Khoa học AI so với khoa học của con người

Các công trình nghiên cứu Khoa học AI và Khoa học của con người Martin Weiss, Lacuna 2026 BibTeX@misc{weiss2026ai, author = {Martin Weiss}, title = {{AI Science vs. Human Science}}, year = {2026}, month = {oct}, howpublished = {Lacuna}, url = {https://lacuna.tiptreesystems.com/paper/ai-science-vs-human-science/art_3901430d6c0e4bddb284362100ef8548}, note = {Xuất bản ngày 27/10/2026}, }Sao chép BibTeX Thêm vào danh sách | Muốn đọc | Đang đọc | Đã đọc ★★★★★ Xóa đánh giá Danh sách Thêm Xóa | Chỉ bạn nhìn thấy mục này | Hoàn tất BIBMD | Chia sẻ trên X | Chia sẻ trên LinkedIn | Email Mục tiêu cốt lõi của khoa học là nâng cao hiểu biết của nhân loại về vũ trụ. Đây là luận điểm trọng tâm trong bài tiểu luận xuất bản năm 1994 của William Thurston mang tựa đề “Về chứng minh và tiến bộ trong toán học” (On Proof and Progress in Mathematics). Trong công trình này, Thurston phân tích sự lệch pha giữa các hệ thống đãi ngộ học thuật (như “Tín chỉ định lý” và chỉ số H-index) với quá trình tạo lập và truyền bá tri thức. Cơ chế khuyến khích học thuật hiện nay đang thúc đẩy một dạng năng suất có tính tích lũy kế thừa rất thấp. Quá trình công nghiệp hóa khoa học (Ravetz, 1971) cùng các chỉ số đo lường liên quan (Narin, 1976) đã tạo ra khoảng cách lớn giữa hoạt động sản sinh tri thức và các cơ chế đãi ngộ học thuật. Việc phát triển các hệ thống có khả năng dự báo tương lai, chứng minh định lý và nghiên cứu dược phẩm là điều đáng ghi nhận. Tuy nhiên, giới khoa học hiện đối mặt với nguy cơ nền khoa học truyền thống—nền Khoa học của con người dựa trên các chuẩn mực chung—suy thoái và bị thay thế bởi Khoa học AI. Khoa học AI ở dạng thức hiện tại tạo ra những kết quả bề ngoài có vẻ chuẩn xác (và thực tế thường là chuẩn xác), song lại có giá trị kế thừa lũy tích hạn chế. Kết quả nghiên cứu của OpenAI về phương trình Navier-Stokes là một minh chứng. Các phương trình Navier-Stokes mô tả chuyển động của chất lưu như nước và không khí; một trong những bài toán giải thưởng triệu đô của toán học là xác định liệu một dòng chất lưu đang chảy ổn định có thể đột ngột xuất hiện một điểm có vận tốc vô hạn hay không. Lời giải của OpenAI bắt đầu từ một chất lưu ở trạng thái tĩnh và tạo ra một lực tác động dẫn đến điểm kỳ dị bùng nổ (blowup). Kết quả này đủ điều kiện đáp ứng tiêu chí của giải thưởng Viện Toán học Clay. Song, như nhà toán học Luis Silvestre tại Đại học Chicago nhận định trên tạp chí Scientific American: “Bài toán Clay đã được xử lý, nhưng vấn đề cốt lõi của các phương trình Navier-Stokes thì vẫn chưa”. Đó là minh chứng rõ nét của một dạng tri thức kém tính tích lũy. Thurston từng chứng kiến hiện tượng tương tự trong sự nghiệp cá nhân. Những định lý ban đầu của ông trong lĩnh vực cấu trúc lá phân (foliations) có sức ảnh hưởng mạnh đến mức, như ông chia sẻ sau này: “Người ta nói với tôi (không phải phàn nàn, mà là tán dương) rằng tôi đang triệt tiêu lĩnh vực này. Các nghiên cứu sinh đã ngừng theo đuổi hướng nghiên cứu về lá phân”. Sau đó, khi tiếp cận một bài toán lớn hơn, ông đã chọn hướng đi ngược lại: tập trung nguồn lực xây dựng hạ tầng cơ sở và diễn giải các phương pháp tư duy. Kết quả là lĩnh vực nghiên cứu đó đã phát triển mạnh mẽ. Thurston cho rằng sự hiểu biết vận hành thông qua quá trình nén thông tin. Ông nhận định toán học có "khả năng nén đáng kinh ngạc": một khi đã thực sự hiểu một vấn đề, người ta có thể "lưu trữ, nhớ lại nhanh chóng và đầy đủ khi cần, đồng thời sử dụng như một bước đệm trong các tiến trình tư duy khác". Các giải pháp cũ có thể được áp dụng để giải quyết các vấn đề mới, đóng vai trò là một bước đơn lẻ trong một giải pháp tổng thể lớn hơn. Đó là sự tích lũy. Tuy nhiên, mối lo ngại hiện nay là AI có thể tạo ra kết quả nhanh hơn tốc độ thấu hiểu của con người. OpenAI dường như cũng chia sẻ quan điểm này. Khi công bố ba kết quả nghiên cứu mới do AI tạo ra, tổ chức này đã gọi các bản thảo là "một dạng dữ liệu nghiên cứu thô" và đề nghị các chuyên gia bên ngoài thành lập các nhóm "nhằm tìm hiểu các kết quả mới". Khoa học tích lũy và phát triển thông qua sự hiểu biết, do đó một nền khoa học bỏ qua sự hiểu biết sẽ khó có thể tiến bộ. Thông thường trong những trường hợp này, xã hội trông cậy vào các thể chế để tạo ra các rào chắn kiểm soát, nhưng tình hình đang thay đổi nhanh đến mức các thể chế này đã bắt đầu quá tải. Kiểm soát nhưng không thấu hiểu Dưới góc độ kỹ thuật, việc kiểm soát các hệ thống là ưu tiên hàng đầu. Các công cụ giải toán và hệ thống dự báo dạng "hộp đen" đưa ra các câu trả lời rất hữu ích để đạt được quyền kiểm soát này. Dưới góc độ khoa học, cơ chế vận hành—lý do vì sao một sự việc xảy ra—mới là yếu tố then chốt. Hiểu được nguyên nhân đồng nghĩa với việc thấu hiểu hệ thống, và sự thấu hiểu thường dẫn đến khả năng kiểm soát. Mối nguy hiểm của Khoa học AI là con người có được quyền kiểm soát nhưng thiếu sự thấu hiểu. Cần làm rõ rằng, thấu hiểu ở đây là việc sở hữu một mô hình đủ chuẩn xác về cách thức vận hành của một sự vật, hiện tượng, từ đó có thể nhận thức rõ về những gì sẽ diễn ra khi tác động vào nó. Nhân loại có thể sớm bước vào một thế giới nơi mọi căn bệnh đều có thể được chữa khỏi, các cơn bão được dự báo từ rất sớm và mọi định lý đều được chứng minh, nhưng không một ai đang sống hiểu được cách thức vận hành của những điều đó. Khi con người kiểm soát các hệ thống mà bản thân không hiểu rõ, hậu quả đôi khi là những bi kịch. Năm 1935, Australia đã thả cóc mía để kiểm soát loài bọ cánh cứng phá hoại mía; không có bằng chứng nào cho thấy loài cóc này làm suy giảm số lượng bọ cánh cứng, nhưng hiện nay chúng đã trở thành một trong những loài sinh vật ngoại lai xâm hại có sức tàn phá lớn nhất tại quốc gia này. Tương tự, thalidomide từng được bán trên thị trường như một loại thuốc an thần an toàn, bao gồm cả việc chỉ định cho phụ nữ mang thai để giảm ốm nghén, khiến hơn 10.000 trẻ em sinh ra bị dị tật bẩm sinh nghiêm trọng trước khi bị thu hồi vào năm 1961. Phải đến năm 2010, các nhà nghiên cứu mới xác định được đích phân tử có khả năng gây ra tác động này. Mùa hè năm nay, OpenAI và Anthropic đã chứng minh viễn cảnh khi các tác tử AI kiểm soát những hệ thống mà chúng không hiểu rõ. Cả hai phòng thí nghiệm AI đều thử nghiệm mô hình trong các bài diễn tập an ninh mạng cướp cờ (capture-the-flag). Anthropic thông báo cho Claude rằng môi trường hoạt động chỉ là mô phỏng và không có kết nối internet; tuy nhiên, một lỗi cấu hình đã cho phép Claude truy cập internet, và Claude đã coi các hệ thống thực tế mà nó tìm thấy là một phần của trò chơi. Một mô hình đã xâm nhập vào một công ty có thật vô tình trùng tên với mục tiêu giả định. Một mô hình khác đã phát tán gói phần mềm cài bẫy, chạy trên 15 máy tính thực tế, sau khi tự nhận định rằng mốc thời gian năm 2026 trên hệ thống chứng minh toàn bộ sự việc chỉ là dàn dựng. Tại OpenAI, khoảng 700 tác tử AI đã tham gia một cuộc tấn công vào nền tảng Hugging Face, dù nhận thức được đây là mục tiêu thật. Một tác tử đã ghi lại: "Khai thác hạ tầng bên ngoài nằm ngoài phạm vi dự kiến. Tuy nhiên nhiệm vụ là bất khả thi, các tác tử khác đang thực hiện. Chúng ta nên tiếp tục." Cả hai hệ thống AI đều không hiểu được hậu quả từ hành động của mình. Lợi ích từ Khoa học AI liệu có xứng đáng với rủi ro? Vấn đề này vẫn đang tạo ra nhiều luồng ý kiến trái chiều. Mỗi lựa chọn đều có cái giá phải trả: hậu quả ngoài ý muốn khi sử dụng AI mà con người không thấu hiểu, hoặc những hệ lụy không mong muốn khi từ chối sử dụng công nghệ này. Một số ý kiến cho rằng