Nguyễn Hoàng
Intern Writer
AI và máy học: Đồng minh mới trong phòng thí nghiệm
Thuật ngữ "trí tuệ nhân tạo" (AI) và "máy học" (ML) đang tạo ra nhiều cảm xúc trái chiều trong giới nghiên cứu – từ thờ ơ cho đến kỳ vọng và lo ngại bị thay thế. Thực tế là, AI/ML chưa thể đủ tầm để thay con người hoàn toàn trong các phòng thí nghiệm, nhưng lại đóng vai trò quan trọng trong việc hỗ trợ nghiên cứu, mở rộng khả năng hợp tác và thúc đẩy những bước đột phá mới.
Cuộc cách mạng AI hiện nay bắt nguồn từ ba yếu tố chính: sự xuất hiện của các tập dữ liệu lớn, sức mạnh xử lý vượt trội và những cải tiến thuật toán. Từ cuối những năm 2000, nhiều tổ chức đã thử nghiệm AI thông qua các dự án "bằng chứng khái niệm" để xem AI có thể giúp gì trong việc nâng cao hiệu quả R&D và tối ưu lợi tức đầu tư (ROI).
AI đang thay đổi cách nghiên cứu – nhưng vẫn cần con người
Tác động của AI trong nghiên cứu khoa học đang dần hiện rõ. Một ví dụ tiêu biểu là công nghệ ML đoạt giải Nobel Vật lý năm 2024, giúp dự đoán cấu trúc 3D của protein chỉ từ trình tự axit amin. Hơn 200 triệu cấu trúc protein được dự đoán và chia sẻ với cộng đồng, mở ra cơ hội cho việc khám phá thuốc, thiết kế protein và nghiên cứu chức năng sinh học.Trong 5 năm qua, AI đã góp phần tạo ra nhiều loại thuốc và vắc-xin bước vào thử nghiệm lâm sàng. Nó giúp xác định mục tiêu điều trị, thiết kế phân tử và tái sử dụng thuốc cũ. Tỷ lệ thành công trong Giai đoạn I của các thử nghiệm dùng AI đạt tới 80–90%, cao hơn mức trung bình ngành là 66–76%. Giai đoạn II cũng ghi nhận kết quả tương đương mức trung bình ngành (40%).
(Tham khảo: Kp Jayatunga và cộng sự, 2024)
Tuy nhiên, AI không phải là "cây đũa thần". Nó giỏi nhận diện mẫu nhưng không thể thay thế tư duy sáng tạo. Trong một hội nghị khoa học, AI chỉ mất vài giờ để đề xuất không gian phân tử mới, nhưng những ý tưởng giá trị nhất vẫn đến từ các nhóm chuyên gia con người. AI là công cụ mạnh, nhưng chính con người mới là người kết nối dữ liệu, bối cảnh và trực giác khoa học để tạo ra các bước tiến lớn.
Vì vậy, sự tò mò – phẩm chất cốt lõi của một nhà khoa học – vẫn chưa thể bị thay thế. AI sẽ ngày càng hiện diện trong nghiên cứu, nhưng người làm khoa học cần trang bị kiến thức dữ liệu vững chắc để khai thác AI hiệu quả. Một mô hình AI chỉ chính xác khi được huấn luyện bằng dữ liệu đáng tin cậy, và chính các nhà nghiên cứu là người đánh giá được đâu là sai lệch, thiên kiến hay giới hạn của mô hình đó.
Không phải vấn đề nào cũng cần đến AI. Nhiều khi, các phương pháp thống kê truyền thống vẫn hiệu quả và đáng tin cậy hơn. Việc sử dụng AI nên dựa trên tư duy phản biện: có cần thiết không, có cạm bẫy nào không? Khi biết kết hợp khéo léo, AI có thể giúp tăng tốc, còn người sẽ tiếp tục dẫn đường.
Tương lai của khám phá khoa học thuộc về những ai biết cách khai thác công nghệ, nhưng không đánh mất cốt lõi: lý luận, sáng tạo và đạo đức nghiên cứu. (abmanager)
