Kỷ nguyên AI: Sinh viên CNTT cần nền móng dày hơn, không phải gọt mỏng đi

Khi chỉ một câu lệnh bằng tiếng Việt có thể đổi lấy cả trăm dòng code trong vài giây, nhiều người bắt đầu hỏi: sinh viên công nghệ thông tin còn cần học toán, học thuật toán sâu đến đâu? Câu trả lời từ giảng đường Trường Đại học Công nghiệp TP.HCM (IUH) có phần ngược dòng: càng có AI, nền tảng càng phải chắc - chỉ có cách dạy và cách đánh giá là phải thay đổi.

Thử hình dung một sinh viên năm nhất ngồi trước màn hình, gõ vào khung chat: “Viết giúp tôi chương trình quản lý điểm thi”. Chưa đầy mười giây sau, một chương trình khá hoàn chỉnh hiện ra - có hàm, có vòng lặp, thậm chí có cả chú thích. Bài tập nộp đúng hạn, chạy được, đạt yêu cầu. Nhưng nếu giảng viên hỏi: “Kỳ thi có 100.000 thí sinh thì chương trình còn chạy nhanh không?”, hay “Nếu hai bạn trùng họ tên thì xử lý sao?”, không ít em sẽ lúng túng.

Đó là bối cảnh rất thật của giáo dục công nghệ thông tin (CNTT) hôm nay. Sự xuất hiện của ChatGPT và hàng loạt công cụ trí tuệ nhân tạo có khả năng viết mã, sửa lỗi, giải thích thuật toán, phân tích dữ liệu đang thay đổi nghề lập trình nhanh hơn bất cứ cuộc cách mạng công nghệ nào trước đó. Và các trường đại học buộc phải trả lời một câu hỏi không dễ: Nếu AI đã viết được mã, sinh viên còn cần học nền tảng đến đâu?

Với giảng viên Nguyễn Hữu Tình, người nhiều năm đứng lớp các học phần nền tảng như Nhập môn lập trình, Toán rời rạc và huấn luyện đội tuyển Olympic Tin học, ICPC của IUH, câu trả lời khá rõ ràng: “Càng bước vào kỷ nguyên AI, sinh viên càng cần một nền tảng vững chắc hơn. Không phải học ít đi để nhường chỗ cho AI, mà phải học sâu hơn và cách dạy kiến thức nền tảng phải thay đổi” - Giảng viên Nguyễn Hữu Tình nhận định.

Viết mã dễ hơn, nhưng câu hỏi khó hơn

Trước đây, tự tay viết được một chương trình là thước đo quan trọng của người lập trình. Ngày nay, AI có thể đảm nhận phần lớn mã nguồn của một chương trình thông thường. Thế nhưng, những câu hỏi quyết định chất lượng của phần mềm thì AI vẫn chưa trả lời thay con người được, đó là: Bài toán thực sự cần giải là gì? Dữ liệu nên được tổ chức thế nào? Giải pháp nào phù hợp với yêu cầu? Nếu dữ liệu tăng gấp 1.000 lần, chương trình còn chạy nổi không? Có cách nào tốt hơn, nhanh hơn, an toàn hơn?

Nói cách khác, khi viết mã trở nên dễ, thì năng lực đặt đúng bài toán, thiết kế lời giải và kiểm chứng kết quả lại càng đắt giá. Vì thế, bốn trụ cột - toán học, tư duy lập trình, cấu trúc dữ liệu và thuật toán - vẫn phải là nền móng của đào tạo CNTT. Điều cần thay đổi là cách xây nền móng ấy.

Năm 2025, khi IUH mở chuyên ngành Trí tuệ nhân tạo thuộc ngành Công nghệ thông tin, câu hỏi “có nên rút gọn phần nền tảng để sinh viên sớm tiếp cận AI?” cũng từng được đặt ra. Lựa chọn của nhà trường là không đi “lối tắt”: sinh viên chuyên ngành AI vẫn học đầy đủ khối toán, lập trình, cấu trúc dữ liệu và giải thuật trước khi bước vào học máy hay các ứng dụng AI.

Học toán để mô hình hóa, không chỉ để tính toán

Sinh viên CNTT không cần học toán giống sinh viên ngành Toán. Nhưng các em cần đủ nền tảng để suy luận chính xác và mô hình hóa vấn đề. Toán rời rạc rèn tư duy logic, quan hệ, tổ hợp và đồ thị. Xác suất - thống kê giúp hiểu dữ liệu và sự bất định. Đại số tuyến tính là “ngôn ngữ” của học máy và trí tuệ nhân tạo.

Theo thầy Tình, điều cần thay đổi không hẳn là học cái gì, mà là học để làm gì. Thay vì đi theo lối mòn “công thức → bài tập → bài thi”, giờ học toán có thể bắt đầu từ một tình huống thực tế: Đây là vấn đề gì? Có thể mô hình hóa bằng toán học ra sao? Ta đang dựa trên giả định nào? Sau đó mới chọn công cụ toán học và đánh giá kết quả.

“Những phép tính mà máy làm rất giỏi sẽ ngày càng ít tạo lợi thế cho con người. Ngược lại, khả năng đặt đúng mô hình và nhận ra một mô hình sai sẽ ngày càng có giá trị” - thầy Tình cho biết.

Ở IUH, bây giờ Toán rời rạc vì thế có thêm một thứ ít ai ngờ tới: bài tập lập trình. Học xong nguyên lý đếm, xác suất hay hệ thức truy hồi trên giấy, sinh viên phải viết chương trình C để tự kiểm chứng kết quả. “Khi tự tay cài đặt một công thức và thấy máy cho ra đúng con số mình vừa tính, các em mới hiểu toán không phải môn học cho qua, mà là công cụ để mô hình hóa và kiểm tra lời giải”, thầy Tình chia sẻ.

Dạy lập trình không chỉ là dạy cú pháp

Một sinh viên có thể nhờ AI viết chương trình Python trong vài giây. Nhưng nếu không hiểu một chương trình được hình thành thế nào, em sẽ rất khó nhận ra khi AI trả lời sai. Vì vậy, ở những học phần đầu tiên, câu hỏi đánh giá không nên dừng ở “Sinh viên viết được chương trình này không?” mà phải là: “Sinh viên có hiểu bài toán, tự thiết kế được lời giải và kiểm chứng được chương trình không?”

Tư duy lập trình, theo đó, cần được hình thành theo một quy trình rõ ràng: Hiểu bài toán → Chia nhỏ vấn đề → Thiết kế lời giải → Viết chương trình → Kiểm thử → Sửa lỗi → Cải tiến.

Tại IUH, sinh viên CNTT được học khối nền tảng ngay từ năm thứ nhất - Toán rời rạc, Đại số, Giải tích, Nhập môn lập trình, Kỹ thuật lập trình - rồi đi sâu vào Cấu trúc dữ liệu và Giải thuật. Theo thầy Tình, điều quan trọng không phải sinh viên học bao nhiêu môn, mà các môn có nối với nhau thành một hành trình năng lực liên tục hay không.

Nhập môn lập trình không dừng ở việc “biết ngôn ngữ C”, mà hình thành tư duy giải quyết bài toán bằng máy tính. Sang Kỹ thuật lập trình, các em học cách tổ chức chương trình cho gọn, dễ đọc, dễ sửa. Đến Cấu trúc dữ liệu và Giải thuật, các em học cách tổ chức dữ liệu và chọn thuật toán cho những bài toán lớn hơn. Năng lực của học phần trước trở thành bệ phóng cho học phần sau, thay vì mỗi môn là một “ốc đảo”.

Sinh viên Khoa CNTT - IUH trong giờ thực hành Nhập môn lập trình. Ảnh IUH

AI càng giỏi viết mã, thuật toán càng quan trọng

AI hiện nay có thể sinh mã cho hầu hết thuật toán quen thuộc: tìm kiếm theo chiều sâu, theo chiều rộng, đường đi ngắn nhất, quy hoạch động… Nhưng “viết được mã” không đồng nghĩa với “chọn đúng thuật toán”.

Một thuật toán có thể chạy đúng với vài bộ dữ liệu nhỏ nhưng “đứng hình” khi dữ liệu lớn lên. Một chương trình có thể đúng trong 99% trường hợp nhưng thất bại ở một trường hợp biên. Một lời giải do AI tạo ra có thể rất thuyết phục nhưng chứa lỗi mà người mới học khó nhận ra.

Vì vậy, sinh viên vẫn phải tự mình hiểu các cấu trúc dữ liệu và thuật toán cốt lõi, và quan trọng hơn là thói quen đặt ra những câu hỏi của người kỹ sư: Vì sao chọn cấu trúc này? Vì sao thuật toán này đúng? Dữ liệu tăng 1.000 lần thì sao? Có giảm được thời gian, bộ nhớ không? Lời giải AI đưa ra, kiểm chứng bằng cách nào?

Môi trường rèn luyện tư duy này rõ nhất có lẽ là các sân chơi thuật toán. Nhiều năm nay, IUH duy trì đội tuyển Olympic Tin học sinh viên và ICPC - từng có đội giành giải Ba toàn quốc (IUH.CopyPaste, năm 2021) và gần đây có các đội IUH.OpenSlot, IUH.HyperParameter và IUH.TriCore đạt kết quả cao tại vòng ICPC khu vực châu Á. Ở đó, máy chấm không quan tâm lời giải “trông có vẻ đúng”: chậm vài phần mười giây hay sai đúng một trường hợp biên đều bị loại.

“Các em ở đội tuyển hình thành thói quen nghi ngờ mọi lời giải, tự sinh dữ liệu để thử, tự tính độ phức tạp. Đó chính là phản xạ cần có khi làm việc với AI” - thầy Tình, người huấn luyện đội tuyển OLP – ICPC của IUH chia sẻ.

Từ “học để viết code” sang “học để làm chủ AI”

Một nguy cơ đáng lo trong giáo dục hiện nay được thầy Tình gọi tên là “ảo giác về năng lực”. Sinh viên năm nhất có thể dùng AI để hoàn thành một bài tập rất đẹp. Nhưng nếu chưa từng tự mình vật lộn với biến, vòng lặp, hàm, đệ quy hay độ phức tạp, thì điểm số đẹp hôm nay chưa chắc tạo ra năng lực thật ngày mai. “Đến năm bao, năm tư, các em có thể gặp một nghịch lý: tạo ra rất nhiều mã nguồn, nhưng lại không đọc hiểu, không sửa được và không biết khi nào chương trình sai” - thầy Tình cho hay.

Dù vậy, giải pháp không phải là cấm AI - và cũng không thể giả định sinh viên tương lai sẽ không dùng AI. Điều cần làm là dạy sinh viên dùng AI đúng lúc, đúng cách, theo lộ trình: Giai đoạn xây nền - hạn chế AI ở những bài tập nhằm kiểm tra tư duy cá nhân;  Khi nền tảng đã vững - dùng AI để sinh dữ liệu kiểm thử, giải thích lỗi, so sánh phương án, hỗ trợ lập trình; Giai đoạn chuyên sâu - AI trở thành công cụ nghề nghiệp thực thụ. Câu hỏi đánh giá lúc này là: sinh viên có biết giao việc cho AI, đánh giá kết quả và chịu trách nhiệm về sản phẩm cuối cùng không?

Giảng viên IUH tham gia khoá tập huấn “Nâng câo năng lực ứng dụng AI trong giáo dục đại học”. Ảnh IUH

Muốn dạy sinh viên dùng AI có trách nhiệm, người thầy phải hiểu AI trước. Tại IUH, giảng viên đã được tập huấn ứng dụng các công cụ AI như ChatGPT, Claude, NotebookLM, Copilot… trong giảng dạy, và nhiều giảng viên Khoa CNTT tiếp tục chia sẻ lại cho đồng nghiệp cách dùng AI hỗ trợ ra đề, chấm bài, tổng hợp tài liệu. Chương trình Khoa học dữ liệu của trường cũng đã được đối chiếu với Khung năng lực số theo Thông tư 02/2025/TT-BGDĐT, bao phủ đủ 24/24 năng lực thành phần.

“Mục tiêu không phải biến mọi môn học thành môn AI, mà để sinh viên hiểu AI, dùng được AI và quan trọng nhất là không phụ thuộc mù quáng vào AI”, thầy Tình nói.

Ba tầng năng lực của sinh viên CNTT thời AI

Từ góc nhìn đào tạo, thầy Tình hình dung năng lực của một sinh viên CNTT tương lai như một ngôi nhà ba tầng - tầng trên chỉ vững khi tầng dưới chắc:

Mô hình “ba tầng năng lực” cho sinh viên CNTT thời AI (theo giảng viên Nguyễn Hữu Tình, Khoa CNTT – IUH).

Tầng thứ ba - năng lực kỹ sư - cũng là nơi trường đại học cần “mở cửa” ra doanh nghiệp. Ở IUH, mạng lưới hơn 2.000 doanh nghiệp đối tác hỗ trợ thực tập, việc làm là nơi sinh viên được thử năng lực của mình bằng những bài toán thật, sản phẩm thật.

Đổi mới đánh giá: Đừng chỉ chấm sản phẩm cuối cùng

Nếu AI hoàn thành một bài lập trình trong vài giây, thì một đề bài kiểu “Hãy viết chương trình thực hiện X” sẽ ngày càng khó đo đúng năng lực người học. Các trường đại học vì thế cần chuyển dần từ chấm sản phẩm sang chấm cả quá trình tư duy. Sinh viên có thể được yêu cầu trình bày: Em hiểu bài toán thế nào? Chọn cách giải nào, vì sao? Em đã kiểm thử ra sao? Chương trình có những trường hợp biên nào? AI đã hỗ trợ phần nào, đã mắc lỗi gì, và em phát hiện, sửa lỗi ra sao?

Đôi khi, một cuộc trao đổi ngắn giữa thầy và trò nói lên nhiều điều hơn cả một bài nộp hoàn chỉnh. Giảng viên chỉ cần chỉ vào một dòng lệnh và hỏi: “Nếu thay dòng này thì chuyện gì xảy ra?”. Hiểu thật thì sẽ giải thích được. Còn chỉ sao chép, AI cũng không thể trả lời thay mãi mãi.

Với những chương trình đã đạt kiểm định quốc tế như AUN-QA hay ABET (Hoa Kỳ) - vốn đòi hỏi chứng minh sinh viên thực sự đạt chuẩn đầu ra - cách đánh giá này không xa lạ. Tại IUH, theo thầy Tình, tăng phần vấn đáp, yêu cầu sinh viên trình bày quá trình giải quyết vấn đề và minh bạch phần việc AI đã hỗ trợ là hướng mà giảng viên Khoa CNTT đang muốn tiếp tục thúc đẩy.

Không chạy theo AI, nhưng phải chuẩn bị cho thế giới có AI

Thông điệp mà thầy Tình muốn nhấn mạnh là: giáo dục CNTT không nên chạy theo AI bằng cách cắt giảm toán học, lập trình, cấu trúc dữ liệu hay thuật toán. Thứ cần đổi mới là cách dạy và cách đánh giá: Vẫn học lập trình - nhưng để hiểu bản chất, không chỉ nhớ cú pháp; Vẫn học thuật toán - nhưng để biết phân tích và lựa chọn, không chỉ ghi nhớ; Vẫn học toán - nhưng để biết mô hình hóa, không chỉ làm phép tính; Và chắc chắn phải học AI - như một công cụ cộng tác mạnh mẽ, chứ không phải một “máy làm bài hộ”.

Nếu trước đây, hình mẫu sinh viên CNTT giỏi là người tự mình viết được lời giải, thì trong kỷ nguyên AI, chuẩn mực ấy cần được nâng lên: hiểu bài toán đủ sâu để thiết kế lời giải, biết dùng AI để nhân sức mạnh của mình, và đủ năng lực để nhận ra khi AI sai.

“AI có thể thay đổi rất nhanh. Công cụ hôm nay có thể biến mất vào ngày mai. Nhưng một người biết tư duy, biết học và biết kiểm chứng sẽ luôn thích nghi được với công nghệ tiếp theo” - thầy Tình nhận định.

Tác giả: Hữu Tình