gần hai ga là Suidobashi và Iidabashi. Đường tôi đi làm đi qua ga Suidobashi, đây là ga chính để đi đến Tokyo Dome và các khu lân cận, nên có rất nhiều tuyến tàu đi qua ga này. Những ngày có sự kiện lớn ở Tokyo Dome thì cửa ga luôn chật cứng người, có khi tràn ra cả phía ngoài đường. Xung quanh ga tàu cũng là nơi tập trung rất nhiều các quán ăn, khu vui chơi giải trí. Từ cửa phía đông của ga Suidobashi đi thêm khoảng 10 phút thì đến công ty. Trước khi vào công ty, tôi vào Lawson, một cửa hàng tiện lợi bên đường để mua một cái Onigiri, đây là một kiểu cơm nắm được bọc bằng lá rong biển, nhân thịt hoặc cá.

Tôi làm việc ở tầng 18 của tòa nhà trụ sở công ty. Đến nơi khoảng 8 rưỡi, tôi ngồi vào bàn và chuẩn bị bàn làm việc vì trước khi đi về thì quy định là phải khóa laptop lại, cất gọn các đồ đạc vào tủ và khóa tủ lại. Việc tiếp theo là kiểm tra lại lịch làm việc và nhập thời gian làm việc của ngày hôm trước. Ở công ty tôi thì nhân viên phải tự mình nhập thông tin thời gian làm việc (thời gian bắt đầu, kết thúc) cho mỗi ngày. Kiểm tra lại các công việc cần làm xong thì tôi ăn cái onigiri, uống cốc cà phê, và bắt đầu làm việc. Giờ ăn trưa là từ 12h đến 1h. Phần nhiều các đồng nghiệp của tôi ra ngoài mua cơm hộp rồi về chỗ ngồi ăn, hoặc lên căn tin của công ty ở tầng 20. Dạo gần đây tôi thường đi ăn ở một quán ăn Thái ở tầng 1. Quán này ngoài các món ăn Thái thì còn bán cả phở, cơm rang, nên tôi ăn thấy hợp. Nếu đi vào khoảng 12h thì hầu hết các quán đều rất đông. Nên tôi thường đi sớm hoặc muộn 15 phút để đỡ phải chờ. Ăn trưa xong tôi uống cốc cà phê còn lại và bắt đầu làm việc. Rất nhiều đồng nghiệp của tôi thường tranh thủ ngủ trưa nhưng tôi thì gần như không vì ngủ một ít thế thức dậy tôi thấy còn mệt hơn.

Tôi rời công ty vào khoảng 8h tối. Trong khi buổi sáng thì mọi người đều hối hả để đi đến chỗ làm việc, không khi trên đường buổi tối nhiều tiếng cười đùa và tiếng nói chuyện hơn. Tôi gặp nhiều tốp sinh viên, người đi làm vui vẻ trò chuyện trong lúc tìm quán ăn, tiếng cười nói rôm rả vọng ra từ các quán rượu bên đường. Trên đường về nhà, tôi thường ghé qua Donkihote để mua thức ăn và nước hoa quả đóng hộp. Tôi về đến nhà vào khoảng 9 giờ. Dù chỉ ăn một ít vào buổi tối nhưng tôi vẫn thích tự nấu ăn. Thường thì chỉ là trứng rán hay thịt lợn áp chảo ăn với một ít bánh mỳ. Ăn tối xong tôi lên mạng xem tinh tinh một lúc, rồi đi ngủ. Thường thì tôi không làm việc ở nhà. Nhưng những hôm bận rộn quá thì thì tôi sẽ mang máy tính về nhà và làm thêm 1,2 tiếng nữa. Cuộc sống từ lúc đi làm của tôi trở nên có nhịp điệu và cũng hối hả hơn. Có một điểm tôi sẽ cố gắng cải thiện trong thời gian tới, đó là dậy sớm hơn để chạy bộ vào buổi sáng.

2020/02/08, Aizukawamatsu, Japan.

Nhât ký đi làm (Phần 2)

Một lý do tôi chọn làm việc ở KDDI Research Inc. là vì tôi có thể tiếp tục làm nghiên cứu giống như ở trường đại học. Sau bốn tháng làm việc, tôi nhận ra một số điểm khác biệt giữa việc làm nghiên cứu trong trường đại học và làm nghiên cứu trong công ty. Điểm khác biệt lớn nhất có lẽ là về thời gian tôi có thể dảnh ra để làm nghiên cứu. Trong thời gian học PhD, khoảng 80% thời gian của tôi là làm research. Thực ra làm nghiên cứu là nhiệm vụ duy nhất tôi cần làm. Trong công ty thì khác, ngoài việc làm nghiên cứu, tôi còn tham gia từ 1-2 dự án khác của công ty. Vì vậy, tôi chỉ có thể dành ra từ 40-50% thời gian để làm nghiên cứu. Thời gian không phải là điểm hạn chế duy nhất. Trong công ty, vấn đề về bảo mật thông tin luôn được đặt lên hàng đầu, đặc biệt là các thông tin liên quan đến người dùng. Do đó, rất nhiều các thủ tục, giấy tờ cần được hoàn thành trước khi tôi có thể sử dụng dữ liệu. Ở công ty của tôi, sẽ mất khoảng 1-2 tuần để hoàn thành các thủ tục cần thiết trước khi có thể bắt tay vào sử dụng dữ liệu trong việc làm nghiên cứu hay các dự án. Ở trong trường đại học, tôi có thể dễ dàng thảo luận với các bạn trong lab hay giáo sư về những điểm mình chưa rõ hoặc xin lời khuyên khi gặp các vấn đề mới. Việc thảo luận này từng giúp tôi tiết kiệm được rất nhiều thời gian, đặc biệt là khi bắt đầu các topics mới. Ở trong công ty thì điều này khá là khó thực hiện. Lý do là dù trong một nhóm, lịch trình của mỗi thành viên lại rất khác nhau, và thời gian ở công ty thì bị giới hạn. Do vậy, tôi phải giành nhiều thời gian hơn để tự tìm hiểu thông tin cũng như tự giải quyết các vấn đề mới. Trong nhóm của tôi thì anh nhóm trưởng là người bận rộn nhất, ngoài việc tham gia rất nhiều dự án (theo tôi biết thì khoảng 5-6), anh còn đang theo học tiến sỹ ở trường đại học, và phải làm nghiên cứu như tôi. Do vậy, anh chỉ có thể thảo luận về mặt ý tưởng và dựa vào các 派遣社員 để thực hiện giúp mình. Điểm bất lợi của cách làm này là nếu những 派遣社員 có ít kinh nghiệm làm nghiên cứu thì tiến độ công việc sẽ khó mà được đảm bảo. Điểm khác biệt tiếp theo là làm nghiên cứu ở công ty thường phải gắn liền với bằng sáng chế (patent). Nếu bạn có kết quả hay ý tưởng mới thì trước khi công bố ở các hội nghị hay tạp chí, bạn phải đăng ký bằng sáng chế cho ý tưởng. Quá trình đăng ký bằng sáng chế thường kéo dài khoảng 2 tháng. Ngoài ra, việc có bằng sáng chế là mục tiêu hàng năm mà các nhân viên như tôi phải có trong bảng mục tiêu công việc hàng năm. Sẽ là thuận lợi nhất nếu kết quả nghiên cứu có thể viết được bằng sáng chế. Tuy nhiên, không phải kết quả nghiên cứu nào cũng có thể dùng để viết patent. Do vậy, việc chọn câu hỏi nghiên cứu trong môi trường công ty cũng khác hơn so với khi tôi còn đang ở trường đại học.

Trên đây là những điểm khác biệt của việc làm nghiên cứu ở trong công ty so với trong trường đại học. Phần tới tôi sẽ bàn về bằng sáng chế và vai trò của nó đối với các công ty như KDDI.

Nhật ký đi làm

Ngày đầu đi làm, sau khi nhận thẻ nhân viên và điện thoại từ  phòng hành chính, tôi được dẫn lên phòng làm việc ở tầng 18 của toà nhà Garden Air Tower, ở quận Chyoda, Tokyo. Văn phòng làm việc khác xa so với những gì tôi đã nghĩ về một trung tâm nghiên cứu. Đó là một văn phòng lớn gồm nhiều dãy bàn kê song song. Ở đầu mỗi dãy là bàn làm việc của quản lý. Điều làm tôi ngạc nhiên nhất là không hề có vách ngăn giữa các dãy hay giữa có bàn làm việc. Bàn làm việc của tôi nằm ở chính giữa, bên trái tôi là một nhân viên người Trung đã làm việc được 4 năm. Bên phải là các 派遣社員, các nhân viên đến từ các công ty khác để trợ giúp công việc cho chúng tôi. Họ đều là những nhân viên đã khá lớn tuổi, chắc phải trên 50. Ngồi đối diện tôi là một người Nhật, chuyên về các hệ thống quản lý dữ liệu. Nhóm tôi còn có hai người Nhật nữa.
Ngồi vào bàn, đang cài đặt máy tính thì tôi được thông báo vào họp. Đây là một trong hai buổi họp hàng tuần của nhóm tôi. Nội dung chính là cập nhật lại tình hình làm việc của nhóm. Vì là hôm đầu tiên tôi đến nên quản lý của tôi cũng tham gia.
Buổi trưa được nghỉ một tiếng, tôi đi ăn trưa ở một cửa hàng mỳ ở gần công ty. Ăn uống xong, tôi quay lại làm việc. Giờ làm việc là từ 9h sáng đến 5 rưỡi chiều, nhưng đến giờ mà tôi không thấy ai về cả. Làm việc tiếp đến 8h thì công ty phát loa thông báo là mọi người sắp xếp công việc rồi về trước 8h. Lúc này mọi người mới dọn dẹp đồ đạc rồi ra về. Tôi cũng thu dọn hành lý, chào những người đang còn ở lại, rồi đi bộ về phòng trọ cách công ty khoảng 2Km.

Tuần đầu tiên tôi chủ yếu ngồi học về các hệ thống của công ty, đăng ký tài khoản, và mua thiết bị làm việc. Những việc này cậu bạn người Trung giúp tôi rất nhiệt tình. Nhìn vào lịch làm việc của anh trưởng nhóm, tôi tự hỏi không biết anh lấy thời gian đâu mà làm nghiên cứu nữa. Mỗi ngày anh đều phải tham gia 4 đến 5 cuộc họp, mỗi cái phải một tiếng. Tôi chỉ thỉnh thoảng thấy anh ngồi ở bàn làm việc. Các nhân viên như tôi ít hơn, một tuần chỉ có từ 3 đến 4 cuộc họp. Còn đến mức quản lý thì khỏi phải nói, đi họp cả ngày. Ở công ty tôi, thứ 4 là ノー残業デー, tức là ngày không làm thêm. Ngày này, đến 5 rưỡi chiều là sẽ có loa thông báo bảo mọi người về. Thực tế là tôi không thấy ai về lúc 5 rưỡi chiều cả, vẫn đến 8h thì mọi người mới ra về.
Hàng ngày tôi về đến nhà khoảng 9h tối, ăn uống rồi tắm rửa dọn dẹp xong cũng đến 10 rưỡi, 11h tối. Những người đi làm xa thì chắc còn muộn hơn. Thế này tôi càng hiểu rõ là ở Nhật, nếu lập gia đình và có con, thì một trong hai người phải ở nhà. Vì nếu không thì không có ai chăm con cả. Trên đường đi làm về tôi gặp rất nhiều bà mẹ đón con bằng xe đạp, thỉnh thoảng còn thấy con đạp xe theo sau, chắc là đứa lớn hơn.

Những khó khăn luôn xuất hiện khi chuyển môi trường làm việc. Phần tới tôi sẽ mô tả rõ hơn về làm nghiên cứu ở KDDI Research.