Trí tuệ nhân tạo sinh (Generative AI) đang thay đổi cách các ý tưởng khoa học bắt đầu

Trong hầu hết thời gian của khoa học hiện đại, các giai đoạn đầu của một ý tưởng nghiên cứu chủ yếu là vô hình.

Một nhà nghiên cứu nhận thấy một bất thường, kết nối hai khái niệm, đặt câu hỏi về một giả định đã được thiết lập, hoặc xác định một khoảng trống trong tài liệu. Ý tưởng đó được tinh chỉnh riêng trước khi được kiểm tra thông qua các cuộc trò chuyện với người giám sát, đồng nghiệp, người đánh giá và cơ quan tài trợ.

Trí tuệ nhân tạo sinh (Generative AI) đang chen vào chuỗi đó.

Nhà nghiên cứu có thể trình bày một ý tưởng chưa hoàn chỉnh cho một mô hình ngôn ngữ lớn trước khi thảo luận về nó với một người khác. Họ có thể yêu cầu hệ thống tạo ra các giả thuyết, thách thức các giả định, xác định các lĩnh vực lân cận hoặc chuyển đổi một trực giác thành một đề xuất hợp lý hơn.

Điều này có thể xuất hiện như một cải tiến về năng suất khác.

Trí tuệ nhân tạo sinh đang tạo ra một lớp trung gian mới giữa tư duy riêng và phán quyết khoa học của con người. Lớp đó có thể thay đổi cách các ý tưởng được hình thành, ai nhận được sự hỗ trợ trí tuệ sớm, cách các nhà nghiên cứu được đào tạo và nơi chuyên môn tạo ra giá trị.

Một nghiên cứu năm 2026 ¹ được công bố trên tạp chí Research Policy cung cấp bằng chứng rằng sự chuyển đổi này đã được phân phối không đồng đều. Các nhà nghiên cứu ít kinh nghiệm hơn có nhiều khả năng kết hợp các đề xuất được tạo bởi AI và coi các ý tưởng kết quả là mới hoặc có tác động. Các nhà nghiên cứu có kinh nghiệm hơn có nhiều khả năng coi các đề xuất đó là rõ ràng, không đủ tiên tiến hoặc chỉ là một công cụ khác.

Kết quả chỉ ra một sự thay đổi lớn hơn trong công việc khoa học.

Khi AI làm cho việc tạo ra ý tưởng trở nên dồi dào, khả năng khan hiếm có thể không còn là việc tạo ra các khả năng. Nó có thể là việc biết哪 các khả năng xứng đáng được tồn tại.

Trí tuệ nhân tạo đang thay đổi chuỗi tư duy khoa học

Nghiên cứu của Matthias Trobinger, Anil R. Doshi và Sen Chai đã kiểm tra cách các nhà nghiên cứu phản ứng khi trí tuệ nhân tạo đề xuất các hướng nghiên cứu mới dựa trên công việc trước đây của họ.

Trong một thí nghiệm ngẫu nhiên liên quan đến 310 nhà nghiên cứu, các tham gia đã nhận được không có đề xuất AI nhìn thấy, một đề xuất được tạo bởi AI hoặc ba đề xuất được tạo bởi AI. Một nghiên cứu tiếp theo với 28 nhà nghiên cứu đã khám phá cách họ sử dụng AI tương tác trong giai đoạn đầu của ý tưởng.

Kết quả cho thấy AI đã ảnh hưởng đến nội dung của các ý tưởng mà các nhà nghiên cứu đã tạo ra.

Tuy nhiên, kinh nghiệm đã điều chỉnh mạnh mẽ ảnh hưởng đó.

Các nhà nghiên cứu ít kinh nghiệm hơn có nhiều khả năng kết hợp các đề xuất của AI, giải thích chúng là mới và coi các ý tưởng kết quả là có tác động. Các nhà nghiên cứu có kinh nghiệm hơn ít bị ảnh hưởng và thường tin rằng các hướng được đề xuất đã được xem xét trước, không đủ tham vọng hoặc thiếu bối cảnh cần thiết để xác định một vấn đề nghiên cứu真正 có giá trị.

Áp dụng quan trọng nhất không phải là một nhóm tin tưởng AI và nhóm khác không.

Điều đó là trí tuệ nhân tạo dường như đang di chuyển phản hồi khoa học sớm hơn trong quá trình.

Trước đây, các nhà nghiên cứu thường phải quyết định liệu một ý tưởng có đủ hợp lý để trình bày cho một người khác. AI giảm đáng kể ngưỡng đó.

Nó cho phép một nhà nghiên cứu thể hiện một ý tưởng trong khi nó vẫn chưa hoàn chỉnh, mâu thuẫn hoặc không được thể hiện rõ ràng.

Điều đó tạo ra một quy trình làm việc cơ bản khác.

Sự gián đoạn thực sự là Trí tuệ nhân tạo tiền giám sát

Các nhà nghiên cứu giai đoạn đầu thường phải đối mặt với một bất lợi cấu trúc có ít liên quan đến trí tuệ hoặc nỗ lực. Họ có mạng lưới chuyên môn nhỏ hơn, ít tự tin khi tiếp cận các chuyên gia thành lập, và ít kinh nghiệm tích lũy hơn trong việc chuyển đổi các câu hỏi mơ hồ thành dự án có thể bảo vệ được.

Trí tuệ nhân tạo sinh một phần bù đắp cho bất lợi đó.

Nó cung cấp thảo luận sơ bộ theo yêu cầu mà không có hạn chế về lịch trình, áp lực xã hội hoặc rủi ro về danh tiếng.

Điều đó tạo ra một lớp có thể được mô tả là tiền giám sát.

AI không thay thế người giám sát. Thay vào đó, nó thay đổi những gì đến được người giám sát.

Sự khác biệt đó có những ý nghĩa quan trọng đối với các tổ chức nghiên cứu. Nếu các nhà nghiên cứu bắt đầu gửi các đề xuất được phát triển hơn, các nhà khoa học cấp cao có thể dành ít thời gian hơn để giúp hình thành các câu hỏi cơ bản và nhiều thời gian hơn để đánh giá tầm quan trọng chiến lược, độ nghiêm ngặt phương pháp và phân bổ tài nguyên.

Trong lý thuyết, điều này có thể cải thiện hiệu quả của việc tư vấn. Các nhà nghiên cứu có kinh nghiệm có thể tập trung sự chú ý hạn chế của họ vào sự phán xét có giá trị hơn thay vì cấu trúc sơ bộ.

Tuy nhiên, nó cũng có thể che giấu các điểm yếu.

Một đề xuất được hỗ trợ bởi AI có thể tạo ra sự xuất hiện của sự trưởng thành trí tuệ mà không có các kỹ năng lý luận cơ bản thường được phát triển thông qua quá trình xây dựng nó. Các nhà giám sát có thể nhận được các ý tưởng được trình bày tốt hơn trong khi có ít khả năng nhìn thấy làm thế nào nhà nghiên cứu hiểu chúng.

Kết quả có thể là một khoảng cách mới giữa chất lượng đề xuất và khả năng của nhà nghiên cứu.

Chuyên môn có thể thay đổi từ tạo ra sang từ chối

Trí tuệ nhân tạo sinh làm giảm đáng kể chi phí sản xuất các lựa chọn.

Điều đó thay đổi chức năng của chuyên môn.

Khi các hướng có thể có chi phí cao để tạo ra, việc tạo ra một ý tưởng mạnh là một khả năng định nghĩa. Khi các khả năng có thể được tạo ra gần như không giới hạn, khả năng có giá trị hơn trở thành từ chối.

Các nhà nghiên cứu có kinh nghiệm trong nghiên cứu thường xuyên bác bỏ các đề xuất của AI không phải vì chúng không hợp lý, mà vì chúng không đủ quan trọng. Các ý tưởng đôi khi là các mở rộng logic của công việc trước đây, nhưng vẫn không vượt qua ngưỡng của việc đáng được theo đuổi.

Điều đó phản ánh một hình thức chuyên môn mà các hệ thống AI hiện tại khó tái tạo.

Các nhà nghiên cứu cấp cao thường biết:

• Các câu hỏi nào đã được khám phá không chính thức nhưng chưa được công bố.
• Các dự án nào hấp dẫn về mặt lý thuyết nhưng không thể thực hiện được về mặt hoạt động.
• Các phương pháp nào sẽ thất bại dưới các ràng buộc của thế giới thực.
• Các phát hiện nào sẽ có giá trị về mặt kỹ thuật nhưng không quan trọng về mặt khoa học.
• Các lĩnh vực nghiên cứu nào dường như mở chỉ vì công việc liên quan đang được tiến hành nhưng chưa được công bố.
• Các câu hỏi nào không thể sống sót sau quá trình đánh giá của đồng nghiệp hoặc thu hút tài trợ.

Nhiều kiến thức này là ngầm định. Nó tồn tại trong các mạng lưới chuyên môn, các thí nghiệm thất bại, các cuộc thảo luận tại hội nghị, các đề xuất tài trợ bị bỏ rơi, các bình luận của người đánh giá và nhiều năm tiếp xúc với lĩnh vực.

Ngay cả một mô hình ngôn ngữ lớn với quyền truy cập rộng rãi vào nghiên cứu đã công bố cũng có thể tạo ra một hướng đi hợp lý trong khi thiếu kiến thức ngầm và không được công bố giải thích tại sao nó không được theo đuổi.

Điều đó cho thấy vai trò tương lai của các nhà nghiên cứu cấp cao có thể trở nên ngày càng giống với vai trò của các nhà quản lý danh mục đầu tư. Giá trị của họ sẽ không chỉ nằm ở việc tạo ra ý tưởng, mà còn ở việc phân bổ sự chú ý và tài nguyên giữa một nguồn cung cấp ngày càng tăng các khả năng được tạo ra bởi AI.

Trí tuệ nhân tạo có thể làm phẳng quyền truy cập trong khi mở rộng khoảng cách phán xét

Trí tuệ nhân tạo sinh thường được mô tả là một công nghệ dân chủ hóa vì nó cung cấp cho nhiều người hơn khả năng trước đây chỉ liên quan đến các chuyên gia.

Điều đó một phần đúng trong khoa học.

Các nhà nghiên cứu không có mạng lưới tinh hoa hoặc giám sát viên có sẵn cao có thể hiện tại có thể truy cập vào việc não bộ hóa, giải thích, tổng hợp và phê bình ngay lập tức. Điều này có thể giúp các nhà nghiên cứu tại các tổ chức nhỏ hơn, trong các khu vực bị tài trợ thấp hoặc ngoài các mạng lưới học thuật thống trị xây dựng dự án mạnh hơn.

Tuy nhiên, quyền truy cập bình đẳng vào AI không tạo ra kết quả bình đẳng, tạo ra một nghịch lý có thể: AI có thể thu hẹp khoảng cách trong sản xuất ý tưởng trong khi mở rộng tầm quan trọng của kỹ năng đánh giá.

Các nhà nghiên cứu bị ảnh hưởng nhiều nhất bởi các đề xuất được tạo bởi AI cũng có thể là những người ít được trang bị để xác định các hạn chế của chúng. Trong khi đó, những người được đặt để đánh giá các đề xuất đó có thể nhận thấy ít giá trị ngay lập tức khi sử dụng chúng.

Kết quả có thể là một hình thức bất bình đẳng mới trong công việc khoa học: không phải là sự bất bình đẳng trong việc tiếp cận ý tưởng, mà là sự bất bình đẳng trong khả năng lọc chúng.

Vấn đề về văn hóa thống trị khoa học

Có một rủi ro khác vượt ra ngoài các nhà nghiên cứu cá nhân.

Các mô hình ngôn ngữ lớn tạo ra đầu ra bằng cách học các mẫu từ tài liệu hiện có. Nếu nhiều nhà nghiên cứu sử dụng các mô hình tương tự để tạo ra câu hỏi nghiên cứu, họ có thể nhận được các đề xuất chồng chéo – tạo ra một hình thức hội tụ khoa học mà mở rộng số lượng ý tưởng trong khi giảm đa dạng trí tuệ.

Individually, mỗi đề xuất có thể xuất hiện mới.

Collectively, hệ thống có thể tập trung sự chú ý vào cùng các phương pháp, biến và khuôn khổ lý thuyết.

Nghiên cứu không trực tiếp chứng minh kết quả hệ thống này. Tuy nhiên, các phát hiện của nó làm cho khả năng đó trở nên đáng tin cậy hơn. Các nhà nghiên cứu ít kinh nghiệm hơn có nhiều khả năng kết hợp các đề xuất của AI, và các nhà nghiên cứu giai đoạn đầu đại diện cho một phần lớn sản xuất khoa học trong tương lai.

Nếu AI trở thành một trung gian trong các giai đoạn hình thành của sự nghiệp của họ, các mô hình có thể ảnh hưởng không chỉ đến các dự án cá nhân mà còn đến ranh giới của những gì các nhà nghiên cứu mới nổi coi là đáng được nghiên cứu.

Nghiên cứu AI nên được thiết kế như một đối thủ

Hầu hết các sản phẩm AI tạo sinh được tối ưu hóa để hữu ích. Chúng trả lời các câu hỏi, mở rộng ý tưởng và tạo ra đầu ra được đánh bóng.

Sự hình thành ý tưởng khoa học có thể yêu cầu một triết lý thiết kế khác.

Trợ lý nghiên cứu có giá trị nhất có thể không phải là hệ thống tạo ra đề xuất thuyết phục nhất. Nó có thể là hệ thống cố gắng phá hủy nó.

Một AI tập trung vào nghiên cứu nên hoạt động trong một số chế độ:

Trình tạo giả thuyết

Hệ thống nên đề xuất các giải thích cạnh tranh thay vì một hướng được ưu tiên duy nhất. Nó nên thay đổi các giả định, khuôn khổ lý thuyết và phương pháp tiếp cận.

Người đánh giá đối thủ

Nó nên xác định lý do tại sao một đề xuất có thể là tầm thường, không thể thực hiện được, đã được khám phá hoặc không có khả năng tạo ra bằng chứng có ý nghĩa.

Kiểm toán tính mới

Nó nên lấy các bài báo hiện tại, bản in trước, bằng sáng chế, thử nghiệm lâm sàng, cơ sở dữ liệu tài trợ và kỷ yếu hội nghị để xác định xem ý tưởng có thực sự chưa được khám phá hay không.

Trình mô phỏng ràng buộc

Nó nên kiểm tra đề xuất chống lại các hạn chế thực tế như truy cập mẫu, yêu cầu thiết bị, chi phí, thời gian, phê duyệt quy định và khả năng sẵn có của dữ liệu.

Trình theo dõi nguồn gốc

Nó nên ghi lại các yếu tố nào xuất phát từ nhà nghiên cứu, tài liệu được lấy, cộng tác viên bên ngoài hoặc đề xuất được tạo bởi mô hình.

Động cơ phân kỳ

Nó nên tìm kiếm có chủ đích bên ngoài tài liệu thống trị và trình bày các tương tự từ các lĩnh vực xa hơn thay vì liên tục củng cố con đường thống kê có khả năng nhất.

Điều này sẽ tái định vị AI từ một nhà máy ý tưởng tự động sang một hệ thống kiểm tra trí tuệ.

Các trường đại học có thể cần phải suy nghĩ lại cách đào tạo các nhà nghiên cứu

Sự xuất hiện của ý tưởng hỗ trợ AI tạo ra một vấn đề đào tạo.

Giáo dục khoa học đã truyền thống giả định rằng các nhà nghiên cứu phát triển sự phán xét thông qua việc tiếp xúc lặp lại với sự không chắc chắn. Họ học bằng cách tạo ra các ý tưởng yếu, hiểu lầm tài liệu, nhận được sự chỉ trích, sửa đổi các giả định và khám phá tại sao các hướng dường như đầy hứa hẹn lại thất bại.

AI có thể loại bỏ một số ma sát đó.

Loại bỏ ma sát không cần thiết là có lợi. Loại bỏ ma sát phát triển có thể không phải là như vậy.

Nếu các nhà nghiên cứu trẻ phụ thuộc vào AI để cấu trúc mọi ý tưởng sớm, họ có thể tạo ra đầu ra ngắn hạn mạnh hơn trong khi tích lũy ít kinh nghiệm độc lập trong việc xây dựng vấn đề.

Các trường đại học nên tránh định khung chính sách AI như một lựa chọn nhị phân giữa cho phép và cấm. Câu hỏi quan trọng hơn là làm thế nào sử dụng AI nên được tích hợp vào sự phát triển của chuyên môn.

Các yêu cầu có thể bao gồm:

• Nhà nghiên cứu phải chỉ trích một đề xuất được tạo bởi AI trước khi áp dụng nó.
• Các ý tưởng hỗ trợ AI phải được so sánh với các lựa chọn thay thế được tạo độc lập.
• Người học phải ghi lại lý do tại sao các đề xuất cụ thể của AI bị từ chối.
• Giám sát viên nên đánh giá quá trình lý luận, không chỉ đề xuất cuối cùng.
• Các khóa học về phương pháp nghiên cứu nên bao gồm các bài tập hiệu chỉnh sử dụng đầu ra AI có thể nhưng có lỗi.

Mục tiêu sẽ không phải là để bảo tồn một mô hình nghiên cứu nhân tạo không có AI. Nó sẽ là để đảm bảo rằng AI tăng tốc sự phát triển của các nhà nghiên cứu thay vì thay thế cho nó.

Kết luận

Trí tuệ nhân tạo sinh không chỉ giúp các nhà khoa học tạo ra nhiều ý tưởng hơn. Nó đang thay đổi khi ý tưởng trở nên xã hội, ai nhận được sự hỗ trợ trí tuệ sớm và nơi chuyên môn tạo ra giá trị.

Đối với các nhà nghiên cứu sớm trong sự nghiệp của họ, AI có thể hoạt động như một cộng tác viên sơ bộ luôn có sẵn. Nó có thể giảm chi phí xã hội của việc trình bày các ý tưởng chưa hoàn chỉnh và giúp biến các trực giác thành các đề xuất sẵn sàng cho thảo luận của con người.

Đối với các nhà nghiên cứu có kinh nghiệm, giá trị có thể nằm ở nơi khác. Ưu thế của họ ngày càng dựa vào việc nhận ra các ý tưởng nào không quan trọng, các dự án nào là không thể thực hiện được và các khoảng trống nào không phải là khoảng trống.

Điều đó cho thấy một sự phân chia lao động mới trong khoa học.

AI sẽ làm cho các khả năng nghiên cứu trở nên dồi dào. Chuyên môn của con người sẽ quyết định các khả năng nào xứng đáng được thời gian, tài trợ và sự chú ý.

Các tổ chức được hưởng lợi nhiều nhất sẽ không phải là những tổ chức triển khai AI để tạo ra số lượng ý tưởng lớn nhất. Họ sẽ là những tổ chức xây dựng các hệ thống mạnh nhất cho việc phê bình, lựa chọn, nguồn gốc và đa dạng trí tuệ.

Tương lai của khoa học hỗ trợ AI sẽ phụ thuộc ít hơn vào việc liệu máy móc có thể đề xuất câu hỏi nghiên cứu và nhiều hơn vào việc liệu con người có bảo tồn khả năng từ chối những ý tưởng sai lầm hay không.

Những câu hỏi và nhiều hơn về việc liệu con người có bảo tồn khả năng từ chối những ý tưởng sai lầm hay không. Tài liệu tham khảo:

^{1. M. Trobinger, A. R. Doshi, và S. Chai, Cách thức kinh nghiệm điều tiết tác động của các đề xuất AI đối với nhận thức của nhà nghiên cứu về ý tưởng của họ, Research Policy 55 (2026) 105575, https://www.nist.gov/itl/ai-risk-management-framework}