9 cách AI đang tiến bộ khoa học

Cập nhật lần cuối: ngày 22 tháng 11 năm 2024

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

Tuy nhiên, trong những năm gần đây, những đột phá trong các lĩnh vực như trí tuệ nhân tạo và điện toán lượng tử đã thực sự tăng tốc độ khám phá khoa học. Từ những tiến bộ chăm sóc sức khỏe đến khám phá các enzyme ăn nhựa, chúng ta đã thấy những lợi ích.

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

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

Để hiểu làm thế nào chúng ta đã đạt đến điểm này và nơi chúng ta có thể đi tiếp, chúng ta hãy xem chín cột mốc gần đây đã mở đường cho sự tiến bộ khoa học trong tương lai:

1. Giải quyết "Thử thách lớn" 50 năm của dự đoán cấu trúc protein

Trong nhiều thập kỷ, các chuyên gia đã gọi sự hiểu biết về protein gấp một "thách thức lớn". Năm 2022, Google Deepmind đã phát hành các cấu trúc dự đoán của 200 triệu protein bằng cách sử dụng mô hình Alphafold 2 của họ. Trước đó, việc tìm ra 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 đưa ra những dự đoán này có sẵn một cách tự do, các nhà khoa học trên toàn thế giới giờ đây có thể tăng tốc nghiên cứu trong các lĩnh vực như phát triển thuốc mới, chống lại kháng kháng sinh và giải quyết ô nhiễm nhựa. Bước tiếp theo, Alphafold 3, xây dựng dựa trên điều này bằng cách dự đoán cấu trúc và tương tác của tất cả các phân tử của cuộc sống.

2. Tiết lộ bộ não con người 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 của Connectomics, Google, cùng với Lichtman Lab tại Harvard và những người khác, đã lập bản đồ một mảnh nhỏ của bộ não con người chi tiết hơn bao giờ hết. Được phát hành 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, hoàn chỉnh với các chú thích do AI tạo ra cho mỗi ô, hiện đang được công khai, giúp tăng tốc nghiên cứu.

3. Cứu sống với dự báo lũ chính xác

Khi Google bắt đầu dự án dự báo lũ lụt vào năm 2018, nhiều người nghĩ rằng không thể dự đoán được lũ lụt một cách 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 ven sông cực đoan trong các lưu vực chưa được ghi nhận trước năm ngày, với độ tin cậy phù hợp hoặc thậm chí vượt qua các nowcast. Đến năm 2024, Google Research đã mở rộng điều này để bao gồm 100 quốc gia và 700 triệu người trên toàn thế giới và cải thiện mô hình để cung cấp độ chính xác tương tự trong thời gian dẫn bảy ngày như mô hình trước đó đã làm ở năm.

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

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

5. Dự đoán thời tiết nhanh hơn và với độ chính xác cao hơn

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

6. Tiến lên biên giới của lý luận toán học

AI luôn đấu tranh với toán học phức tạp do dữ liệu hạn chế và kỹ năng suy luận. Nhưng vào năm 2024, Google DeepMind đã giới thiệu Alphageometry, một hệ thống AI đã giải quyết các vấn đề hình học phức tạp ở cấp độ gần với một y tế vàng Olympic của con người. Đây là một bước tiến lớn trong hiệu suất AI và sự phát triển của các hệ thống AI chung cao cấp hơn. Mô hình tiếp theo, Alphageometry 2, kết hợp với Alphaproof, đã giải quyết được 83% của tất cả các vấn đề hình học Olympic (IMO) quốc tế lịch sử trong 25 năm qua. Điều này cho thấy khả năng lý luận ngày càng tăng của AI và có khả năng giải quyết các vấn đề 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 điện toán lượng tử để dự đoán chính xác khả năng phản ứng hóa học và động học

Các nhà nghiên cứu của Google, cùng với Đại học UC Berkeley và Columbia, đã tiến hành các mô phỏng hóa học lớn nhất từng có trên một máy tính lượng tử. Được xuất bản vào năm 2022, những kết quả này không chỉ cạnh tranh với các phương pháp cổ điển mà còn không yêu cầu giảm thiểu lỗi thông thường liên quan đến điện 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 học, mở đường cho các ứng dụng mới của hóa học để giải quyết các vấn đề trong thế giới thực.

8. Tăng tốc khoa học vật liệu và tiềm năng cho pin mặt trời, pin và chất siêu dẫn bền vững hơn

Vào năm 2023, Google DeepMind đã công bố Mạng lưới đồ thị để thăm dò vật liệu (GNOME), một công cụ AI đã phát hiện ra 380.000 vật liệu ổn định ở nhiệt độ thấp, theo 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 pin mặt trời, pin và chất siêu dẫn tiềm năng tốt hơn. Để làm cho công nghệ này có thể truy cập được cho mọi người, Google Deepmind đã đưa ra những 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 ý nghĩa đối với sự hợp nhất hạt nhân, và năng lượng sạch sẽ phong phú

Như người ta đã nói, "Fusion là năng lượng của tương lai và nó sẽ luôn luôn như vậy." Khai thác năng lượng cung cấp năng lượng cho các ngôi sao, bao gồm cả mặt trời của chúng ta, là một thách thức lâu dài. Vào năm 2022, Google Deepmind đã phát triển AI có thể tự chủ điều khiển huyết tương bên trong lò phản ứng tổng hợp hạt nhân. Làm việc với Trung tâm Plasma Thụy Sĩ tại EPFL, họ đã xây dựng hệ thống gia cố đầu tiên có khả năng ổn định và định hình plasma trong lò phản ứng tổng hợp hoạt động, mở các con đường mới hướng tới sự hợp nhất ổn định và năng lượng sạch dồi dào cho mọi người.