Từ sức học “giữa lớp” đến 11 công bố quốc tế AI trước khi tốt nghiệp
Hành trình nghiên cứu trí tuệ nhân tạo của Mai Phan Quốc Hưng là câu chuyện một sinh viên Khoa học dữ liệu đi từ xuất phát điểm khá bình thường ở bậc phổ thông đến việc sở hữu 11 công bố quốc tế về AI trước khi nhận bằng tốt nghiệp, thông qua việc kiên trì học từ bản chất, không chạy theo điểm số và đi ngược lựa chọn đám đông để theo đuổi nghiên cứu ngay từ những năm đầu đại học.
Điểm thú vị nhất ở Quốc Hưng không phải thành tích, mà là cách cậu định nghĩa lại con đường học thuật cho chính mình. Từng là học sinh chuyên Hóa nhưng lực học chỉ thuộc nhóm “giữa lớp”, Hưng buộc phải tự soi lại phương pháp học khi thấy bạn bè giải toán nhanh hơn hẳn. Sự chuyển hướng từ học vội sang học hiểu bản chất trở thành nền tảng cho mọi bước tiến sau này. Có thể nói, trước khi trở thành thủ khoa trí tuệ nhân tạo trong mắt nhiều người, cậu đã là “thủ khoa” trong việc hiểu rõ bản thân mình cần gì ở giáo dục: không phải danh hiệu, mà là khả năng giải quyết vấn đề và tạo ra tri thức mới.
Thủ khoa Khoa học dữ liệu: điểm số là hệ quả, không phải mục tiêu
Quyết định rời Đà Nẵng ra Hà Nội, chọn chương trình Khoa học dữ liệu trong Kinh tế và Kinh doanh giảng dạy bằng tiếng Anh thay vì những trường kỹ thuật đã đỗ, Hưng đi ngược quán tính an toàn của nhiều học sinh chuyên. Kết quả là một hồ sơ khiến nhiều người giật mình: GPA 3.95/4.0, điểm rèn luyện 9.19/10 và vị trí thủ khoa tốt nghiệp của chương trình. Đây không phải kiểu thành tích được xây bằng những ngày “cày đề”. Hưng nói mình không học vì điểm, mà vì tò mò; và khi gặp vấn đề khó, cậu sẵn sàng tìm đến cả bài nghiên cứu gốc để đọc rồi tranh luận cùng bạn bè.
Điều đáng chú ý hơn, điểm số cao chỉ là phần nổi của tảng băng. Phần chìm là thói quen tự chủ học thuật: chủ động đọc tài liệu quốc tế, giao tiếp hoàn toàn bằng tiếng Anh, và đưa các câu hỏi trong lớp học thành đề tài nghiên cứu. Hưng từng bước biến mỗi môn học thành một “phòng lab thu nhỏ”. Khi đa số sinh viên xem bài tập là nghĩa vụ, Hưng coi chúng là dữ liệu để thử nghiệm ý tưởng mới với AI. Cách tiếp cận đó giải thích vì sao trong cùng một chương trình đào tạo, có người ra trường với vài đồ án, còn Hưng ra trường với 11 công bố quốc tế AI và nhiều giải thưởng nghiên cứu khoa học.
Những bài báo Q1 và bước ngoặt: không phù hợp với kỹ thuật thuần túy
Điểm bứt phá trong hồ sơ khoa học của Hưng đến từ việc cậu dám nộp hồ sơ vào phòng lab ngay cuối năm nhất, khi chưa có nhiều kinh nghiệm nghiên cứu. Đề tài đầu tiên sử dụng AI để dự đoán điểm cuối kỳ của sinh viên dựa trên các tiêu chí, với phần việc chính của Hưng là lập trình và xử lý dữ liệu. Bài báo đó được đăng trên một tạp chí Q1 – nhóm tạp chí uy tín hàng đầu thế giới về chỉ số trích dẫn. Câu nói đáng trích dẫn từ hồ sơ của Hưng là: "Nam sinh ghi dấu ấn mạnh mẽ trong đợt tốt nghiệp này với 11 công bố quốc tế về Trí tuệ nhân tạo (AI), trong đó đặc biệt có 2 nghiên cứu đăng trên tạp chí Q1 (ISI/Scopus)".
Tuy nhiên, những lần thử việc bên ngoài trường lại cho Hưng một nhận thức quan trọng về mặt hạn chế: cậu không phù hợp với công việc kỹ thuật thuần túy. Sau 4 tháng thực tập tại một ngân hàng lớn, liên tục xử lý lập trình và kỹ thuật, Hưng thấy mình thiếu năng lượng khi phải làm theo yêu cầu có sẵn. Cảm giác "không hợp" này không phải thất bại; nó là một dạng la bàn. Nhờ vậy, Hưng dám thu hẹp hướng đi, tập trung vào các đề tài mô hình tạo sinh và AI cho robot – nơi cậu có thể đề xuất câu hỏi mới, thay vì chỉ triển khai lời giải đã được viết sẵn.
Sinh viên nghiên cứu robot và cơ hội quốc tế mở ra từ mùa hè
Cuối năm 3, khi nhiều sinh viên bận thực tập doanh nghiệp, Hưng chọn đi một con đường khác: thực tập nghiên cứu ở nước ngoài. Cậu nộp hồ sơ và được nhận vào Đại học Nguyên Trí – một trường xếp hạng cao tại Đài Loan – với cơ hội lần đầu nghiên cứu độc lập trong 3 tháng hè. Tại đây, Hưng phát triển nghiên cứu dựa trên công trình của một nhóm ở Stanford về mô hình điều khiển cánh tay robot thực hiện thao tác cơ bản, tập trung nâng cấp mô hình để robot thực hiện các tác vụ chính xác hơn. Từ một sinh viên nghiên cứu robot còn ít kinh nghiệm, Hưng trở thành học giả cộng tác của trường và sau đó là kỹ sư nghiên cứu tại một đại học ở Singapore, đồng thời là nghiên cứu viên tại một công ty công nghệ.
Đáng nói hơn, càng nghiên cứu robot, Hưng càng hiểu rõ mình không phù hợp với mọi nhánh của lĩnh vực này. Sau khi trao đổi với lãnh đạo công ty, cậu được chuyển sang các mảng gần với sở thích nhất: AI tạo sinh và robotics, thay vì các hướng kỹ thuật thuần túy mà cậu không thấy gắn bó. Những lần nhận ra giới hạn của bản thân như vậy không làm hồ sơ đẹp hơn trên giấy tờ, nhưng lại làm con đường dài hạn rõ ràng hơn. Khi nhiều bạn trẻ bị cuốn vào hào quang chung chung của "thủ khoa trí tuệ nhân tạo", Hưng chọn đứng ở vị trí thực tế: biết mình không phải người phù hợp với mọi thứ trong AI, chỉ tập trung vào các vấn đề mà cậu có thể đóng góp ý nghĩa.
Không chỉ công bố quốc tế: câu chuyện về một kiểu thành công khác
Nếu nhìn Hưng như một "cỗ máy công bố" với 11 bài báo quốc tế, 2 bài trên tạp chí Q1, 6 bài ở hội nghị hạng A*/A/B cùng nhiều bài khác, chúng ta sẽ bỏ lỡ ý nghĩa lớn hơn của câu chuyện. Bên cạnh hồ sơ nghiên cứu đó, Hưng còn sở hữu 2 giải Nhì, 3 giải Ba trong Giải thưởng Sinh viên nghiên cứu khoa học, đồng thời là kỹ sư nghiên cứu, nghiên cứu viên và học giả cộng tác tại những cơ sở học thuật khác nhau. Thành công của cậu không nằm ở việc đi nhanh hơn bạn bè, mà ở chỗ dám đi khác: chọn Trí tuệ nhân tạo khi đa số chọn Y; chọn môi trường năng động khi có đủ điểm vào trường kỹ thuật truyền thống; chọn nghiên cứu khi nhiều người cùng ngành đi làm doanh nghiệp.
Hành trình của Mai Phan Quốc Hưng là lời nhắc: công bố quốc tế AI không phải đặc quyền của những người "thiên tài từ nhỏ", mà là kết quả của việc dám học chậm để hiểu sâu, dám thừa nhận mình không hợp với một số hướng để tìm ra hướng hợp hơn, và dám nộp hồ sơ ra thế giới ngay khi còn là sinh viên. Với những ai đang băn khoăn giữa đi theo số đông hay thử một đường vòng cho riêng mình, câu chuyện này cho thấy đường vòng có thể dài hơn, nhưng cũng có thể là con đường duy nhất dẫn tới một kiểu thành công có ý nghĩa – nơi điểm số, giải thưởng, tạp chí Q1 chỉ là hệ quả cuối cùng, không phải mục tiêu khởi đầu.
