Hệ thống AI tự động hóa viết mã cho nghiên cứu khoa học

Tin tức Sự kiện tin tức Tất cả các tin tức Hệ thống AI tự động viết mã cho nghiên cứu khoa học Hệ thống hỗ trợ nghiên cứu thực nghiệm vượt trội so với phần mềm do chuyên gia viết Bởi Anne J. Manning | Liên hệ báo chí Ngày 19/5/2026 FacebookTwitterEmailLinkedIn Những điểm chính Một công cụ AI mới có tên Empirical Research Assistance (ERA) có thể tự động viết phần mềm khoa học hiệu suất cao. ERA có thể đẩy nhanh đáng kể khám phá khoa học trên nhiều lĩnh vực. Một nhóm nghiên cứu tại Google do Michael Brenner, Giáo sư Catalyst về Toán học và Vật lý ứng dụng tại Trường Kỹ thuật và Khoa học Ứng dụng Harvard John A. Paulson (SEAS) và nhà khoa học nghiên cứu của Google đồng lãnh đạo, đã tạo ra một hệ thống trí tuệ nhân tạo mới có thể tự động viết các chương trình phần mềm khoa học vượt trội so với hiệu suất của các chương trình do con người viết. Được công bố trên tạp chí Nature, hệ thống này có tên Empirical Research Assistance (ERA), và dự án được đồng lãnh đạo bởi Brenner và Shibl Mourad từ Google DeepMind. Các nghiên cứu sinh tiến sĩ của Harvard là Qian-Ze Zhu, Ryan Krueger và Sarah Martinson đã đóng góp với tư cách là các nhà nghiên cứu sinh viên của Google khi làm việc trong nhóm của Brenner. Nghiên cứu được thực hiện trong vai trò Giáo sư Catalyst của Brenner, một vị trí được Đại học thành lập để tăng cường mối quan hệ giữa giới học thuật và khu vực tư nhân bằng cách hỗ trợ các giảng viên cấp cao trong các vai trò nghiên cứu tại các công ty bên ngoài. Trong khoa học hiện đại, phần mềm tùy chỉnh liên tục được sử dụng để kiểm tra các giả thuyết cụ thể hoặc diễn giải dữ liệu phức tạp. Các tác giả gọi loại chương trình máy tính này là “phần mềm thực nghiệm” – một chương trình có mục đích duy nhất là tối đa hóa hiệu suất của nó trong một nhiệm vụ khoa học, như dự báo thời tiết hoặc dự báo số ca nhập viện trong một đợt bùng phát dịch bệnh. Bất kỳ vấn đề nào có thể được biểu thị bằng một giá trị số – “điểm” của nó – được gọi là nhiệm vụ có thể chấm điểm. Phần mềm thực nghiệm để giải quyết các nhiệm vụ có thể chấm điểm như vậy là nền tảng cho những tiến bộ lớn trên nhiều lĩnh vực, bao gồm ba giải Nobel hóa học gần đây. Nhưng phần mềm chuyên biệt, được xây dựng tùy chỉnh để giải quyết các thí nghiệm này đòi hỏi nhiều công sức, yêu cầu con người phải kiểm tra và tinh chỉnh mã nhiều lần. Hệ thống ERA mới loại bỏ nút thắt này bằng cách tự động hóa toàn bộ chu trình thiết kế và tinh chỉnh phần mềm khoa học – một quá trình mà thông thường có thể mất hàng tháng hoặc thậm chí hàng năm bởi các chuyên gia con người. Hệ thống này kết hợp mô hình ngôn ngữ lớn Google Gemini với một chiến lược tìm kiếm để khám phá và tinh chỉnh hàng nghìn đoạn mã – nhanh hơn nhiều và với phạm vi rộng hơn so với con người. Bắt đầu với một đoạn mã cơ sở nhằm giải quyết một vấn đề cụ thể, hệ thống AI mới đề xuất các sửa đổi bằng cách thêm các thành phần mới hoặc thay đổi thuật toán, với mục tiêu cải thiện một điểm chất lượng được xác định trước – ví dụ, mô hình này có thể dự đoán mức độ lây lan của một căn bệnh chính xác đến mức nào, dựa trên số liệu nhập viện trong quá khứ? Mô hình này dự đoán hình dạng của protein dựa trên các trình tự axit amin này tốt đến mức nào? Hệ thống sử dụng một phương pháp gọi là tìm kiếm cây (tree search) – cũng được sử dụng trong các hệ thống chơi game như AlphaGo – để quyết định những ý tưởng đầy hứa hẹn nào nên theo đuổi và những ý tưởng nào nên loại bỏ để trở nên tốt hơn trong nhiệm vụ dự đoán số ca nhập viện, dự đoán hình dạng protein, v.v. Sơ đồ thuật toán cung cấp một nhiệm vụ có thể chấm điểm và các ý tưởng nghiên cứu cho một mô hình ngôn ngữ lớn (LLM), sau đó LLM tạo mã đánh giá trong một môi trường biệt lập (sandbox). Mã này được sử dụng trong tìm kiếm cây (tree search), nơi các nút mới được tạo và cải thiện lặp đi lặp lại bằng cách sử dụng LLM. Nguồn: Google AI không hoạt động đơn lẻ. Trong quá trình này, AI có thể được hướng dẫn bởi các ý tưởng nghiên cứu trong các bài báo hoặc sách giáo khoa. Những ý tưởng này có thể được người dùng cung cấp trực tiếp hoặc được truy xuất tự động và tích hợp vào các phiên bản mã sau này. Ông Brenner cho biết: “Khả năng tích hợp và kết hợp lại các ý tưởng nghiên cứu này cho phép hệ thống tìm ra những giải pháp ‘kim trong đáy bể’ mà nghiên cứu của con người có thể không bao giờ thử nghiệm được”. Để chứng minh điều đó, nhóm nghiên cứu của Harvard và Google đã áp dụng hệ thống ERA vào một tập hợp đa dạng các vấn đề khoa học. Vai trò của Zhu trong dự án là sử dụng ERA để dự đoán hoạt động của hơn 70.000 tế bào thần kinh trong não cá ngựa vằn và so sánh với dữ liệu thần kinh thực tế. Trong một thí nghiệm, nhóm đã yêu cầu ERA sử dụng một thư viện mô hình tế bào thần kinh hiện có để xây dựng các mô phỏng hoạt động thần kinh chính xác hơn về mặt vật lý. Nhiệm vụ này sẽ mất hàng tuần hoặc hàng tháng để Zhu học một gói phần mềm mới, nhưng ERA có thể tự động lắp ráp và điều chỉnh các mô hình. Ông Zhu nói: “Hệ thống mới này sẽ đẩy nhanh khám phá khoa học bằng cách cho phép bạn khám phá nhiều ý tưởng cùng một lúc. Trước đây, bạn có thể mất một tuần để triển khai một số phương pháp cụ thể, nhưng bây giờ bạn có thể chạy chúng song song trong vài giờ”. Trong một thử nghiệm, hệ thống ERA đã tạo ra 14 mô hình dự đoán số ca nhập viện do COVID-19 vượt trội so với các mô hình tốt nhất của Trung tâm Kiểm soát Dịch bệnh Hoa Kỳ được sử dụng trong đại dịch. Trong một thí nghiệm khác, ERA đã khám phá ra bốn phương pháp mới để tích hợp các bộ dữ liệu giải trình tự RNA đơn bào, vượt qua các phương pháp hàng đầu do con người thiết kế. Theo một bài đăng trên blog của Google về đột phá này, bằng cách giảm thời gian cần thiết để khám phá một tập hợp ý tưởng từ vài tháng xuống còn vài giờ hoặc vài ngày, hệ thống mới có thể tiết kiệm đáng kể thời gian cho các nhà khoa học để tập trung vào “những thách thức thực sự sáng tạo và quan trọng, đồng thời tiếp tục xác định và ưu tiên các câu hỏi nghiên cứu cơ bản và thách thức xã hội mà nghiên cứu khoa học có thể giúp giải quyết”. Chủ đề: AI / Học máy, Tính toán ứng dụng, Toán học ứng dụng, Khoa học dữ liệu, Khoa học máy tính, Công nghiệp, Nghiên cứu Khoa học tiên tiến được gửi trực tiếp đến hộp thư đến của bạn. Tham gia danh sách gửi thư của Harvard SEAS. Đăng ký Hồ sơ nhà khoa học