Trợ lý khoa học AI mới của Google nhằm tăng tốc khám phá khoa học

Hãy tưởng tượng một đối tác nghiên cứu đã đọc mọi bài báo khoa học bạn đã đọc, không ngừng suy nghĩ về các thí nghiệm mới suốt ngày đêm. Google (GOOGL ) đang cố gắng biến tầm nhìn này thành hiện thực với một hệ thống AI mới được thiết kế để hoạt động như một “trợ lý 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 Hoàng gia London, sử dụng lý luận tiên tiến để giúp các nhà khoa học tổng hợp núi thông tin và tạo ra ý tưởng mới. Mục tiêu là tăng tốc độ đột phá khoa học bằng cách làm cho thông tin quá tải có ý nghĩa và đề xuất những hiểu biết mà con người có thể bỏ lỡ.

“Trợ lý khoa học AI” 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 (đặc biệt là mô hình Gemini 2.0) và phản ánh cách các nhà khoa học suy nghĩ – từ suy nghĩ đến phê bình 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 ban đầu và đề xuất các giả thuyết thực sự mới dựa trên bằng chứng hiện có. Nói cách khác, nó không chỉ tìm ra 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 trợ lý khoa học AI, họ hy vọng sẽ “tăng tốc độ khám phá” trong các lĩnh vực từ sinh học đến vật lý.

Trợ lý khoa học AI (Google)

Làm thế nào Trợ lý khoa học AI hoạt động

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

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

• Chương trình tạo ý tưởng – khai thác nghiên cứu liên quan và tổng hợp các phát hiện hiện có để đề xuất các hướng đi hoặc giả thuyết mới.
• Chương trình phản ánh – hoạt động 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.
• Chương trình xếp hạng – tiến hành một “giải đấu” 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 hứa hẹn nhất.
• Chương trình 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.
• Chương trình tiến hóa – lấy các giả thuyết hàng đầu và tinh chỉnh chúng thêm, sử dụng các phép tương tự hoặc đơn giản hóa các khái niệm để làm rõ các đề xuất.
• Chương trình xem xét lại – 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. Trợ lý khoa học AI không hoạt động độc lập hoặc đưa ra quyết định cuối cùng theo ý mình. Các nhà nghiên cứu bắt đầu bằng cách cung cấp một mục tiêu nghiên cứu hoặc câu hỏi bằng ngôn ngữ tự nhiên – ví dụ, một mục tiêu tìm ra các chiến lược mới để điều trị một bệnh nhất định – cùng với bất kỳ hạn chế hoặc ý tưởng ban đầu nào họ có. Hệ thống AI sau đó đi qua chu kỳ trên để tạo ra đề xuất. Nhà khoa học có thể cung cấp phản hồi hoặc điều chỉnh các tham số, và AI sẽ lặp lại.

Google 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 phê bình 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 chương trình trợ lý khoa học AI (Google)

Con đường nhanh hơn đến các đột phá

Bằng cách thuê ngoài một số công việc nhàm chán của nghiên cứu – 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. Trợ lý khoa học AI 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 viết trong bài báo. Kết quả ban đầu rất hứa hẹn. Trong một thử nghiệm tập trung vào xơ hóa gan (sẹo gan), Google báo cáo rằng mọi phương pháp mà trợ lý khoa học AI đề xuất đều cho thấy khả năng hứa hẹn trong việc ức chế các yếu tố gây bệnh. Trên thực tế, các khuyến nghị của AI trong thí nghiệm đó không phải là những cú sút trong bóng tối – chúng phù hợp với những gì các chuyên gia coi là các can thiệp hợp lý.

Hơn nữa, hệ thống đã chứng minh khả năng cải thiện các giải pháp do con người đề xuất theo thời gian. Theo Google, AI tiếp tục 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 tăng dần ngoài 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 giao nhiệm vụ cho AI 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 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 nhận thực nghiệm trong nghiên cứu độc lập, không được trợ lý khoa học biết đến 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 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 có đủ dữ liệu.

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 như di truyền, hóa học, y học và nhiều hơn 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 là biến đổi với AlphaFold, dự đoán cấu trúc 3D của protein và được ca ngợi là một bước nhảy vĩ đại cho sinh học. Thành tựu đó, đã tăng tốc phát triển thuốc và vắc-xin, thậm chí còn mang lại cho nhóm của DeepMind một phần trong những vinh danh cao nhất của khoa học (bao gồm cả công nhận gắn liền với Giải Nobel).

Trợ lý khoa học AI mới này nhằm mang lại những bước nhảy tương tự cho việc suy nghĩ nghiên cứu hàng ngày. Mặc dù các ứng dụng đầu tiên đã được 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 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 khả năng nén các năm thử nghiệm và sai lầm thành một khoảng thời gian ngắn hơn.