Bài luận khách mời của Anthropic kêu gọi AI đưa ra các phân bố mô hình khoa học

Ngày 6 tháng 11 năm 2026, Anthropic đăng một bài luận nghiên cứu khách mời, trong đó các nhà nghiên cứu nhận tài trợ từ chương trình AI for Science là Jakob Macke, Daniel Gedon và Stefan Wahl lập luận rằng các tác tử LLM nên đưa ra những phân bố có trọng số của các mô hình khoa học khả dĩ, thay vì chỉ đưa ra một mô hình khớp dữ liệu tốt nhất. Các tác giả là nhà nghiên cứu tại ELLIS Institute Tübingen và University of Tübingen.

Điểm phân biệt cốt lõi mà họ nêu ra là giữa việc tái tạo các quan sát và việc thấu hiểu một hệ thống. Nhiều cách thiết lập tham số có thể tạo ra kết quả tương đương, và những cấu trúc phương trình khác nhau có thể giải thích cùng một số đo. Vì vậy, một tác tử chỉ đưa ra một câu trả lời thỏa đáng sẽ che khuất những phương án khác, vốn có thể ủng hộ các cơ chế hoặc dự đoán khác nhau.

Xây dựng, ràng buộc và diễn giải mô hình

Bài luận chia quá trình mô hình hóa khoa học thành ba bước lặp lại: xây dựng các thành phần và phương trình của mô hình, ràng buộc các tham số có thể điều chỉnh bằng số đo, rồi diễn giải kết quả cho biết điều gì về hệ thống thực. Ví dụ lịch sử được nêu là mô hình tế bào thần kinh của Hodgkin và Huxley. Hai nhà khoa học chọn một số hạng lũy thừa bậc bốn vì các phiên bản đơn giản hơn khớp với dữ liệu của họ kém hơn, trong khi Huxley mất hơn ba tuần giải các phương trình bằng máy tính quay tay sau khi máy tính của Đại học Cambridge ngừng hoạt động vào năm 1951.

Điều quan trọng chính là quá trình loại bỏ các phương án thay thế ấy. Số hạng lũy thừa bậc bốn củng cố giả thuyết về một số bộ phận chuyển động trong cổng màng; nếu không biết các lũy thừa thấp hơn đều thất bại, riêng độ khớp số liệu sẽ không đủ căn cứ để đưa ra cách diễn giải đó. Các tác giả dùng ví dụ này để xác định một tiêu chuẩn cho AI: bảo toàn những gì quá trình mô hình hóa cho thấy, bao gồm cả các phương án không thành công và những điểm chưa chắc chắn còn lại.

Từ phân bố tham số đến phân bố mô hình

Suy luận Bayes giải quyết vấn đề ở cấp độ tham số bằng cách biểu diễn các cách thiết lập khả dĩ dưới dạng một phân bố xác suất, dựa trên độ khớp với dữ liệu và kiến thức tiên nghiệm. Các phép tính hợp lý thông thường thường không khả thi với những bộ mô phỏng cơ chế: bài tổng quan năm 2020 trên PNAS giải thích rằng hàm hợp lý tích phân ngầm trên mọi đường thực thi có thể có của bộ mô phỏng.

Thay vào đó, suy luận dựa trên mô phỏng lấy mẫu các tham số, chạy bộ mô phỏng rồi huấn luyện một bộ ước lượng mạng nơ-ron trên các đầu ra tổng hợp. Phương pháp SNPE cần một mô hình có thể chạy được, các ràng buộc tiên nghiệm đối với tham số và dữ liệu quan sát hoặc các đặc trưng tóm tắt; phương pháp này không cần tính hàm hợp lý hay mã mô hình khả vi. Trong thí nghiệm mô phỏng Hodgkin-Huxley, một vòng lặp sử dụng 100,000 mô phỏng để ước lượng tám tham số sinh lý từ bảy đặc trưng điện thế. Việc bổ sung đặc trưng thu hẹp phân bố hậu nghiệm và cho thấy các quan sát ràng buộc từng tham số mạnh hay yếu đến mức nào. Sau giai đoạn mô phỏng và huấn luyện ban đầu, mô hình thay thế đã học có thể đánh giá dữ liệu mới một cách hiệu quả.

Bài luận mở rộng lập luận này từ tham số sang cấu trúc mô hình. Một tác tử LLM có thể viết mã cho các bộ mô phỏng ứng viên, chạy chúng, ràng buộc tham số, so sánh đầu ra với các quan sát rồi điều chỉnh lại phương trình. Các lần chạy riêng biệt có thể tạo ra những cấu trúc khác nhau nhưng đều thỏa đáng; vì vậy, đầu ra được đề xuất là một tập hợp có trọng số: các phương án nhận được trọng số tùy theo mức độ được dữ liệu ủng hộ, những mô hình khớp dữ liệu quá linh hoạt được đánh giá thấp hơn, còn các phương án mạnh hơn được dùng làm cơ sở để tạo thêm biến thể. Những đặc điểm chung giữa các mô hình còn lại cho biết bằng chứng nghiêng về điều gì, trong khi những điểm bất đồng chỉ ra nơi bằng chứng còn yếu và những thí nghiệm tiếp theo có thể thực hiện.

ModelSMC tìm kiếm trên các mô hình có thể thực thi

Trong bài báo ModelSMC năm 2026 trước đó, Wahl và các đồng nghiệp, trong đó có Macke và Gedon, đã chính thức hóa cách tiếp cận này thành suy luận xác suất trên các chương trình bộ mô phỏng có thể thực thi. Mỗi ứng viên là một hạt, do LLM đề xuất hoặc tinh chỉnh dựa trên các bản triển khai từ trước, phản hồi đánh giá và ngữ cảnh nhiệm vụ. Việc gán trọng số dựa trên hàm hợp lý và lấy mẫu lại giúp tập hợp tập trung vào các cấu trúc triển vọng, trong khi các tham số được lấy tích phân biên trong quá trình khám phá thay vì bị rút gọn thành một ước lượng tối ưu duy nhất cho mỗi cấu trúc. Công trình ghi nhận khoản tín dụng API thông qua chương trình AI for Science của Anthropic, ra mắt ngày 5 tháng 5 năm 2025 dành cho các nhà nghiên cứu được tuyển chọn có liên kết với các cơ sở, đặc biệt tập trung vào sinh học và khoa học sự sống.

Các thí nghiệm bao gồm động lực học dịch tễ học tổng hợp, một bộ mô phỏng điều hòa aldosterone ở thận và một nhiệm vụ khám phá cấu trúc Hodgkin-Huxley sử dụng 10 bản ghi điện thế thực. Các tác giả cho biết những mô hình khoa học thần kinh có trọng số cao liên tục bổ sung dòng kali chậm loại M, đôi khi cùng với một kênh khác, và họ của các mô hình này đứng đầu trong chín trên 10 lần chạy. Xét tổng thể, hiệu suất định lượng tương đương với FunSearch+ và một biến thể một hạt khi ngân sách tương đương; lợi thế được nêu là khả năng phân tích hậu nghiệm các họ mô hình, chứ không phải ưu thế hiệu suất đồng đều.

Diễn giải và kiểm chứng

Các chi phí và yêu cầu phụ thuộc được ghi nhận của ModelSMC cũng quan trọng không kém kết quả đạt được. Mô phỏng lặp lại và ước lượng hàm hợp lý tốn nhiều tài nguyên tính toán, hàm hợp lý thay thế có thể gây sai lệch khi mô hình bị đặc tả sai, còn quá trình khám phá phụ thuộc vào việc LLM có đề xuất được các cấu trúc hữu ích hay không. Bài luận khách mời nêu thêm một lưu ý rộng hơn: các hệ thống này phần lớn mới được thử nghiệm trong việc tái khám phá những mô hình đã biết, còn bằng chứng về khả năng áp dụng chúng vào các vấn đề khoa học chưa có lời giải đã biết thì rất ít.

Các tác giả cho rằng diễn giải là bước khó giao phó nhất, vì độ khớp dữ liệu có thể đo lường được, còn việc nâng cao hiểu biết thì không có mục tiêu nào rõ ràng tương đương. Sự đồng thuận giữa các mô hình khớp dữ liệu sau khi hệ thống bị tác động sẽ củng cố một dự đoán, trong khi bất đồng cho thấy những cơ chế chưa được làm sáng tỏ và có thể định hướng thí nghiệm tiếp theo. Yêu cầu này càng trở nên quan trọng nếu AI làm giảm áp lực lâu nay phải xây dựng các mô hình gọn nhẹ, dễ hiểu đối với con người, bởi mô hình càng lớn thì càng cần trình bày rõ mức độ bất định và tóm tắt ngắn gọn các cơ chế.

Vì vậy, tiêu chuẩn mà các tác giả đặt ra vượt xa yêu cầu về một mô hình khớp dữ liệu: hệ thống AI cần ghi lại bằng chứng làm cơ sở cho câu trả lời, bao gồm các phép đo xác định từng thành phần, những phương án đã bị loại, những điểm bất định còn bỏ ngỏ và các câu hỏi nảy sinh trong quá trình tìm kiếm. Với nền tảng kiểm chứng còn hạn chế đó, câu hỏi then chốt là liệu việc lưu giữ các phân bố mô hình cùng lịch sử những phương án thay thế đã bị bác bỏ có giúp tạo ra hiểu biết về các vấn đề khoa học thực sự chưa có lời giải hay không.