Hai lối rẽ, một hướng đi vào nghiên cứu AI
Sinh viên nghiên cứu AI là những người không chỉ học cách sử dụng công nghệ mà còn đặt câu hỏi, kiểm chứng giải pháp và đóng góp tri thức mới qua nghiên cứu. Hành trình của Nguyễn Văn Phong và Hà Cao Phúc cho thấy con đường ấy không nhất thiết bắt đầu bằng một kế hoạch hoàn hảo: một người đổi hướng sau lần trượt tuyển sinh, người kia rời giảng đường để làm streamer rồi quay lại. Nguyễn Văn Phong tốt nghiệp đại học sau ba năm với GPA 9,18/10, có ba công bố khoa học về AI và làm kỹ sư AI tại FPT Software Cần Thơ từ năm thứ ba. Hà Cao Phúc, sinh viên chuyên ngành Trí tuệ nhân tạo tại cơ sở TP.HCM, có 10 công trình nghiên cứu quốc tế được chấp nhận công bố và nhận học bổng tiến sĩ toàn phần tại Hàn Quốc. Thành tích khác nhau về quy mô, nhưng cả hai đều cho thấy bước ngoặt chỉ có ý nghĩa khi được nối tiếp bằng hành động.
Điểm đáng chú ý không phải là ai đi nhanh hơn, mà là cách mỗi người biến lựa chọn và vấp váp thành động lực học tập. Với sinh viên Việt Nam muốn theo nghiên cứu trí tuệ nhân tạo, hai câu chuyện gợi ra một thực tế: không có một lộ trình duy nhất, nhưng sự tò mò và khả năng tự học là phần không thể thiếu.
Phong: biến lần lỡ hẹn thành cơ hội học tập
Phong từng dự định vào trường có thế mạnh công nghệ ở TP.HCM, có IELTS 7.0 và tính dùng chứng chỉ để quy đổi điểm tiếng Anh. Vì chưa hoàn tất thủ tục theo quy định của các trường, cậu không trúng tuyển những nguyện vọng đã đăng ký. Thay vì chờ thêm một năm, Phong nghe lời khuyên của người thân, tìm hiểu cơ hội tại Đại học FPT ở Cần Thơ rồi rời Huế để bắt đầu lại. Đó là một quyết định thực tế hơn là một chiến thắng được định sẵn: chính việc nhận trách nhiệm cho sơ suất đã giúp cậu chuyển từ thất vọng sang lựa chọn mới.
Sau ba năm, Phong kết thúc chương trình với GPA 9,18/10, điểm đồ án tốt nghiệp 9,0/10 và hai lần nhận danh hiệu Cóc Vàng khối Kỹ thuật. Ba công trình nghiên cứu AI của cậu tập trung vào ứng dụng mô hình ngôn ngữ lớn và kỹ thuật truy xuất thông tin tăng cường bằng dữ liệu bên ngoài trong giáo dục cá nhân hóa. Để theo kịp tiến độ, cậu tận dụng giờ học để nắm kiến thức, còn buổi tối dành cho bài tập và phần cần tự bù đắp. Thành tích ấy vì thế không chỉ là kết quả của tốc độ học nhanh, mà còn của kỷ luật và khả năng tự học trong một lĩnh vực thay đổi liên tục.
Phúc: thử đời sống streamer trước khi chọn nghiên cứu
Phúc tốt nghiệp trung học với thành tích tốt và trúng tuyển đại học, nhưng muốn trải nghiệm truyền thông, nghệ thuật và sáng tạo nội dung. Cậu tạm dừng việc học một năm để làm streamer, tin rằng đam mê có thể mở ra một hướng đi riêng. Thực tế buộc cậu nhìn nhận lựa chọn ấy tỉnh táo hơn: có những tháng thiếu tiền sinh hoạt, Phúc phải làm phục vụ nhà hàng để trang trải. Trải nghiệm này không chứng minh rằng rời đại học là sai; nó cho thấy theo đuổi sở thích lâu dài còn đòi hỏi năng lực, nền tảng và khả năng duy trì cuộc sống. Khi trở lại giảng đường, ban đầu Phúc chỉ muốn học xong để gia đình yên tâm, rồi dần tìm thấy hứng thú với công nghệ và nghiên cứu.
Tại Đại học FPT ở TP.HCM, Phúc thử sức với các dự án và cuộc thi, từ hệ thống trò chuyện tự động đến thị giác máy tính, xe tự hành và AI trên thiết bị nhỏ. Những câu hỏi về vì sao thuật toán hoạt động, hoặc liệu nó có còn hiệu quả trong điều kiện khác, đã kéo cậu từ làm sản phẩm sang nghiên cứu. Phúc học cách bắt đầu bằng việc xác định vấn đề, đọc những nghiên cứu trước, tìm hạn chế rồi thiết kế thí nghiệm để kiểm tra ý tưởng. Mười công trình quốc tế được chấp nhận công bố của cậu trải rộng từ phát hiện vật thể, ứng dụng AI trên thiết bị bay và xe tự hành đến dự đoán hỏng hóc, bệnh cây trồng và dữ liệu tài chính.
Khác biệt về nhịp độ, tương đồng ở cách làm nghiên cứu
Phong đi từ cú trượt tuyển sinh sang một chương trình học tăng tốc; Phúc chủ động rời đại học để thử sức ngoài giảng đường rồi quay lại với mục tiêu mới. Một người sớm gắn nghiên cứu với ứng dụng giáo dục cá nhân hóa, người kia mở rộng trải nghiệm qua nhiều lĩnh vực trước khi theo đuổi các câu hỏi khoa học. Đặt cạnh nhau, ba công bố của Phong và 10 công trình quốc tế của Phúc không phải thước đo để xếp hạng hai con người: phạm vi, thời gian và hướng nghiên cứu khác nhau. Điều có thể so sánh là cách họ biến tò mò thành công việc có phương pháp, thay vì dừng ở ý tưởng hay một sản phẩm trình diễn.
Cả hai hành trình cũng nhắc rằng nghiên cứu AI không phải chuỗi thành công thẳng tiến. Phúc kể về kết quả thử nghiệm thiếu ổn định khi dữ liệu mở rộng và điều kiện nhiễu khắt khe hơn, một giới hạn buộc người nghiên cứu phải kiểm tra lại giả thuyết thay vì chỉ công bố kết quả thuận lợi. Với sinh viên nghiên cứu AI, bài học thiết thực là chọn môi trường có cơ hội làm dự án, tìm người trao đổi và học cách kiểm chứng kết quả. Thành tích có giá trị, nhưng năng lực đối diện với giới hạn và tiếp tục học mới quyết định liệu một bước ngoặt có trở thành con đường dài.
Phong và Phúc không đưa ra một công thức chung cho sinh viên Việt Nam muốn theo nghiên cứu trí tuệ nhân tạo. Họ cho thấy hai điểm xuất phát trái ngược vẫn có thể dẫn đến nghiên cứu nghiêm túc, nếu người học biết chịu trách nhiệm, thử nghiệm có mục tiêu và kiên trì với câu hỏi của mình. Đó là kết luận đáng nhớ hơn mọi phép so sánh số lượng công trình.
