Dấu vết AI ở 'thánh địa khoa học' Nobel gây tranh cãi

Trong khi một số người cho rằng các giải Nobel năm nay thể hiện "cái bắt tay lịch sử" của con người và máy học có thể giúp con người thành công hơn như thế nào, một số người khác cho rằng những trào lưu về AI đang gây ảnh hưởng quá mức.

Các ủy ban trao giải Nobel dường như công nhận sức mạnh mang tính bước ngoặt của trí tuệ nhân tạo (AI) thông qua hai giải thưởng năm nay. Giải thưởng vật lý dành cho những người có "công trình nền tảng trong lĩnh vực học máy sử dụng mạng nơ-ron nhân tạo", trong khi giải thưởng hóa học dành cho những người có "công trình đột phá trong thiết kế protein tính toán và dự đoán cấu trúc protein,... góp phần thúc đẩy thiết kế thuốc, sinh học tổng hợp và trí tuệ nhân tạo trong sinh học".

Nhưng không phải tất cả các nhà nghiên cứu đều vui mừng.

Vài phút sau khi Viện Hàn lâm Khoa học Hoàng gia Thụy Điển công bố những người chiến thắng giải Nobel Vật lý năm nay, mạng xã hội bùng nổ tranh cãi khi một số nhà vật lý lập luận rằng khoa học cơ bản về máy học, được tôn vinh trong các giải thưởng dành cho Geoffrey Hinton và John Hopfield, thực chất không phải là vật lý.

"Tôi không nói nên lời. Tôi thích máy học và mạng nơ-ron nhân tạo như bao người khác, nhưng khó có thể thấy đây là một khám phá vật lý", Jonathan Pritchard, nhà vật lý thiên văn tại Imperial College London viết trên X. "Tôi đoán là giải Nobel đã bị ảnh hưởng bởi cơn sốt AI".

Nghiên cứu của Hinton, tại Đại học Toronto ở Canada, và Hopfield tại Đại học Princeton ở New Jersey, "thuộc lĩnh vực khoa học máy tính", theo Sabine Hossenfelder, nhà vật lý tại Trung tâm Triết học Toán học Munich ở Đức. "Giải Nobel thường niên là cơ hội hiếm có để vật lý — và các nhà vật lý học — bước ra ánh đèn sân khấu. Đó là ngày mà bạn bè và gia đình nhớ ra rằng họ biết một nhà vật lý và có thể đến hỏi người đó về giải Nobel. Nhưng năm nay thì không phải vậy".

Tuy nhiên, nhiều nhà vật lý hoan nghênh tin tức này. “Nghiên cứu của Hopfield và Hinton là nghiên cứu liên ngành, kết hợp vật lý, toán học, khoa học máy tính và khoa học thần kinh”, Matt Strassler, một nhà vật lý lý thuyết tại Đại học Harvard ở Cambridge, Massachusetts cho biết. “Theo nghĩa đó, nó thuộc về tất cả các lĩnh vực này".

Anil Ananthaswamy, nhà văn viết về đề tài khoa học tại Berkeley, California và là tác giả của cuốn sách Why Machines Learn (Tại sao máy học), chỉ ra rằng mặc dù nghiên cứu được ủy ban Nobel dẫn ra khi tôn vinh các tác giả có thể không phải là vật lý lý thuyết theo nghĩa thuần túy nhất, nhưng nó bắt nguồn từ các kỹ thuật và khái niệm vật lý, chẳng hạn như năng lượng. 

Ananthaswamy nói thêm rằng dù mối liên hệ với vật lý trở nên mong manh hơn trong những giai đoạn phát triển tiếp theo của máy học, đặc biệt là trong các kỹ thuật giúp "đào tạo" mạng nơ-ron.

Nhưng các ý tưởng về vật lý cùng lúc giúp các nhà nghiên cứu hiểu lý do tại sao các hệ thống học sâu (deep learning) ngày càng phức tạp lại làm được những gì chúng làm. Lenka Zdeborová, người nghiên cứu vật lý thống kê về tính toán tại Viện Công nghệ Liên bang Thụy Sĩ ở Lausanne, cho biết: "Chúng ta cần cách suy nghĩ mà chúng ta có trong vật lý để nghiên cứu máy học".

"Tôi nghĩ rằng giải Nobel vật lý nên tiếp tục lan tỏa đến nhiều lĩnh vực kiến ​​thức vật lý hơn", Giorgio Parisi, một nhà vật lý tại Đại học Sapienza ở Rome, người cùng đạt giải Nobel năm 2021, cho biết. "Vật lý ngày càng trở nên rộng hơn và nó chứa đựng nhiều lĩnh vực kiến ​​thức không tồn tại trong quá khứ hoặc không phải là một phần của vật lý".

Sau giải thưởng vật lý, Demis Hassabis và John Jumper, những người đồng sáng tạo ra công cụ AI dự đoán cấu trúc protein AlphaFold tại Google DeepMind ở London, giành được một nửa giải Nobel Hóa học. (Nửa còn lại được trao cho David Baker tại Đại học Washington ở Seattle cho công trình thiết kế protein không sử dụng máy học).

David Jones, một nhà tin sinh học tại University College London, người đã cộng tác với DeepMind trong phiên bản đầu tiên của AlphaFold, cho biết, giải thưởng này là sự công nhận về sức mạnh của AI, nhưng cũng là sự tích lũy kiến ​​thức ổn định trong sinh học cấu trúc và tính toán. "Tôi không nghĩ AlphaFold liên quan đến bất kỳ thay đổi triệt để nào trong khoa học cơ bản", ông nói. 

"Chúng tôi không chỉ đi làm và nhấn nút AI, rồi về nhà", nhà nghiên cứu đạt giải Jumper cho biết. 

AlphaFold cũng sẽ không thể thành công nếu không có Protein Data Bank, một kho lưu trữ miễn phí gồm hơn 200.000 cấu trúc protein — bao gồm một số cấu trúc đã đóng góp cho các giải Nobel trước đây — được xác định bằng phương pháp tinh thể học tia X, kính hiển vi điện tử đông lạnh và các phương pháp thử nghiệm khác. “Mỗi điểm dữ liệu là nhiều năm nỗ lực của một ai đó”, Jumper cho biết.

Kể từ lần đầu tiên được trao giải vào năm 1901, giải Nobel thường đề cập đến tác động của nghiên cứu đối với xã hội và trao giải cho những phát minh thực tế, không chỉ khoa học thuần túy. Về mặt này, giải thưởng năm 2024 không phải là ngoại lệ, Ananthaswamy bình luận.