9 cách AI đang tiến bộ khoa học

Cập nhật lần cuối: 22 tháng 11, 2024

Chúng ta đang sống trong một thời đại mà khoa học ứng dụng, sự sáng tạo của con người và các công nghệ mới đang làm sáng tỏ một số câu hỏi lớn nhất và lâu đời nhất của nhân loại. Mặc dù chúng ta thường nghĩ về tiến bộ khoa học là nhanh chóng và không thể ngăn cản, nhưng thực tế, trong nhiều thập kỷ, tiến bộ đã thực sự chậm lại. Cộng đồng khoa học vẫn đang tranh luận về lý do đằng sau sự chậm trễ này, nhưng nhiều công nghệ ngày nay—từ máy bay phản lực đến quy trình sản xuất—chưa thay đổi nhiều trong nửa thế kỷ qua.

Tuy nhiên, trong những năm gần đây, các bước đột phá trong các lĩnh vực như trí tuệ nhân tạo và tính toán lượng tử đã thực sự thúc đẩy tốc độ khám phá khoa học. Từ những tiến bộ trong chăm sóc sức khỏe đến việc phát hiện ra các enzyme phân hủy nhựa, chúng ta đã bắt đầu thấy được những lợi ích.

Những bước đột phá này là kết quả của nhiều thập kỷ hợp tác giữa các nhà nghiên cứu, nhà công nghệ, nhà hoạch định chính sách, tổ chức dân sự và những người từ mọi tầng lớp xã hội. Chúng cung cấp một lộ trình cho việc sử dụng AI trong khoa học để cải thiện đáng kể cuộc sống của chúng ta.

Với ý nghĩ này, Hiệp hội Hoàng gia, hợp tác với Google DeepMind, hôm nay đang tổ chức Diễn đàn AI cho Khoa học đầu tiên. Sự kiện này tại London quy tụ các nhà khoa học, nhà hoạch định chính sách và lãnh đạo ngành để khám phá cách AI có thể chuyển đổi khoa học và vai trò của quan hệ đối tác công-tư trong việc thúc đẩy đổi mới.

Để hiểu cách chúng ta đạt được điểm này và hướng đi tiếp theo, hãy cùng xem xét chín cột mốc gần đây đã mở đường cho tiến bộ khoa học trong tương lai:

1. Giải quyết "thách thức lớn" 50 năm về dự đoán cấu trúc protein

Trong nhiều thập kỷ, các chuyên gia đã gọi việc hiểu về cách gấp protein là một "thách thức lớn." Vào năm 2022, Google DeepMind đã công bố cấu trúc dự đoán của 200 triệu protein bằng mô hình AlphaFold 2. Trước đây, việc xác định cấu trúc 3D của một protein có thể mất hơn một năm—AlphaFold có thể làm điều đó trong vài phút với độ chính xác đáng kinh ngạc. Bằng cách cung cấp miễn phí các dự đoán này, các nhà khoa học trên toàn thế giới giờ đây có thể đẩy nhanh nghiên cứu trong các lĩnh vực như phát triển thuốc mới, chống kháng kháng sinh và giải quyết ô nhiễm nhựa. Bước tiếp theo, AlphaFold 3, xây dựng trên nền tảng này bằng cách dự đoán cấu trúc và tương tác của tất cả các phân tử sự sống.

2. Hé lộ bộ não con người với chi tiết chưa từng có để hỗ trợ nghiên cứu sức khỏe

Bộ não con người luôn là một bí ẩn. Sau 10 năm nghiên cứu connectomics, Google, cùng với Phòng thí nghiệm Lichtman tại Harvard và các đối tác khác, đã lập bản đồ một phần nhỏ của bộ não con người với chi tiết chưa từng có. Được công bố vào năm 2024, dự án này cho thấy các cấu trúc trong não mà chúng ta chưa từng thấy trước đây. Bộ dữ liệu đầy đủ, cùng với các chú thích do AI tạo ra cho mỗi tế bào, giờ đây đã được công khai, giúp thúc đẩy nghiên cứu.

3. Cứu mạng sống với dự báo lũ lụt chính xác

Khi Google bắt đầu dự án dự báo lũ lụt vào năm 2018, nhiều người cho rằng không thể dự đoán lũ lụt chính xác trên quy mô lớn do dữ liệu hạn chế. Nhưng các nhà nghiên cứu đã phát triển một mô hình AI có thể dự đoán các sự kiện sông ngòi cực đoan ở các lưu vực không được đo lường trước tối đa năm ngày, với độ tin cậy ngang hoặc thậm chí vượt qua các dự báo hiện tại. Đến năm 2024, Google Research đã mở rộng dự án này để bao phủ 100 quốc gia và 700 triệu người trên toàn thế giới, đồng thời cải tiến mô hình để cung cấp độ chính xác tương tự ở thời gian dự báo bảy ngày như mô hình trước đó đạt được ở năm ngày.

4. Phát hiện cháy rừng sớm hơn để giúp lính cứu hỏa ngăn chặn nhanh hơn

Cháy rừng đang trở nên phổ biến và tàn phá hơn do khí hậu nóng và khô hơn. Vào năm 2024, Google Research đã hợp tác với Cơ quan Lâm nghiệp Hoa Kỳ để tạo ra FireSat, một mô hình AI và chùm vệ tinh toàn cầu mới được thiết kế để phát hiện và theo dõi các đám cháy rừng nhỏ như một lớp học. Với hình ảnh độ phân giải cao có sẵn trong vòng 20 phút, điều này sẽ giúp các cơ quan cứu hỏa phản ứng nhanh hơn, có khả năng cứu mạng sống, tài sản và tài nguyên thiên nhiên.

5. Dự đoán thời tiết nhanh hơn và chính xác hơn

Vào năm 2023, Google DeepMind đã ra mắt GraphCast, một mô hình học máy dự đoán thời tiết trước tối đa 10 ngày chính xác hơn và nhanh hơn nhiều so với tiêu chuẩn ngành (HRES). GraphCast cũng có thể dự đoán đường đi của bão và các rủi ro liên quan như lũ lụt chính xác hơn, và nó đã dự đoán chính xác cơn bão Lee sẽ đổ bộ vào Nova Scotia ba ngày trước khi các mô hình truyền thống làm được.

6. Thúc đẩy biên giới của lý luận toán học

AI luôn gặp khó khăn với toán học phức tạp do dữ liệu hạn chế và kỹ năng lý luận. Nhưng vào năm 2024, Google DeepMind đã giới thiệu AlphaGeometry, một hệ thống AI giải quyết các bài toán hình học phức tạp ở mức gần với một huy chương vàng Olympic. Đây là một bước tiến lớn trong hiệu suất AI và phát triển các hệ thống AI tổng quát tiên tiến hơn. Mô hình tiếp theo, AlphaGeometry 2, kết hợp với AlphaProof, đã giải được 83% tất cả các bài toán hình học lịch sử của Olympic Toán học Quốc tế (IMO) trong 25 năm qua. Điều này cho thấy khả năng lý luận ngày càng tăng của AI và tiềm năng giải quyết các vấn đề vượt ngoài khả năng hiện tại của con người, đưa chúng ta đến gần hơn với các hệ thống có thể khám phá và xác minh kiến thức mới.

7. Sử dụng tính toán lượng tử để dự đoán chính xác phản ứng hóa học và động lực học

Các nhà nghiên cứu Google, cùng với UC Berkeley và Đại học Columbia, đã thực hiện các mô phỏng hóa học lớn nhất từ trước đến nay trên máy tính lượng tử. Được công bố vào năm 2022, các kết quả này không chỉ cạnh tranh với các phương pháp cổ điển mà còn không yêu cầu giảm thiểu lỗi thường thấy trong tính toán lượng tử. Khả năng chạy các mô phỏng này sẽ dẫn đến dự đoán chính xác hơn về phản ứng hóa học và động lực học, mở đường cho các ứng dụng hóa học mới để giải quyết các vấn đề thực tế.

8. Thúc đẩy khoa học vật liệu và tiềm năng cho các tế bào năng lượng mặt trời, pin và chất siêu dẫn bền vững hơn

Vào năm 2023, Google DeepMind đã công bố Graph Networks for Materials Exploration (GNoME), một công cụ AI đã phát hiện ra 380.000 vật liệu ổn định ở nhiệt độ thấp, theo các mô phỏng. Vào thời điểm chúng ta đang tìm kiếm các giải pháp năng lượng mới, sức mạnh xử lý và tiến bộ khoa học vật liệu, điều này có thể dẫn đến các tế bào năng lượng mặt trời, pin và chất siêu dẫn tốt hơn. Để công nghệ này dễ tiếp cận với mọi người, Google DeepMind đã công khai các dự đoán ổn định nhất của GNoME thông qua Dự án Vật liệu trên cơ sở dữ liệu mở của họ.

9. Thực hiện một bước tiến ý nghĩa hướng tới năng lượng hạt nhân tổng hợp—và năng lượng sạch dồi dào

Như câu nói cũ, "Tổng hợp là năng lượng của tương lai—và nó sẽ luôn như vậy." Việc khai thác năng lượng cung cấp cho các ngôi sao, bao gồm mặt trời của chúng ta, từ lâu đã là một thách thức. Vào năm 2022, Google DeepMind đã phát triển AI có thể tự động điều khiển plasma bên trong lò phản ứng tổng hợp hạt nhân. Hợp tác với Trung tâm Plasma Thụy Sĩ tại EPFL, họ đã xây dựng hệ thống Học Tăng cường đầu tiên có khả stabilizing và định hình plasma trong lò phản ứng tổng hợp đang hoạt động, mở ra những con đường mới hướng tới tổng hợp ổn định và năng lượng sạch dồi dào cho mọi người.