If you can see the future, just draw lottery, no need for PhD

In life, there are moments when difficult choices demand deep reflection. The year 2020 was especially turbulent as the COVID-19 pandemic swept in, altering every facet of my world. Decisions that year were challenging and often surprising, without clear right or wrong answers. To illustrate, I’ll share some of the pivotal choices I faced.

The first major decision was to leave my current lab and start working, which also meant moving away from my plan to study in Japan and instead pursuing corporate-sponsored international scholarships, specifically from Vingroup. Lab C, my third lab since senior year, had offered valuable experiences—I published two research papers and acquired essential skills—but I struggled with its rigid, hierarchical culture and impractical research approach. In the Eastern academic culture, there is often a strict teacher-student hierarchy where students defer almost reverently to their professors, which I found frustrating. My professor’s deference to his own advisor underscored this dynamic. Additionally, the lab’s research focus felt too theoretical, designed to generate papers rather than real-world impact. If I pursued a path in Japan, I feared I’d lose my coding skills and be locked into a cycle of publishing papers without meaningful contributions. Standing between my professor’s expectations and my own aspirations, I ultimately chose to follow my path, which felt difficult yet essential.

The second major choice was deciding where to pursue further study. In the midst of the pandemic, the U.S. suspended SAT and GRE requirements, making it an appealing option compared to Australia, Singapore, or other Asian countries.

The third decision was more complex: choosing a future research direction. Should I dive into Data Science and Machine Learning, or stick with traditional wireless communication? It was hard to predict Vietnam’s technological landscape over the next 5–7 years. While Vietnam’s market for data science seems promising, it typically focuses on application layers rather than core technology. Core tech is often imported rather than developed, and there’s limited R&D support. A data science career would likely mean working within these constraints, analyzing existing data without engaging with physical infrastructure—a low-resource path but one with heavy competition. On the other hand, advancing in wireless communication could mean developing groundbreaking prototypes, though it might limit my job prospects in Vietnam where the industry often values established solutions over innovation.

I’m still contemplating this direction and seeking advice from experts in academia and industry, though reaching them is challenging. Building a stronger network and gaining industry insight through internships abroad will be critical to understanding the broader global labor market.

Trong cuộc sống, có rất nhiều lựa chọn khó khăn buộc bạn phải đau đầu suy nghĩ tìm cách giải quyết. Năm 2020 thật sự là một năm đầy sóng gió khi Đại dịch covid hoành hành thay đổi mọi mặt đời sống của tôi. Những quyết định tôi đưa ra trong năm nay thực sự hết sức bất ngờ và khó khăn vì không có lựa chọn hoàn toàn đúng và hoàn toàn sai ở đây cả. Để làm rõ hơn về điều này, tôi sẽ kể về một số quyết định đáng nhớ trong năm 2020 này.

Thứ nhất, lựa chọn rời bỏ lab CT hiện tại và đi làm. Và rộng hơn là, rời bỏ định hướng đi du học ở Nhật và theo học bổng du học của doanh nghiệp, cụ thể là Vingroup. Để làm rõ hơn điều này, tôi xin kể về hoàn cảnh của mình lúc đó. Lab C là lab thứ 3 mà tôi apply vào năm cuối đại học khi mà tôi không đạt được thành tựu gì khi ở lab cũ (FL). Ở lab C**G, tôi đã hoàn thành công bố hai bài báo khoa học và học được nhiều kĩ năng nghiên cứu. Điều mà tôi không muốn đi theo lab này chính là cách làm việc và hướng nghiên cứu. Điều đầu tiên về văn hoá làm việc của Phương Đông chính là quan hệ trên dưới, sinh viên như những người con ngoan trò giỏi luôn đặt phía dưới người thầy, luôn luôn cực kì kính trọng và phải tôn thờ người thầy như những ông hoàng. Có thể nhìn thấy điều này ở thầy tôi và thầy của thầy tôi, ông luôn làm điều làm hài lòng thầy của ông. Điều đó đôi khi khiến tôi cảm thấy bức bối và không thích chút nào. Thứ hai là cách làm nghiên cứu không có tính thực tiễn, những nghiên cứu đó xuất bản báo thì dễ nhưng lại không có tính ứng dụng nào vào đời sống xã hội. Cũng như làm tiến sĩ giấy vậy, có được citation nhờ tự cite vào những bài của chính mình. Nếu theo định hướng sang Nhật, tôi có khả năng mất hết kĩ năng code và về xuất bản báo một cách vô nghĩa. Như một cái máy sinh báo mà sống qua ngày, không tạo nên được bất kì sự đột biến nào trong thế giới. Vậy nên, quyết định bỏ định hướng sang Nhật thực sự rất khó khăn, đứng trước một bên là sự nể thầy một bên là cuộc đời chính mình, tôi đã chọn làm vì chính bản thân mình chứ không sống để làm vừa lòng người khác. Nghe điều này có thể cảm thấy ích kỷ nhưng thực sự thì, người không vì mình trời tru đất diệt. Lúc bấy giờ, thực sự rất khó khăn khi mở lời xin ra khỏi lab theo vingroup vì tính tôi lúc bấy giờ rất hiền và tôn trọng bề trên.

Thứ hai, quyết định sang Mỹ, Âu mà không lưạ chọn Úc, Sing hay châu Á. Dễ hiểu vì lúc bấy giờ là giữa đại dịch covid, Mỹ huỷ các bài thi SAT GRE nên tôi có thể apply dễ dàng mà không cần phải mất công thi.

Thứ ba là quyết định chọn hướng nghiên cứu sau này Data science & Machine learning hay theo wireless communication truyền thống bây giờ. Rất khó để biết trong 5-7 năm tới thế giới và đặc biệt là Việt Nam sẽ phát triển ra sao và đi theo hướng nào. Ở đây đặt ra một bài toán khó khăn khi mà hiện tại Việt Nam chỉ làm được các phần về data, application layer ở lớp trên, kiểu đi làm outsource chứ không thể không thể phát triển công nghệ lõi. Công nghệ lõi thường được chuyển giao hoặc nhập khẩu rồi bắt chước làm lại chứ không có team phát triển R&D. Tất cả những công nghệ mới trên thế giới đều sinh ra ở Phương Tây, Trung Quốc,… rồi được nhập lại rồi bắt chước. Tất nhiên điều này là tốt đổi với một nước như Việt Nam. Chính vì thế, nếu theo hướng Data science & machine learning thì trường lao động ở Việt Nam sẽ rộng mở hơn trong 5-7 năm tới (Tôi đoán thế dựa vào sự phát triển hiện tại) tức là mình chỉ xử lý thông tin dựa trên những phân cứng có sẵn, không điều chỉnh, không động tới được lớp physical layer, nhưng cũng chính vì điều này, nếu khởi nghiệp tôi sẽ cần ít tài nguyên phân cứng hơn nhưng lại cạnh tranh khá mạnh với rất nhiều người làm trong lĩnh vực này. Nói thẳng ra là tôi sẽ giải quyết các bài toán có sẵn, và cải thiện chúng. USC có vẻ rất balance trong apply ML vào xử lý các vấn đề wireless com. Mặt khác, nếu theo đuổi đến cùng wireless cơm tôi sẽ có cơ hội phát triển prototype, những sản phẩm mới những thứ tạo nên sức đột phá nhưng đi cùng với những rủi ro tìm việc làm ở Việt Nam vì tôi buộc phải về VN để làm cho Vin sau 5-7 năm đi học. Điều này thực sự rủi ro, khi VN bây h chỉ cần những người làm trên nền tảng có sẵn chữ không tạo ra cái mới. Hiện tại tôi vẫn chưa đưa ra được câu trả lời, và đang cần xin ý kiến của những người có tầm nhìn như các thầy ở HUST, các lead team trong doanh nghiệp, contact với họ cũng khá khó khăn vì connection trong doanh nghiệp của tôi hơi yếu. Điều này tôi nên tự cái thiện khi đi du học, take intership nhiều trong hè để hiểu thêm về thì trường lao động thế giới.