Hành trình đó đã đưa TS. Hà Mạnh Hùng – giảng viên, Phó Trưởng khoa Các Khoa học ứng dụng, Trưởng nhóm nghiên cứu Máy nhận thức thông minh, Trường Quốc tế – Đại học Quốc gia Hà Nội (ĐHQGHN), đến với Giải thưởng “Nhà giáo ĐHQGHN của năm 2025”.

Nhìn thấy những khả năng chưa thành hìnhMười lăm năm theo nghề đủ để anh hiểu đây không phải con đường bằng phẳng: những đêm thức trắng hoàn thiện dự án, những thí nghiệm phải làm lại, những bản thảo bị trả về. Dần dần, anh học nhìn thất bại như một phần tất yếu của công việc, chứ không phải lời phán xét về năng lực – điều anh sau này truyền lại cho sinh viên. “Nghề này không giúp người ta giàu nhanh, nhưng cho mình được chứng kiến sinh viên trưởng thành, và biết mình có phần trong đó”, anh chia sẻ.

TS. Hà Mạnh Hùng nhớ về một sinh viên tìm đến nhóm nghiên cứu với hồ sơ không có gì nổi bật, nhưng có sự tò mò và khả năng bám trụ với vấn đề khó. Hai thầy trò bắt đầu từ việc nhỏ nhất: đọc một bài báo, chạy lại thí nghiệm người khác, tự viết đoạn kết quả đầu tiên. Bốn năm sau, sinh viên ấy tốt nghiệp thủ khoa, giành học bổng toàn phần tại Pháp. Một học viên cao học khác, sau này thủ khoa với 9 công bố quốc tế, từng nói mình không đủ giỏi để viết một bài báo quốc tế. Điều anh nhớ nhất không phải bảng thành tích về sau, mà chính câu nói ấy.

TS. Hà Mạnh Hùng chụp ảnh cùng các sinh viên Đại học KL, Ấn Độ.

Triết lý giáo dục của anh gói trong sáu chữ: cá nhân hóa, thực học, thực làm, sáng tạo, khai phóng, trách nhiệm, trong đó “cá nhân hóa” bắt đầu từ quan sát và kiên nhẫn với từng người học. Năng lực một người trẻ hiếm khi bộc lộ trọn vẹn qua một bài kiểm tra. Ba năm gần đây, anh cùng nhóm nghiên cứu đã phỏng vấn hơn 100 lượt sinh viên, GPA hay chứng chỉ tiếng Anh chưa bao giờ là thước đo duy nhất. Một câu anh thường hỏi: “Em từng làm hỏng việc gì, và sau đó đã làm gì?” – cách bước tiếp sau thất bại đôi khi nói lên nhiều hơn bảng điểm.

Sau phỏng vấn, sinh viên có một đến ba tháng thử sức trong nhóm, phép thử để nhìn ra ai chủ động đặt câu hỏi, ai âm thầm đọc thêm, ai đủ kiên nhẫn với dữ liệu “bẩn”. Anh thường giao nhiệm vụ khó hơn khả năng hiện tại khoảng 20% – đủ buộc vươn lên, chưa đến mức gãy – kèm lời cam kết: “Thầy tin em làm được, làm sai thì thầy chịu trách nhiệm cùng.” Không ít lần, chính câu nói đó giúp sinh viên bước qua giới hạn tự đặt cho mình.

Năng lực người học, theo anh, hiếm khi gói gọn trong một điểm số: có sinh viên không viết code nhanh nhất nhóm nhưng có khả năng trình bày, thuyết phục; có em bảng điểm không nổi bật nhưng nhạy với vấn đề đời sống. Coffeenergy – dự án tái chế bã cà phê thành pin hữu cơ sinh học, sau này quán quân Cuộc thi Ý tưởng sáng tạo khởi nghiệp iStartup – cũng chỉ bắt đầu từ một quan sát đời thường như thế.

Khi AI càng mạnh, điều thuộc về con người càng trở nên quan trọngGiảng dạy trí tuệ nhân tạo và học máy, TS. Hà Mạnh Hùng nhìn rõ những gì công nghệ mang lại cho giáo dục. Nhưng chính vì vậy, anh tin công nghệ càng mạnh, điều thuộc về con người càng không thể thay thế. Trước hết là niềm tin. “AI có thể giải thích một khái niệm hay hơn tôi, nhưng không thể nhìn vào mắt một sinh viên mất phương hướng và nói rằng em làm được. Niềm tin ấy phải đến từ một con người có uy tín, có trách nhiệm với lời mình nói ra.”

Vai trò con người còn ở khả năng phán đoán và gánh trách nhiệm cho lựa chọn của mình. AI trả lời tốt câu hỏi “làm thế nào”, nhưng “nên làm gì, vì sao đáng làm” vẫn cần con người. Chọn bài toán nào để giải, dữ liệu nào được dùng, ai chịu trách nhiệm khi mô hình đi vào thực tế – đều không đơn thuần là bài toán kỹ thuật. Vì thế, dạy trách nhiệm với công nghệ quan trọng không kém dạy cách dùng nó. Điều đó cũng đòi hỏi người thầy làm gương. Một giảng viên dám nhận “chỗ này thầy chưa biết, để thầy đọc thêm” không làm giảm vai trò người dạy, mà là bài học về trung thực, liêm chính học thuật.

TS. Hà Mạnh Hùng chụp ảnh cùng các nhóm sinh viên tham gia nghiên cứu khoa học.

Để làm chủ AI, sinh viên cần nền tảng toán học, thuật toán đủ vững, biết kiểm chứng thông tin, xác định đúng bài toán, có đạo đức, liêm chính học thuật và khả năng tự học suốt đời. Anh nhấn mạnh năng lực đặt câu hỏi: khi lời giải ngày càng dễ tiếp cận, giá trị người học nằm ở khả năng nhận ra đâu mới là vấn đề đáng giải. “Dùng AI để đi nhanh hơn thì được, nhưng dùng AI để thay mình suy nghĩ thì các em đang tự đánh mất chính thứ mình đến trường để có”.

Khi một con số đẹp chưa chắc là một giải pháp có íchSở hữu hơn 50 công bố trên các tạp chí, hội nghị thuộc WoS/Scopus, nhưng khi được hỏi về công trình đáng nhớ nhất, anh lại nhắc đến đề tài của một nhóm sinh viên ứng dụng học sâu hỗ trợ chẩn đoán sớm bệnh gan qua phát hiện khối u trên hình ảnh 3D – giải Nhất nghiên cứu khoa học sinh viên năm 2023.

Điều anh nhớ nhất không phải giải thưởng, mà một buổi làm việc giữa chặng: mô hình cho kết quả rất đẹp trên tập kiểm thử, cả nhóm phấn khởi. Nhưng sau khi trao đổi với một chuyên gia y khoa, nhóm nhận phản hồi khiến tất cả khựng lại: chỉ số kỹ thuật có thể tốt, nhưng cách xử lý hình ảnh chưa phản ánh đúng quy trình đọc phim lâm sàng thực tế. Nói cách khác, nhóm đang giải rất tốt một bài toán kỹ thuật, nhưng chưa chắc là bài toán người dùng cuối cùng cần.

Cả nhóm quay lại từ phần đặt vấn đề, làm lại quy trình tiền xử lý và cách đánh giá. Kết quả cuối cùng khiêm tốn hơn về chỉ số, nhưng đứng vững hơn trước thực tế – một bài học rằng con số đẹp trên tập dữ liệu chưa bao giờ đồng nghĩa với một giải pháp có ích.

Sau một thuật toán, một mô hình hay một bộ dữ liệu, theo anh, luôn có thể là một con người cụ thể – điều anh muốn sinh viên nhìn thấy tận mắt, càng sớm càng tốt. Đó cũng là lý do anh kiên trì đưa các em ra khỏi giảng đường, kết nối doanh nghiệp và thực tế: “Nghiên cứu chỉ thực sự có ý nghĩa khi nó chạm được vào một vấn đề của con người”.

Đi cùng đủ lâu để người học có thể “bừng sáng”Khơi dậy niềm say mê nghiên cứu có thể chỉ cần một trải nghiệm thành công đầu tiên. Điều khó hơn là đủ bền bỉ để đi cùng sinh viên khi sự hào hứng ban đầu qua đi. Với nhiều em mới, trở ngại đầu tiên thường là thiếu tự tin chứ không phải năng lực. Thay vì giao ngay đề tài lớn, anh chia nhỏ công việc để trong bốn đến sáu tuần đầu, các em đã có sản phẩm riêng: một biểu đồ, một mô hình chạy được, một đoạn kết quả tự viết. Cảm giác “mình làm được” đó mới là động lực thật để đi tiếp.

Nhưng để động lực ấy không sớm nguội, người học cần một môi trường đủ sức nâng đỡ. Nhóm nghiên cứu của anh hiện có khoảng 50 thành viên ở Trường Quốc tế, Trường Đại học Công nghệ, Trường Đại học Khoa học Tự nhiên (ĐHQGHN) và Đại học Bách khoa Hà Nội. “Bản lĩnh trước thất bại, theo tôi, mới là thứ quyết định ai đi được đường dài”, anh chia sẻ. Ba năm 2023-2025, các nhóm sinh viên do anh hướng dẫn lần lượt đóng góp 14, 16 và 15 công trình thuộc WoS/Scopus; không ít em sau đó giành học bổng, cơ hội trao đổi quốc tế.

Mười lăm năm theo nghề đủ để anh hiểu đây không phải con đường bằng phẳng.

Sau tất cả những phương pháp, môi trường hay thành tích, anh vẫn trở về với hai chữ kiên nhẫn. Không người học nào trưởng thành theo cùng một nhịp: có em chỉ cần ba tháng để “bừng sáng”, có em cần hai năm mới chạm tới khả năng thật của mình. Người thầy cần đủ gần để nhận ra những chuyển động nhỏ, và đủ vững tin để không bỏ cuộc trước khi người học kịp bỏ cuộc với chính mình. “Người thầy phải là người tin lâu hơn, tin bền hơn cả học trò của mình”, anh bày tỏ.

Sau mười lăm năm đứng trên bục giảng, có lẽ điều giữ anh ở lại với nghề chính là những khoảnh khắc như thế: nhận ra một khả năng còn chưa thành hình, trao cho người học một thử thách vừa đủ, và kiên nhẫn đi cùng cho đến khi các em tự bước tiếp một mình. Bởi trước khi người học kịp tin vào chính mình, đôi khi điều các em cần chỉ là một người đã tin vào mình sớm hơn một chút.