Nguyễn Quang Thông: Từ vật lý hạt tới nhà khoa học AI

Đời người may mắn là khi ai đó sớm biết họ thực sự muốn gì. Câu chuyện về những bước ngoặt bất ngờ trong sự nghiệp của TS Nguyễn Quang Thông - nhà khoa học trẻ chuyên ngành trí tuệ nhân tạo (khoa học AI) đang làm việc tại Tập đoàn Microsoft (Seattle, Mỹ) - là hành trình nhiều gợi mở và cảm hứng với những người trẻ đang băn khoăn trước ngã rẽ cuộc đời.

Đọc những dòng trích ngang vắn tắt về Thông, nhiều người sẽ ngạc nhiên. Sự dẫn dắt của số phận đã đưa chàng trai sinh ra và lớn lên ở Hà Nội đã tới ba lần xoay chuyển sự nghiệp với những ngã rẽ bất ngờ chỉ trong chưa đầy 15 năm tuổi trưởng thành. 

Học chuyên lý tại Trường chuyên Amsterdam (Hà Nội), Thông đậu ĐH Kiến trúc Hà Nội, nhưng rồi quyết định nghỉ học chỉ sau năm thứ nhất để du học ngành kỹ sư máy tính tại Mỹ.

"Dòng đời xô đẩy"

Học ĐH ở Mỹ được một năm, anh lại nhận ra "chân ái" đúng là… vật lý, chứ không phải công nghệ máy tính sau khi được truyền cảm hứng mạnh mẽ từ một giáo sư vật lý hạt. 

Sau 10 năm theo đuổi vật lý, lấy bằng tiến sĩ và nhận không ít giải thưởng trong lĩnh vực này, tới cuối năm 2020, Thông lại quyết định chọn đầu quân toàn thời gian cho Microsoft ở lĩnh vực "xa mà gần" với chuyên môn nghiên cứu của anh: khoa học AI.

Dĩ nhiên trong những bước ngoặt đó, không phải quyết định nào cũng là tự thân. Trong những bước đi đầu đời, hoàn cảnh gia đình không cho anh nhiều lựa chọn: Thông không du học ngay sau khi tốt nghiệp THPT và quyết định chọn khoa học máy tính là vì những thúc ép đó. 

Sau một năm học kỹ sư máy tính ở ĐH UT Dallas, dù kết quả học tập xuất sắc, trong tâm tư Thông vẫn luôn cảm thấy mình khao khát khác, một cách tiếp cận gần với bản thể của khoa học hơn.

Cảm thức mơ hồ của chàng sinh viên trẻ được khai mở và sáng tỏ khi anh gặp giáo sư ngành vật lý hạt Joseph Izen. Ông thầy với phong cách sư phạm đặc biệt đã đánh thức trái tim cậu sinh viên Việt Nam.

 "Tôi không bao giờ quên bài kiểm tra hết môn của thầy. Thầy cho cả lớp tới công viên, mỗi người mang theo một máy đo gia tốc và phải chơi tất cả các loại tàu lượn siêu tốc ở đó, phân tích dữ liệu, rồi về viết báo cáo dài 30 trang - Thông nhớ lại - Suốt một tuần sau, tôi cứ nghĩ mãi về bài tập đó. Nó chính là cái tôi muốn làm".

Cảm xúc đó thôi thúc anh tới gặp và chia sẻ với thầy Izen về mong muốn học vật lý. Sau khi được thầy dành hơn 4 tiếng đồng hồ giải thích cặn kẽ những thách thức và cơ hội của vật lý hạt, Thông quyết định chuyển ngành học lần thứ hai: anh lấy bằng tiến sĩ về vật lý hạt vào tháng 9-2021 tại Viện Công nghệ California (Caltech).

"Hồi đó mẹ tôi phản đối, nhưng mẹ ở xa vậy nên tôi cứ làm theo quyết định của mình thôi", Thông cười chia sẻ.

Lần đổi nghề thứ ba, mới nhất, là sự chủ động của Thông. Ở Microsoft, anh hạnh phúc được làm công việc kết hợp cân bằng giữa nghiên cứu và ứng dụng thực tiễn. 

"Tôi đang tự nguyện làm việc nhiều hơn so với yêu cầu bởi cảm giác được góp phần vào một dự án có thể mang lại ảnh hưởng, tác động tích cực tới hàng trăm triệu người dùng đem lại rất nhiều cảm hứng. Ở đây, chúng tôi được trải nghiệm và đóng góp vào những sản phẩm mới nhất của Microsoft. Tôi cũng rất hứng thú vì được khởi xướng các dự án phát triển và ứng dụng AI của riêng mình", Thông nói.

Công việc hiện nay của Thông là phát triển các tính năng thông minh cho Microsoft Office - mảng sản phẩm, dịch vụ tính tới tháng 4-2022 đã có 345 triệu thuê bao sử dụng và số người dùng thực tế ước tính lên tới hơn 1,2 tỉ trên toàn thế giới.

Anh còn tham gia phát triển sản phẩm và dịch vụ mới trong hệ sinh thái Microsoft 365 - ứng dụng trí tuệ nhân tạo để tối hưu hóa trải nghiệm cá nhân và nâng cao hiệu suất của các công cụ và nền tảng do Microsoft cung cấp.

"AI: Ánh sáng cuối đường hầm"

Có một chuyện đã qua lâu rồi nhưng tới giờ Thông vẫn chưa dám kể cho bố mẹ, đó là "những năm tháng đen tối nhất cuộc đời" - khi anh bắt đầu tới làm việc tại Tổ chức Nghiên cứu hạt nhân châu Âu (CERN), Thụy Sĩ, trong khuôn khổ chương trình hợp tác đào tạo tiến sĩ.

Không chỉ phải "tự bơi" giữa biển kiến thức mênh mông, những ngày làm việc quần quật từ 5h sáng tới 10h đêm, những đố kỵ mệt mỏi ở đâu cũng có của đời sống, những cảm xúc tự ti ban đầu khi xung quanh quá nhiều nhân tài xuất thân từ các trường đình đám như Harvard, MIT…, điều kinh khủng nhất với Thông khi đó là nỗi hoang mang trong hướng nghiên cứu và sự thất vọng của giáo sư hướng dẫn.

Thi trượt trong kỳ thi sát hạch chất lượng lần đầu ở Caltech (phải đậu mới có thể làm tiến sĩ và được thi ba lần) là nỗi thất vọng ghê gớm với Thông. Anh mệt mỏi và bế tắc tới mức trầm cảm suốt gần một năm, mà không chia sẻ được với ai. 

"Cứ mở mắt ra là thấy một ngày dài dằng dặc nặng nề. Tôi vẫn nhớ những ngày ấy được đồng cảm với một ca khúc của ca sĩ Hoàng Thùy Linh, được truyền cảm hứng với hình ảnh phượng hoàng bay lên từ tro tàn của cô ấy, và tôi nghĩ mình nhất định phải là phượng hoàng - Thông chia sẻ - Cuộc đời có vùi mình thành tro thì mình cũng phải đứng lên và đi tiếp".

Cũng trong những ngày u ám đó, Thông bắt gặp một bài giảng về trí tuệ nhân tạo (AI) trên YouTube. Anh bị lôi cuốn rồi xem suốt 8 tiếng chuỗi bài giảng và nhận ra điểm tương đồng giữa lĩnh vực nghiên cứu của anh với AI: dữ liệu lớn. 

Trong 3,5 năm tại Thụy Sĩ, Thông có khoảng 2,5 năm làm quản lý nhóm xử lý dữ liệu của khoảng 80 trung tâm dữ liệu trên toàn thế giới kết nối với CERN. Hướng nghiên cứu mới đã mở ra theo cách thật tự nhiên với anh: ứng dụng AI vào xử lý dữ liệu vật lý.

"Lần đầu tiếp xúc với AI, tôi ngỡ ngàng khi thấy định lý áng chừng phổ quát (universal approximation theorem) cũng áp dụng được với triết lý tương tự trong hệ thống học sâu (deep learning). Một ma trận và một hàm số kích hoạt phi tuyến tính là hai nguyên liệu duy nhất để áng chừng tất cả các cấu trúc phức tạp trong vũ trụ. 

Những bước tiến trong ngành học sâu một thập niên gần đây xoay quanh việc xây dựng hệ thống áng chừng lớn hơn, nhanh hơn và hiệu quả hơn; quy mô của hệ thống học sâu hiện nay so với 10 năm trước đã lớn hơn gấp 100 triệu lần, làm được những điều con người chưa bao giờ ngờ tới, nhưng cốt lõi vẫn là tổ hợp các ma trận và hàm số phi tuyến tính. 

Mỗi khi tôi đi thỉnh giảng về AI ở các hội nghị vật lý, khi nhắc đến điều này, tôi và cả phòng đều dừng lại một vài giây vì đôi chút xúc động", Thông chia sẻ về những cảm xúc không thể quên khi anh bắt gặp sự tương đồng giữa vật lý và AI.

Vào thời điểm đó, AI vẫn là lĩnh vực mới mẻ, và Thông trở thành một trong những người đầu tiên nghiên cứu giải pháp ứng dụng AI vào xử lý dữ liệu và tìm ra các hướng đi mới trong ngành vật lý hạt.

"Việc tìm ra hướng nghiên cứu lúc đó với tôi giống như ánh sáng cuối đường hầm, là động lực và cảm hứng để tôi vượt qua giai đoạn đen tối, thi đỗ kỳ thi sát hạch lần thứ hai, và vào năm cuối làm tiến sĩ, tôi đã nhận được giải thưởng ghi nhận thành quả công việc của mình", Thông nói.

Lâu nay, để tìm ra các hạt mới theo phương pháp truyền thống, nhà khoa học phải thiết lập rất nhiều nguyên tắc để dò tìm những bất thường trong khoảng 40 triệu va chạm mỗi giây giữa các hạt. Đó là một thách thức tốn rất nhiều tài nguyên và nguồn lực. 

Với hướng nghiên cứu của mình, Thông phát triển thuật toán AI thay thế và xây dựng hệ thống phần cứng đặc biệt để chạy được thuật toán trong một phần triệu giây, giúp dò tìm và phát hiện những va chạm bất thường theo thời gian thực của máy gia tốc.

Ngoài bảo vệ thành công luận án tiến sĩ, báo cáo khoa học về nghiên cứu do anh là đồng tác giả đã được đăng tải trên tạp chí chuyên ngành uy tín Nature Machine Learning vào tháng 2-2022. Trên lý thuyết, với công trình này, các nhà khoa học không chỉ có thể phát hiện hạt mới theo các mô hình có sẵn, mà còn có thể tìm ra thêm những hạt mà loài người chưa bao giờ nghĩ tới.

Khoa học không biên giới

Trải qua nhiều lĩnh vực kiến thức chuyên môn khác nhau, từ kiến trúc, kỹ sư máy tính, vật lý hạt, tới trí tuệ nhân tạo, Thông tin là trong khoa học, dù ở lĩnh vực nào, đi đến tận cùng vẫn sẽ gặp nhau ở những nguyên lý tư duy cơ bản nhất.

Giống như "sự khai sáng" năm xưa của vị giáo sư môn vật lý hạt, mọi thứ cần phải được đơn giản hóa đến tận cùng để hiểu bản chất chính yếu nhất trước khi mở ra những vấn đề phức tạp hơn. Nửa năm ở Google X là một phần của hành trình đó. 

"6 tháng làm việc tại Google X giúp tôi cảm nhận sâu sắc hơn về khoa học không biên giới. Tôi không học nhiều về sinh học trước đó, nhưng khi làm nghiên cứu nội trú tại Google X, bắt tay vào dự án giao thoa giữa AI và công nghệ sinh học, tôi hiểu vì sao họ cần mình", anh kể.

Không chỉ là sự khai sáng, với Thông, khoa học còn rất đẹp đẽ nữa. "Vật lý và kiến trúc đều thu hút tôi bởi vẻ đẹp của những nguyên lý dung dị tối giản, như tính đối xứng hay các định luật bảo toàn, nhưng là tiền đề cho các công trình phức tạp đến choáng ngợp. 

Nhờ tính đối xứng, Murray Gell-Mann xây dựng được mô hình quark, tìm ra điểm còn thiếu và dự đoán sự tồn tại của hạt Omega để hoàn tất mô hình "Bát Chính Đạo". Hai năm sau, hạt Omega được phát hiện qua thực nghiệm, mang đến giải Nobel vật lý cho Gell-Mann năm 1969. 

Những câu chuyện như thế là cảm hứng cho thế hệ người làm khoa học trẻ như tôi trên hành trình đi tìm các ẩn số trong vật lý hạt ở CERN, như vật chất tối hay hạt siêu đối xứng, vốn đều được dự đoán từ những mô hình thoạt nhìn có vẻ phức tạp, nhưng ẩn sâu bên trong là những nguyên lý và cấu trúc đơn giản đến hoàn mỹ", Thông chia sẻ.■