Trợ lý khoa học mới của Google “Co-Scientist” nhằm tăng tốc khám phá khoa học

Hãy tưởng tượng một đối tác nghiên cứu đã đọc mọi bài báo khoa học bạn có, không ngừng nghĩ ra các thí nghiệm mới suốt ngày đêm. Google đang cố gắng biến tầm nhìn này thành hiện thực với một hệ thống AI mới được thiết kế để hoạt động như một “đồng nghiệp khoa học”.

Trợ lý AI này có thể sàng lọc qua các thư viện nghiên cứu khổng lồ, đề xuất các giả thuyết mới và thậm chí phác thảo kế hoạch thí nghiệm – tất cả đều hợp tác với các nhà nghiên cứu con người. Công cụ mới nhất của Google, được thử nghiệm tại Đại học Stanford và Đại học Imperial London, sử dụng lý luận tiên tiến để giúp các nhà khoa học tổng hợp các lượng lớn tài liệu và tạo ra các ý tưởng mới.

Mục tiêu là tăng tốc các đột phá khoa học bằng cách tạo ra ý nghĩa từ tình trạng quá tải thông tin và đề xuất những hiểu biết mà con người có thể bỏ lỡ.

“Đồng nghiệp khoa học” này, như Google gọi nó, không phải là một robot vật lý trong phòng thí nghiệm, mà là một hệ thống phần mềm tinh vi. Nó được xây dựng trên các mô hình AI mới nhất của Google (đáng chú ý là mô hình Gemini 2.0) và phản ánh cách các nhà khoa học nghĩ – từ việc suy nghĩ đến việc批 đánh giá ý tưởng.

Thay vì chỉ tóm tắt các sự kiện đã biết hoặc tìm kiếm các bài báo, hệ thống này được thiết kế để khám phá kiến thức nguyên bản và đề xuất các giả thuyết thực sự mới dựa trên bằng chứng hiện có. Nói cách khác, nó không chỉ tìm kiếm câu trả lời cho các câu hỏi – nó giúp tạo ra các câu hỏi mới để hỏi.

Google và đơn vị AI của nó, DeepMind, đã ưu tiên các ứng dụng khoa học cho AI, sau khi chứng minh thành công như AlphaFold, đã sử dụng AI để giải quyết câu đố 50 năm về gấp protein. Với “đồng nghiệp khoa học”, họ hy vọng sẽ “tăng tốc độ khám phá” trong các lĩnh vực từ sinh học y học đến vật lý.

Trợ lý khoa học mới của Google (Google)

Làm thế nào một “Đồng nghiệp khoa học” hoạt động

Dưới bề mặt, “đồng nghiệp khoa học” của Google thực sự bao gồm nhiều chương trình AI chuyên dụng – hãy nghĩ về chúng như một đội các trợ lý nghiên cứu siêu nhanh, mỗi người có một vai trò cụ thể. Những tác nhân AI này làm việc cùng nhau trong một đường ống mà mô phỏng phương pháp khoa học: một người tạo ra ý tưởng, những người khác đánh giá và tinh chỉnh chúng, và những ý tưởng tốt nhất được chuyển đến nhà khoa học con người.

Theo nhóm nghiên cứu của Google, đây là cách quá trình diễn ra:

• Trợ lý tạo ý tưởng – khai thác nghiên cứu liên quan và tổng hợp các phát hiện hiện có để đề xuất các hướng đi mới hoặc giả thuyết.
• Trợ lý phản ánh – đóng vai trò như một người đánh giá đồng nghiệp, kiểm tra độ chính xác, chất lượng và tính mới của các giả thuyết được đề xuất và loại bỏ các ý tưởng bị lỗi.
• Trợ lý xếp hạng – tiến hành một “giải đấu” của các ý tưởng, hiệu quả là có các giả thuyết cạnh tranh trong các cuộc tranh luận mô phỏng, và sau đó xếp hạng chúng dựa trên những ý tưởng nào dường như có triển vọng nhất.
• Trợ lý gần gũi – nhóm các giả thuyết tương tự lại với nhau và loại bỏ các bản sao để nhà nghiên cứu không phải xem xét các ý tưởng lặp đi lặp lại.
• Trợ lý tiến hóa – lấy các giả thuyết hàng đầu và tinh chỉnh chúng thêm, sử dụng các mối tương quan hoặc đơn giản hóa các khái niệm để làm cho các đề xuất rõ ràng hơn.
• Trợ lý đánh giá siêu – cuối cùng biên soạn các ý tưởng tốt nhất thành một đề xuất nghiên cứu hoặc tổng quan hợp lý cho nhà khoa học con người để xem xét.

Điều quan trọng là nhà khoa học con người vẫn ở trong vòng lặp tại mọi giai đoạn. “Đồng nghiệp khoa học” không hoạt động độc lập hoặc đưa ra quyết định cuối cùng. Các nhà nghiên cứu bắt đầu bằng cách nhập một mục tiêu nghiên cứu hoặc câu hỏi bằng ngôn ngữ tự nhiên – ví dụ, một mục tiêu để tìm ra các chiến lược mới để điều trị một căn bệnh nhất định – cùng với bất kỳ hạn chế hoặc ý tưởng ban đầu nào họ có. Hệ thống AI sau đó sẽ đi qua chu kỳ trên để tạo ra các đề xuất.

Google đã xây dựng hệ thống để “được thiết kế cho sự hợp tác”, có nghĩa là các nhà khoa học có thể chèn ý tưởng hoặc đánh giá của riêng họ vào quá trình của AI. AI thậm chí có thể sử dụng các công cụ bên ngoài như tìm kiếm web và các mô hình chuyên dụng khác để kiểm tra lại các sự kiện hoặc thu thập dữ liệu khi nó hoạt động, đảm bảo rằng các giả thuyết của nó được dựa trên thông tin cập nhật.

Các tác nhân của “đồng nghiệp khoa học” (Google)

Con đường nhanh hơn đến các đột phá

Bằng cách外 nguồn một số công việc nghiên cứu nhàm chán – xem xét tài liệu và suy nghĩ ban đầu – cho một máy không biết mệt, các nhà khoa học hy vọng sẽ tăng tốc đáng kể việc khám phá. “Đồng nghiệp khoa học” có thể đọc nhiều bài báo hơn bất kỳ con người nào, và nó không bao giờ hết các ý tưởng mới để thử.

“Nó có tiềm năng tăng tốc nỗ lực của các nhà khoa học để giải quyết các thách thức lớn trong khoa học và y học,” các nhà nghiên cứu của dự án đã viết trong bài báo. Kết quả ban đầu rất hứa hẹn. Trong một thử nghiệm tập trung vào xơ hóa gan (sẹo gan), Google đã báo cáo rằng mọi cách tiếp cận mà “đồng nghiệp khoa học” gợi ý đều cho thấy khả năng ức chế các yếu tố gây bệnh.

Hơn nữa, hệ thống đã chứng minh khả năng cải thiện các giải pháp do con người tạo ra theo thời gian. Theo Google, AI đã不断 tinh chỉnh và tối ưu hóa các giải pháp mà các chuyên gia đã đề xuất ban đầu, cho thấy nó có thể học hỏi và thêm giá trị vượt trội so với chuyên môn của con người với mỗi lần lặp lại.

Một thử nghiệm đáng chú ý khác liên quan đến vấn đề kháng kháng sinh. Các nhà nghiên cứu đã giao cho AI việc giải thích cách một yếu tố di truyền nhất định giúp vi khuẩn lan truyền các đặc điểm kháng thuốc. Không biết đến AI, một nhóm khoa học khác (trong một nghiên cứu chưa được công bố) đã phát hiện ra cơ chế này. AI chỉ được cung cấp thông tin cơ bản và một vài bài báo liên quan, sau đó được để tự hoạt động. Trong vòng hai ngày, nó đã đưa ra cùng một giả thuyết mà các nhà khoa học con người đã có.

“Phát hiện này đã được xác thực thực nghiệm trong một nghiên cứu độc lập, không được biết đến bởi ‘đồng nghiệp khoa học’ trong quá trình tạo giả thuyết,” các tác giả lưu ý. Nói cách khác, AI đã quản lý để tái khám phá một hiểu biết quan trọng theo cách riêng của nó, cho thấy nó có thể kết nối các điểm theo cách mà con người không thể – ít nhất là trong các trường hợp mà dữ liệu dồi dào tồn tại.

Các ý nghĩa của tốc độ và phạm vi liên ngành như vậy là rất lớn. Các đột phá thường xảy ra khi các hiểu biết từ các lĩnh vực khác nhau va chạm, nhưng không một người nào có thể là chuyên gia trong mọi thứ. Một AI đã hấp thụ kiến thức trên nhiều lĩnh vực từ di truyền, hóa học, y học và hơn thế nữa có thể đề xuất các ý tưởng mà các chuyên gia con người có thể bỏ qua. Đơn vị DeepMind của Google đã chứng minh cách AI trong khoa học có thể biến đổi với AlphaFold, dự đoán cấu trúc 3D của protein và được ca ngợi là một bước tiến lớn cho sinh học.

“Đồng nghiệp khoa học” mới nhằm mang lại những bước nhảy tương tự cho việc suy nghĩ nghiên cứu hàng ngày. Mặc dù các ứng dụng đầu tiên đã ở trong lĩnh vực sinh học y học, hệ thống này có thể được áp dụng cho bất kỳ lĩnh vực khoa học nào – từ vật lý đến khoa học môi trường – vì phương pháp tạo và kiểm tra giả thuyết là không phụ thuộc vào lĩnh vực. Các nhà nghiên cứu có thể sử dụng nó để tìm kiếm các vật liệu mới, khám phá các giải pháp khí hậu hoặc khám phá các định lý toán học mới. Trong mỗi trường hợp, lời hứa là như nhau: một con đường nhanh hơn từ câu hỏi đến hiểu biết, có thể nén các năm thử nghiệm và sai lầm thành một khoảng thời gian ngắn hơn nhiều.