Trí tuệ nhân tạo có thể thực hiện các khám phá khoa học không?

Trí tuệ nhân tạo có thể thực hiện các khám phá khoa học không?

 Trong thời gian gần đây, việc ứng dụng AI vào nghiên cứu khoa học đang nhận được sự quan tâm ngày càng tăng. Nhiều nghiên cứu đã chứng minh rằng các hệ thống AI, đặc biệt là các mô hình ngôn ngữ lớn (LLM), có thể tự động thực hiện nghiên cứu và khám phá ra các khái niệm mới.

Tuy nhiên, một nghiên cứu mới từ các nhà khoa học tại Khoa Tâm lý và Trung tâm Khoa học Não bộ Đại học Harvard lại đưa ra quan điểm khác. Họ cho rằng các hệ thống AI hiện tại chỉ đang giải quyết "bài toán dễ" trong khoa học, đó là tối ưu hóa một hàm số dựa trên dữ liệu đã có. Còn "bài toán khó" - việc xác định vấn đề cần nghiên cứu - lại nằm ngoài khả năng của các thuật toán khám phá khoa học hiện nay.

Theo các nhà nghiên cứu, "bài toán dễ" trong khoa học đòi hỏi việc tìm kiếm hoặc thu thập một tập dữ liệu lớn với các ví dụ có chú thích hoặc các cơ chế xác thực đầu ra của mô hình. Đây là một nhiệm vụ đầy thách thức, nhưng bản chất của nó là rõ ràng: chúng ta biết cần tối ưu hóa cái gì và có những công cụ nào để giải quyết vấn đề. Sự đột phá trong lĩnh vực này đến từ việc phát triển các công cụ tốt hơn. Các hệ thống AI ngày càng hiệu quả trong việc thực hiện nhiệm vụ này, đặc biệt là khi khám phá các không gian giải pháp quá phức tạp để các thuật toán tìm kiếm đơn giản có thể xử lý.

Tuy nhiên, vấn đề cốt lõi mà AI chưa thể giải quyết được là việc xác định vấn đề cần nghiên cứu. Các công cụ AI như AlphaFold 2, mặc dù hiệu quả trong việc dự đoán cấu trúc protein, vẫn phụ thuộc vào sự định nghĩa của con người về vấn đề và không gian giải pháp. Con người vẫn là người cung cấp các yếu tố cơ bản cần thiết cho lý thuyết cuối cùng, bao gồm cả cách thức biểu diễn vấn đề và mục tiêu cần đạt được. Đây chính là "bài toán khó".

Theo quan điểm của các nhà nghiên cứu Harvard, các hệ thống AI hiện tại rất giỏi trong việc nội suy và có thể sẽ tốt hơn trong việc ngoại suy đến dữ liệu mới, nhưng chúng sẽ không bao giờ tự động tạo ra hoặc lựa chọn nghiên cứu các vấn đề khoa học mới.

Bài báo đã phân tích một số nghiên cứu khoa học mang tính lịch sử và so sánh chúng với các ứng dụng AI tương đương như AI Feynman và AlphaFold 2. Trong các khám phá của con người, việc xác định vấn đề và không gian giải pháp thường phát triển song song với quá trình thực hiện các thí nghiệm, thu thập quan sát, loại bỏ giả thuyết cũ, suy ngẫm, trao đổi kết quả và nhìn nhận vấn đề theo một góc độ mới. Ngược lại, các công cụ AI bị giới hạn trong không gian và các ràng buộc được con người định nghĩa. Việc thiết lập các ràng buộc phù hợp đóng vai trò quan trọng trong việc đảm bảo sự thành công của hệ thống AI.

Vậy, hướng đi nào cho tương lai của AI trong khoa học? Các nhà nghiên cứu cho rằng cần phải có một chương trình nghiên cứu tập trung vào khoa học nhận thức, đặc biệt là các khía cạnh sáng tạo và chủ quan của quá trình khám phá khoa học và cách chúng tương tác với các khía cạnh khách quan của việc giải quyết vấn đề.

Chỉ khi hiểu và mô tả chính xác những gì các nhà khoa học đang làm, chúng ta mới có thể tận dụng những hiểu biết này để xây dựng các nhà khoa học AI có khả năng mở rộng quy mô. Ban đầu, những nhà khoa học AI này sẽ đóng vai trò như trợ lý nghiên cứu, cần sự hướng dẫn chuyên môn thông qua các hướng dẫn và minh họa bằng ngôn ngữ tự nhiên. Để cải thiện hơn nữa, cần nghiên cứu tất cả các khía cạnh của khám phá khoa học, bao gồm cả bối cảnh xã hội của nó.

Kết luận, các hệ thống AI đã và đang chứng minh được tiềm năng to lớn trong việc hỗ trợ các nhà khoa học giải quyết "bài toán dễ" trong nghiên cứu. Tuy nhiên, việc phát triển AI có khả năng tự mình đưa ra các giả thuyết mới, xác định vấn đề và thực hiện các khám phá khoa học thực sự vẫn còn là một thử thách lớn. Để đạt được điều này, chúng ta cần phải hiểu sâu hơn về bản chất của quá trình sáng tạo khoa học và cách con người tương tác với nhau trong việc tìm kiếm tri thức.