Liệu "nhà khoa học AI" có mang lại điều gì mới cho khoa học?

Một công cụ để tiếp quản quá trình khoa học tiếp tục một xu hướng gây tranh cãi.

Eliza Strickland. IEEE Spectrum. Tháng 9, 2024.

Eliza Strickland là biên tập viên cao cấp tại IEEE Spectrum bao gồm AI và kỹ thuật y sinh.

Khi một nhóm các nhà nghiên cứu bắt đầu tạo ra một "nhà khoa học AI" để xử lý toàn bộ quá trình khoa học, họ không biết họ sẽ đi được bao xa. Liệu hệ thống mà họ tạo ra có thực sự có khả năng tạo ra các giả thuyết thú vị, chạy thử nghiệm, đánh giá kết quả và viết các bài báo?

Theo nhà nghiên cứu Cong Lu, những gì họ đạt được là một công cụ AI mà họ đánh giá tương đương với một nghiên cứu sinh tiến sĩ năm đầu tiên. Nó có "một số ý tưởng sáng tạo đáng ngạc nhiên", nhưng những ý tưởng tốt đó bị áp đảo rất nhiều so với những ý tưởng tồi. Nó đấu tranh để viết ra kết quả của nó một cách mạch lạc, và đôi khi hiểu sai kết quả của nó: "Nó không xa lắm so với một nghiên cứu sinh tiến sĩ đoán hoang đường về lý do tại sao một cái gì đó hoạt động," Lu nói. Và, có lẽ giống như một nghiên cứu sinh tiến sĩ chưa hiểu đạo đức, đôi khi nó bịa đặt mọi thứ trong các bài báo, bất chấp những nỗ lực tốt nhất của các nhà nghiên cứu để giữ cho nó trung thực.

Lu, một nghiên cứu sinh sau tiến sĩ tại Đại học British Columbia, đã hợp tác trong dự án với một số học giả khác, cũng như với các nhà nghiên cứu từ công ty khởi nghiệp Sakana AI có trụ sở tại Tokyo. Nhóm nghiên cứu gần đây đã báo cáo thành quả. Trong khi bản in trước gồm một cuộc thảo luận về những hạn chế và cân nhắc đạo đức, nó cũng chứa một số thành quả khá hoành tráng, coi “nhà khoa học AI” là "sự khởi đầu của một kỷ nguyên mới trong khám phá khoa học" và "khuôn khổ toàn diện đầu tiên cho khám phá khoa học hoàn toàn tự động, cho phép các mô hình ngôn ngữ lớn tiên phong thực hiện nghiên cứu độc lập và truyền đạt những phát hiện của họ. "

Nhà khoa học AI dường như nắm bắt được tinh thần thời đại. Nó đang cưỡi trên làn sóng nhiệt tình đối với AI đối với khoa học, nhưng một số nhà phê bình nghĩ rằng làn sóng đó sẽ ném không có gì có giá trị lên bãi biển.

Cơn sốt "AI cho khoa học"

Nghiên cứu này là một phần của xu hướng rộng lớn hơn của AI đối với khoa học. Google DeepMind được cho là đã bắt đầu cơn sốt vào năm 2020 khi công bố AlphaFold, một hệ thống AI khiến các nhà sinh vật học kinh ngạc khi dự đoán cấu trúc 3D của protein với độ chính xác chưa từng có. Kể từ khi AI xuất hiện, nhiều công ty lớn hơn đã tham gia. Tarek Besold, một nhà khoa học nghiên cứu cấp cao của SonyAI, người đứng đầu chương trình khám phá khoa học AI của công ty, nói rằng AI cho khoa học là "một mục tiêu đằng sau đó cộng đồng AI có thể tập hợp trong nỗ lực thúc đẩy công nghệ cơ bản nhưng thậm chí quan trọng hơn là giúp nhân loại giải quyết một số vấn đề cấp bách nhất của thời đại chúng ta".

Tuy nhiên, phong trào có những người chỉ trích. Ngay sau khi một bài báo trên Google DeepMind năm 2023 được công bố tuyên bố phát hiện ra 2,2 triệu cấu trúc tinh thể mới ("tương đương với kiến thức gần 800 năm"), hai nhà khoa học vật liệu đã phân tích một mẫu ngẫu nhiên của các cấu trúc được đề xuất và nói rằng họ đã tìm thấy "bằng chứng ít ỏi cho các hợp chất đáp ứng bộ ba tính mới, độ tin cậy và tiện ích". Nói cách khác, AI có thể tạo ra rất nhiều kết quả một cách nhanh chóng, nhưng những kết quả đó có thể không thực sự hữu ích.

Cách thức hoạt động của nhà khoa học AI

Trong trường hợp của nhà khoa học AI, Cong Lu và các cộng sự của ông đã thử nghiệm hệ thống của họ chỉ trên khoa học máy tính, yêu cầu nó điều tra các chủ đề liên quan đến các mô hình ngôn ngữ lớn, cung cấp năng lượng cho các chatbot như ChatGPT và cả chính nhà khoa học AI và các mô hình khuếch tán cung cấp năng lượng cho các bộ tạo hình ảnh như DALL-E.

Bước đầu tiên của nhà khoa học AI là tạo ra giả thuyết. Với mã cho mô hình mà nó đang nghiên cứu, nó tự do tạo ra các ý tưởng cho các thí nghiệm mà nó có thể chạy để cải thiện hiệu suất của mô hình và chấm điểm từng ý tưởng về tính thú vị, mới lạ và