[NOBEL 2024] Và giải Nobel cho AI

ĐỌC BÁO Daily Podcast with Tada

AI dự phần hai giải quan trọng của mùa Nobel 2024 là vật lý và hóa học, một quyết định không phải tất cả các nhà nghiên cứu và khoa học gia đều hài lòng, ngay cả người ngoại cuộc cũng thấy có gì đó sai sai.

"Có vẻ như giải Nobel đã bị ảnh hưởng bởi làn sóng AI" - giáo sư Jonathan Pritchard, nhà vật lý thiên văn tại Đại học Hoàng gia London, viết trên X. Còn Eleanor Drage, nhà nghiên cứu cấp cao tại Trung tâm Leverhulme về trí tuệ tương lai của Đại học Cambridge, gọi đây là "thời khắc trọng đại" của AI trong khoa học.

Phản ứng trái chiều

Theo The Economist, AI không phải là điểm chung duy nhất của Nobel vật lý và hóa học năm nay. Trong cả hai trường hợp, khắt khe mà nói, các công trình nghiên cứu được vinh danh nằm ngoài "thẩm quyền" của hội đồng trao giải: nghiên cứu AI thuộc lĩnh vực khoa học máy tính, còn nghiên cứu protein có thể được xếp vào ngành sinh học.

Tạp chí Nature hôm 10-10 mô tả, chỉ vài phút sau khi chủ nhân Nobel vật lý 2024 được công bố, mạng xã hội đã dậy sóng. Nhiều nhà vật lý lập luận rằng khoa học nền tảng của học máy, được tôn vinh trong giải thưởng dành cho Geoffrey Hinton và John Hopfield, thực ra không phải là vật lý.

"Tôi thật sự không nói nên lời. Tôi cũng thích máy học và mạng nơ ron nhân tạo như bao người, nhưng thật khó để xem đây là một khám phá trong vật lý" - Nature dẫn tiếp tweet của giáo sư Pritchard.

Sabine Hossenfelder, nhà vật lý tại Trung tâm Triết học toán học Munich (Đức), khẳng định nghiên cứu của Hinton và Hopfield "thuộc lĩnh vực khoa học máy tính". "Giải thưởng Nobel hằng năm là cơ hội hiếm hoi để ngành vật lý, cũng như các nhà vật lý, bước vào ánh đèn sân khấu. Đây là ngày bạn bè và gia đình nhớ rằng họ quen biết một nhà vật lý và có thể đến hỏi ông ấy hoặc bà ấy giải Nobel mới đây là gì. Nhưng năm nay thì không" - ông bức xúc.

Tuy nhiên, nhiều phân tích cho rằng mùa giải năm nay sẽ mở ra một kỷ nguyên mới của giải Nobel: phá vỡ ranh giới các nhóm ngành khoa học và thừa nhận vai trò của AI trong nghiên cứu. Nhiều nhà khoa học đã ủng hộ xu hướng mới này.

"Nghiên cứu của Hopfield và Hinton mang tính liên ngành, kết hợp vật lý, toán học, khoa học máy tính và khoa học thần kinh. Theo nghĩa đó, nó thuộc về tất cả các lĩnh vực này" - Matt Strassler, nhà vật lý lý thuyết tại Đại học Harvard ở Cambridge, Massachusetts, nói với Nature.

Cây bút khoa học Anil Ananthaswamy, tác giả quyển Why Machines Learn (2023), chỉ ra rằng mặc dù nghiên cứu được Ủy ban Nobel dẫn làm lý do trao giải có thể không phải là vật lý lý thuyết theo nghĩa thuần túy, song nó bắt nguồn từ các kỹ thuật và khái niệm trong vật lý, chẳng hạn như năng lượng. Những mạng Boltzmann hay mạng Hopfield "đều là các mô hình dựa trên năng lượng", ông nói.

Theo Ananthaswamy, mối liên hệ với vật lý của các tiến triển sau này của máy học quả là mỏng manh hơn, song các nhà nghiên cứu đang quay lại các khái niệm gốc vật lý để có thể hiểu được vì sao các hệ thống học sâu có thể hoạt động ngày càng phức tạp hơn.

Đồng ý kiến, Lenka Zdeborová, nhà nghiên cứu vật lý thống kê tính toán tại Viện Công nghệ Liên bang Thụy Sĩ ở Lausanne (EPFL), khẳng định: "Chúng ta cần cách tư duy mà vật lý mang lại để nghiên cứu máy học". Giorgio Parisi, một trong ba đồng chủ nhân Nobel vật lý 2021, nhận xét: "Vật lý đang ngày càng mở rộng, và nó bao gồm nhiều lĩnh vực kiến thức không tồn tại trong quá khứ, hoặc không thuộc về vật lý".

Tiền lệ tốt hay xấu?

The Economist cho rằng từ tiền lệ này, sẽ có nhiều giải thưởng tương tự (nghiên cứu khoa học cơ bản có sự trợ giúp của AI) trong tương lai. Câu hỏi lúc này không còn là trao giải như năm nay là đúng hay sai, mà là AI có thể thay đổi nghiên cứu khoa học trong tương lai không, và theo cách nào, tốt hơn hay tệ hơn.

Matt Hodgkinson, chuyên gia độc lập về liêm chính khoa học, lo ngại rằng các nhà nghiên cứu vật lý và hóa học sẽ chú trọng đến kỹ thuật, thay vì khoa học, trước "hiệu ứng AI". "Tôi mong sẽ không có chuyện các nhà nghiên cứu nghĩ rằng tất cả các công cụ AI đều như nhau rồi đổ xô dùng chatbot sai cách" - ông nói với Wired.

Lo ngại này là có cơ sở. Trong vòng 5 năm kể từ khi graphene được Andre Geim và Konstantin Novoselov phát hiện vào năm 2004, có 45.000 bài báo khoa học đề cập đến vật liệu siêu cứng có gốc carbon này được công bố, theo Google Scholar.

Và khi Geim và Novoselov giành giải Nobel vật lý 2010 cho khám phá của họ, số lượng bài báo công bố đã tăng vọt - lên tới 454.000 từ năm 2010 đến 2014 và hơn 1 triệu từ 2015 đến 2020. Số lượng nghiên cứu bùng nổ nhưng tác động thực tế thì vẫn chưa thấy.

Hodgkinson tin rằng việc Ủy ban Nobel vinh danh các nhà nghiên cứu vì công trình liên quan AI có thể khiến những người khác bắt đầu chú mục vào lĩnh vực này, dẫn đến chất lượng khoa học biến động. Cũng như với graphene, "các đề xuất và ứng dụng [của AI] có thực chất hay không là chuyện khác" - ông nói.

Số lượng các công bố về AI đã tăng gấp ba lần từ năm 2010 đến 2022, theo nghiên cứu của Đại học Stanford, với gần 250.000 bài báo khoa học được công bố chỉ riêng trong năm 2022, tức hơn 660 bài mới mỗi ngày. Cần lưu ý điều này diễn ra trước cả khi ChatGPT ra mắt và khởi động cuộc cách mạng AI tạo sinh vào tháng 11-2022.

Nhìn nhận đúng đắn

Từ lần đầu trao giải năm 1901, giải Nobel thường xoay quanh tác động của nghiên cứu đối với xã hội, và đã vinh danh những phát minh thực tiễn, không chỉ riêng khoa học thuần túy. Về khía cạnh này, giải thưởng năm 2024 không phải là ngoại lệ.

"Đôi khi giải Nobel được trao cho những dự án kỹ thuật rất xuất sắc… trong đó có giải thưởng cho laser (vật lý 2018) và kỹ thuật PCR (hóa học 1993)" - Ananthaswamy nói với Nature.

Julian Togelius, phó giáo sư khoa học máy tính tại Trường Kỹ thuật Tandon Đại học New York, cho rằng việc các nhà khoa học chạy theo AI có thể cản trở tư duy đổi mới. Với AI, các nhà nghiên cứu có thể sử dụng dữ liệu sẵn có để củng cố các lý thuyết cũ, thay vì thu thập thêm dữ liệu cơ bản từ tự nhiên và đưa ra các lý thuyết mới.

"Con đường AI" dễ hơn nhưng sẽ chỉ tạo ra những bước tiến nhỏ trong sự hiểu biết, thay vì những bước nhảy vọt lớn, Togelius lập luận. Nhận định này có phần bi quan và không chính xác. Gạt chuyện đoạt Nobel qua một bên, dù có vinh danh hay không thì sự thật là ngày càng nhiều khám phá lớn trong các lĩnh vực quan trọng đạt được là nhờ AI.

Cụ thể là thế mạnh lớn nhất của nó: khi được nạp một lượng dữ liệu lớn và phức tạp, một thuật toán có thể phát hiện những mô hình chưa từng thấy và lý giải các dữ liệu đó mà kh...