Rất nhiều điều đã thay đổi trong 15 năm kể từ khi PGS. Kaiming He còn là một nghiên cứu sinh tiến sĩ.

“Khi bạn đang ở giai đoạn làm tiến sĩ, có một bức tường rất cao ngăn cách giữa các lĩnh vực và chuyên ngành khác nhau, thậm chí ngay trong nội bộ khoa học máy tính cũng có những rào cản lớn’, PGS. He nói. “Người ngồi ngay cạnh tôi có thể đang nghiên cứu một vấn đề mà tôi hoàn toàn không thể hiểu nổi.”

Ảnh bài 13.jpg
 PGS. Kaiming He. Ảnh: MIT News

Trong 7 tháng kể từ khi gia nhập Cao đẳng Máy tính MIT Schwarzman với tư cách là Giáo sư Phát triển Nghề nghiệp Công nghệ Phần mềm Douglas Ross (1954) tại Khoa Kỹ thuật Điện và Khoa học Máy tính, He cho biết ông đang chứng kiến một điều mà theo ông là “rất hiếm trong lịch sử khoa học nhân loại” – sự hạ thấp của những rào cản ngăn cách giữa các lĩnh vực khoa học khác nhau.

“Tôi không bao giờ có thể hiểu được vật lý năng lượng cao, hóa học hay những nghiên cứu tiên phong trong sinh học, nhưng giờ đây chúng ta đang chứng kiến một điều có thể giúp phá vỡ những rào cản này”, ông He nói. “Đó chính là sự ra đời của một ngôn ngữ chung mà AI đã tạo ra”.

Xây dựng cầu nối bằng AI

Theo ông He, sự thay đổi này bắt đầu vào năm 2012, khi diễn ra “cuộc cách mạng học sâu” (deep learning revolution), một thời điểm mà người ta nhận ra rằng các phương pháp học máy dựa trên mạng nơ-ron có sức mạnh vượt trội và có thể được ứng dụng rộng rãi hơn.

“Tại thời điểm đó, thị giác máy tính – giúp máy tính có thể nhìn và nhận thức thế giới giống như con người – bắt đầu phát triển rất nhanh chóng, bởi vì hóa ra, phương pháp này có thể áp dụng cho rất nhiều vấn đề và lĩnh vực khác nhau”, ông He giải thích. “Nhờ đó, cộng đồng nghiên cứu thị giác máy tính lớn mạnh nhanh chóng vì các chủ đề con trong lĩnh vực này giờ đây có thể nói cùng một ngôn ngữ và sử dụng chung một bộ công cụ”.

Từ đó, xu hướng này mở rộng sang các lĩnh vực khác của khoa học máy tính, bao gồm xử lý ngôn ngữ tự nhiên, nhận dạng giọng nói và robot, tạo nền tảng cho sự ra đời của ChatGPT và những bước tiến khác hướng tới trí tuệ nhân tạo tổng quát (artificial general intelligence – AGI).

“Tất cả những điều này đã diễn ra trong suốt thập kỷ qua, và giờ đây tôi thực sự mong đợi một xu hướng mới đang dần hình thành, đó là việc các phương pháp AI lan tỏa sang các lĩnh vực khoa học khác”, ông He nói.

Một trong những ví dụ nổi bật nhất, theo ông He, là AlphaFold – một chương trình trí tuệ nhân tạo do Google DeepMind phát triển, có khả năng dự đoán cấu trúc protein.

“Đây là một lĩnh vực khoa học hoàn toàn khác biệt, với một bài toán hoàn toàn khác, nhưng người ta cũng đang sử dụng cùng một bộ công cụ AI, cùng một phương pháp để giải quyết vấn đề”, ông He nhận định. “Và tôi nghĩ đây chỉ mới là khởi đầu.”

Tương lai của AI trong khoa học

Từ khi gia nhập MIT vào tháng 2/2024, He đã có cơ hội trao đổi với các giáo sư ở hầu hết mọi khoa. Có những ngày, ông trò chuyện với hai hoặc nhiều giáo sư đến từ những lĩnh vực hoàn toàn khác nhau.

“Tôi chắc chắn không thể hiểu hết lĩnh vực nghiên cứu của họ, nhưng khi họ giới thiệu một số bối cảnh, chúng tôi có thể bắt đầu thảo luận về học sâu, học máy, hay mô hình mạng nơ-ron trong vấn đề của họ”, ông He nói. “Theo cách này, các công cụ AI giống như một ngôn ngữ chung giữa các lĩnh vực khoa học: công cụ học máy “dịch” thuật ngữ và khái niệm của họ thành những thuật ngữ mà tôi có thể hiểu, nhờ đó tôi có thể học hỏi về vấn đề của họ, chia sẻ kinh nghiệm, và đôi khi đưa ra giải pháp hoặc gợi ý để họ khám phá”.

Việc mở rộng AI sang các lĩnh vực khoa học khác nhau mang lại tiềm năng to lớn, từ việc sử dụng phân tích video để dự đoán xu hướng thời tiết và khí hậu, đến rút ngắn chu trình nghiên cứu và giảm chi phí trong quá trình phát triển thuốc mới.

Dù AI rõ ràng mang lại lợi ích cho các nhà khoa học đồng nghiệp của He, ông cũng nhấn mạnh đến tác động ngược lại mà các lĩnh vực khoa học có thể có đối với sự phát triển của AI.

“Các nhà khoa học mang đến những bài toán và thách thức mới, giúp chúng tôi tiếp tục cải tiến các công cụ AI”, ông He nói. “Nhưng cũng cần nhớ rằng nhiều công cụ AI ngày nay bắt nguồn từ các lĩnh vực khoa học trước đây, ví dụ, mạng nơ-ron nhân tạo lấy cảm hứng từ quan sát sinh học, còn mô hình khuếch tán (diffusion models) dùng trong tạo ảnh được dựa trên một khái niệm vật lý”.

“Khoa học và AI không phải là những lĩnh vực tách biệt. Chúng ta đang tiếp cận cùng một mục tiêu từ những góc nhìn khác nhau, và giờ đây chúng ta đang xích lại gần nhau hơn”.

Về thời điểm các “bức tường’ bị xoá bỏ, theo ông He, đây là một khoản đầu tư dài hạn và sẽ không thể xảy ra trong một sớm một chiều.

“Hàng chục năm trước, máy tính được xem là công nghệ cao và bạn cần có kiến thức chuyên sâu mới có thể sử dụng chúng, nhưng ngày nay, ai cũng có thể dùng máy tính”, ông He nói. 

“Tôi tin rằng trong 10 năm hoặc lâu hơn nữa, ai cũng sẽ sử dụng AI theo một cách nào đó trong nghiên cứu của mình – nó sẽ trở thành công cụ cơ bản, ngôn ngữ cơ bản của họ, và họ có thể dùng AI để giải quyết các vấn đề của mình”.

(Theo MIT News)