Thế hệ sinh viên AI xuất sắc đang viết lại vị thế nghiên cứu
Nghiên cứu AI Việt Nam là làn sóng công trình khoa học do sinh viên và nhà nghiên cứu trẻ thực hiện, tập trung vào dữ liệu đa phương thức, Agentic AI và ứng dụng trong giáo dục, y tế, với mục tiêu giải quyết các bài toán phức tạp ngang tầm quốc tế thay vì chỉ lắp ghép ứng dụng sẵn có. Đáng chú ý, nhiều sinh viên vẫn trong thời gian đại học đã đứng tên đầu các công trình quốc tế AI, trở thành tác giả chính ở những hội nghị thuộc nhóm A*/A, hay các hội nghị hàng đầu về thị giác máy tính và trí tuệ nhân tạo. Điều này cho thấy AI không còn là lĩnh vực “xa xôi” mà là mảnh đất nơi người trẻ Việt tự tin cạnh tranh. Quan trọng hơn, họ không đầu tư vào những hướng dễ gây chú ý, mà chọn giải các bài toán nền tảng: cân bằng dữ liệu đa phương thức khi thiếu không đều, thiết kế hệ thống Agentic AI có thể vận hành đáng tin cậy, hay biến dự đoán học tập thành công cụ học đường kiểm chứng được.
BALM: khi dữ liệu đa phương thức không còn hoàn hảo
Ở trung tâm làn sóng này, Nguyễn Phương Anh – sinh viên Khoa Công nghệ thông tin, Trường Đại học Công nghệ, Đại học Quốc gia Hà Nội – đứng tên đầu một công trình được công bố tại CVPR 2026 về BALM. Thay vì chấp nhận giả định đẹp đẽ rằng âm thanh, hình ảnh, văn bản đều thiếu dữ liệu như nhau, nhóm UET của Phương Anh đặt câu hỏi: mô hình AI sẽ học thế nào khi camera bị che, micro đầy tạp âm, còn văn bản thu thập bị thiếu lệch nhau giữa các kênh? AI đa phương thức vốn được thiết kế để kết hợp nhiều loại thông tin như giọng nói, biểu cảm khuôn mặt, nội dung câu chữ trong nhận diện cảm xúc. Nhưng khi tỷ lệ thiếu không cân bằng (IMR) xuất hiện, các nguồn dữ liệu xuất hiện thường xuyên sẽ chi phối quá trình học, còn những nguồn hiếm lại bị "lép vế". BALM được nhóm phát triển như một mô-đun điều chỉnh sự mất cân bằng này trong huấn luyện, giúp mô hình không "nghiện" một kênh dữ liệu và bỏ quên phần còn lại.
Quan trọng hơn, BALM không chỉ dừng ở ý tưởng. Nhóm đã thử nghiệm trên hai bộ dữ liệu chuẩn, công bố mã nguồn để cộng đồng kiểm tra, và chứng minh phương pháp có thể duy trì ổn định ngay cả khi dữ liệu thiếu nghiêm trọng. Theo mô tả, "trong thử nghiệm thiếu dữ liệu nghiêm trọng trên CMU-MOSEI, chỉ số F1 có trường hợp thấp hơn mức trung bình đối chứng 0,70 điểm phần trăm" – một con số thể hiện mô hình giữ vững độ chính xác thay vì sụp đổ. Nhóm khẳng định mục tiêu hiện tại chưa phải thương mại hóa; một thành viên dự kiến tiếp tục phát triển hướng nghiên cứu trong khóa luận tốt nghiệp, còn dữ liệu, mã nguồn, kinh nghiệm được chia sẻ để các sinh viên sau có thể kế thừa. Đây là lựa chọn có chủ đích: đặt nền móng cho cộng đồng nghiên cứu AI đa phương thức, thay vì chạy đua ra sản phẩm nửa vời. Nó cho thấy sự trưởng thành hiếm gặp ở một nhóm sinh viên còn đang ngồi giảng đường.
Agentic AI: Minh Quý và tham vọng hệ thống biết lập kế hoạch
Nếu BALM giải một bài toán nền tảng về dữ liệu đa phương thức, thì câu chuyện Agentic AI nghiên cứu lại mở ra mức độ tham vọng khác: xây dựng các hệ thống AI biết sử dụng công cụ, phối hợp nhiều tác nhân, duy trì mục tiêu và thực hiện những quy trình dài nhiều bước. Minh Quý, tốt nghiệp loại Xuất sắc ngành Khoa học Máy tính, không hài lòng với việc chỉ tối ưu một mô hình đơn lẻ trong phòng thí nghiệm. Anh chọn hướng chuyên môn về hạ tầng AI và kiến trúc hệ thống cho Agentic AI, ở giao điểm giữa học tăng cường, hệ thống phân tán và thiết kế hệ thống. Trong điều kiện nguồn lực tính toán hạn chế, Quý phải tối ưu mô hình, thiết kế hệ thống phù hợp tài nguyên và khai thác hiệu quả hạ tầng sẵn có – một thực tế mà nhiều nhóm nghiên cứu ở Việt Nam đều đối mặt nhưng ít người dám biến thành đề tài.
Kết quả là Quý trở thành tác giả chính của bốn công trình được chấp nhận tại các hội nghị và workshop quốc tế. TraceBrain phát triển nền tảng mã nguồn mở hỗ trợ theo dõi, quản lý, phân tích quá trình thực thi của AI agent, được chấp nhận tại IJCAI-ECAI 2026, Demonstration Track. ToolBrain xây dựng framework học tăng cường cho các agent biết dùng công cụ và thực hiện quy trình nhiều bước, xuất hiện tại AAMAS 2026. Hai công trình còn lại đưa Agentic AI ra ứng dụng cụ thể: hệ thống đa tác tử hỗ trợ học toán qua hội thoại đa phương thức trong một workshop thuộc ACM Multimedia 2025, và hệ thống giúp điều phối quy trình lâm sàng thích ứng được chấp nhận tại một hội nghị về công nghệ thông tin. Song song, Quý còn là đồng tác giả nghiên cứu "Agentic Design Patterns: A System-Theoretic Framework" được chấp nhận tại workshop thuộc NeurIPS 2025. Khi một cử nhân vừa tốt nghiệp đã có thể bàn về pattern thiết kế cho Agentic AI ở sân chơi NeurIPS, câu hỏi không còn là "liệu người Việt có theo kịp" mà là "các phòng lab quốc tế có sẵn sàng nhìn Việt Nam như đối tác ngang hàng".
Quốc Hưng: từ dự đoán điểm số đến 11 công trình quốc tế AI
Ở một tuyến khác của nghiên cứu AI Việt Nam, Mai Phan Quốc Hưng cho thấy sinh viên dữ liệu không chỉ làm phân tích kinh doanh. Trong lễ tốt nghiệp, Hưng – 22 tuổi – được xướng tên là thủ khoa chương trình Khoa học dữ liệu trong kinh tế và kinh doanh với GPA 3,95/4, tương đương 9,19/10. Trong hơn 5.700 tân cử nhân nhận bằng, Hưng là người hiếm hoi sở hữu tới 11 công bố quốc tế, trong đó có những bài trên tạp chí Q1, nhóm uy tín nhất. Con đường bắt đầu từ một đề tài tưởng chừng "rất trường lớp": dùng AI để dự đoán điểm cuối kỳ của sinh viên, nơi Hưng phụ trách lập trình và xây dựng mô hình. Nghiên cứu đó sau được đăng trên Computers and Education: Artificial Intelligence – một tạp chí Q1 – và trở thành bước đệm để Hưng tự tin tiến vào sân chơi các hội nghị hạng A*/A.
Điều đáng nói là Hưng không phải mẫu "thần đồng" thường thấy trên mạng xã hội. Anh tự đánh giá mình học "làng nhàng" ở phổ thông, nhiều khi chưa tìm ra hướng giải mà bạn bè đã làm xong bài, rồi từ đó rút ra triết lý đơn giản: không cố đuổi theo tốc độ của người khác, mà cố hiểu bản chất. Có lúc không hiểu một phần trong bài, thay vì nhìn lời giải trong giáo trình, Hưng đọc cả bài nghiên cứu gốc rồi tranh luận với bạn – cách học mà nhiều sinh viên vẫn ngại vì tưởng chỉ dành cho cao học. Chỉ trong một năm, Hưng có bốn công bố tại các hội nghị quốc tế hạng A*/A, một thành tích cho thấy nếu đại học tạo được môi trường nghiên cứu nghiêm túc, sinh viên hoàn toàn có thể đóng góp cho công trình quốc tế AI ngay từ năm thứ hai, thứ ba. Hưng dự định làm việc tại Singapore khoảng 1-1,5 năm để tích lũy kinh nghiệm, sau đó theo đuổi chương trình tiến sĩ AI và robotics tại Mỹ – một kế hoạch dài hơi nhưng hợp lý cho người đã có nền tảng nghiên cứu.
Ý nghĩa của làn sóng nghiên cứu AI trẻ
Nhìn chung, ba câu chuyện – BALM cho dữ liệu đa phương thức không hoàn hảo, Agentic AI của Minh Quý và loạt công trình quốc tế AI trong giáo dục của Quốc Hưng – cho thấy sinh viên AI xuất sắc không chỉ hiện diện trên bảng điểm mà ở vị trí tác giả đầu, tác giả chính trong các công trình quốc tế AI. Trường hợp của Nguyễn Phương Anh cho thấy sinh viên nữ trong công nghệ không chỉ xuất hiện ở hoạt động học tập hay cuộc thi, mà có thể dẫn dắt hướng nghiên cứu mới. Minh Quý chứng minh người trẻ có thể nói về kiến trúc hệ thống Agentic AI ở đẳng cấp thế giới, từ trace management đến tool learning. Quốc Hưng chứng minh sinh viên kinh tế dữ liệu có thể đi xa hơn phân tích bảng biểu, trực tiếp đóng góp vào các journal Q1 và hội nghị A*/A.
Điều làm những câu chuyện này thuyết phục không phải số lượng công bố, mà là cách họ chọn bài toán: dữ liệu thiếu không đều trong thực tế, khoảng cách giữa phòng thí nghiệm và hệ thống vận hành, hay dự đoán kết quả học tập để nâng chất lượng giáo dục. Nhóm BALM thẳng thắn thừa nhận họ cần tiếp tục đánh giá và tối ưu trước khi có thể phát triển thành một ứng dụng hoàn chỉnh, thay vì tô hồng khả năng thương mại hóa sớm. "Trong thử nghiệm thiếu dữ liệu nghiêm trọng trên CMU-MOSEI, chỉ số F1 có trường hợp thấp hơn mức trung bình đối chứng 0,70 điểm phần trăm" – câu mô tả ngắn nhưng cho thấy họ nhìn vào số liệu, không vào lời quảng cáo. Khi những sinh viên như vậy trở thành hạt nhân của phòng lab và doanh nghiệp, nghiên cứu AI Việt Nam có cơ hội thoát khỏi hình ảnh đi sau, trở thành nơi đặt câu hỏi gắt với chính các mô hình và hệ thống thế giới. Vấn đề còn lại là liệu chúng ta có đủ kiên nhẫn và hạ tầng để giữ họ tiếp tục nghiên cứu tại quê nhà.
