Khi AI không còn chờ hỏi mới trả lời
Hãy tưởng tượng một hệ thống AI không đợi nhà khoa học đặt câu hỏi — nó tự đưa ra giả thuyết, tự thiết kế thí nghiệm, tự diễn giải kết quả, rồi lặp lại toàn bộ chu trình mà không cần con người can thiệp ở từng bước. Đây không phải viễn cảnh của thập kỷ sau. Đây là điều mà cộng đồng khoa học hàng đầu thế giới đang bắt đầu tranh luận nghiêm túc — ngay lúc này.
Tháng 7/2025, tạp chí Cell — một trong những tạp chí sinh học uy tín nhất thế giới — đã đăng bài phân tích quan điểm (perspective) của nhóm tác giả Guo et al., khảo sát quá trình chuyển đổi của AI y sinh từ công cụ trả lời câu hỏi thụ động sang các hệ thống 'agentic' có khả năng hành động tự chủ trong nghiên cứu. Việc Cell chọn đăng tải chủ đề này là tín hiệu rõ ràng: khoa học dòng chính đã bắt đầu coi agentic AI là vừa là cơ hội lớn, vừa là thách thức quản trị không thể trì hoãn.
'Scaling logic' và giấc mơ tăng tốc khoa học
Guo et al. đặt ra một so sánh đáng chú ý: giống như các mô hình ngôn ngữ lớn (LLM) đột phá nhờ quy mô dữ liệu và tính toán, các AI agent trong phòng lab sinh học có thể trải qua động lực tương tự. Theo lý luận này, nếu đủ dữ liệu thí nghiệm và sức mạnh tính toán, AI có thể tự học cách làm khoa học theo cách mà con người chưa hình dung được.
Viễn cảnh lạc quan là có cơ sở: những chu trình khám phá thuốc hiện mất hàng thập kỷ có thể được rút ngắn xuống còn vài năm. Với Việt Nam — một quốc gia đang thiếu trầm trọng nhà khoa học cấp cao — các AI agent có thể là đòn bẩy giúp các viện nghiên cứu nhỏ hơn tham gia cuộc chơi toàn cầu mà không cần đội ngũ chuyên gia khổng lồ.
Tuy nhiên, bài viết trên Cell không phải bản ca ngợi một chiều.
Bốn rủi ro mà Việt Nam không thể bỏ qua
Guo et al. xác định ít nhất bốn nhóm rủi ro lớn của agentic AI trong y sinh:
- Ảo giác (hallucination): AI tạo ra các luận điểm khoa học nghe có vẻ thuyết phục nhưng hoàn toàn sai. Nếu một AI agent tự thiết kế thí nghiệm dựa trên cơ chế sinh học bịa đặt, hậu quả có thể là lãng phí nguồn lực khổng lồ — hoặc nguy hiểm hơn.
- Thiên kiến hệ thống (bias): Sai số bẩm sinh trong dữ liệu huấn luyện có thể khiến AI đưa ra kết luận lệch lạc có hệ thống.
- Lạm dụng kép (dual-use): Nghiên cứu tự chủ có thể vô tình — hoặc cố ý — tạo ra mầm bệnh hay chất độc nguy hiểm dưới vỏ bọc nghiên cứu hợp pháp.
- Mai một kỹ năng nhận thức (cognitive deskilling): Đây là rủi ro đáng lo ngại nhất với Việt Nam.
Cái bẫy với tham vọng khoa học Việt Nam
Việt Nam đang đổ đầu tư lớn vào hai trụ cột: AI và công nghệ sinh học, theo Chiến lược AI Quốc gia 2021-2030. Các bệnh viện và trường đại học Việt Nam cũng đang ngày càng tích hợp AI chẩn đoán. Đây là hướng đi đúng.
Nhưng Guo et al. đặt ra một câu hỏi khiến người ta phải dừng lại: nếu thế hệ nhà khoa học trẻ học cách dựa vào AI agent thay vì tự xây dựng trực giác cơ chế sâu sắc, liệu năng lực khoa học lâu dài có bị xói mòn từ bên trong?
Trong một nền văn hóa giáo dục coi trọng chiều sâu chuyên môn như Việt Nam, đây không phải câu hỏi học thuật. Đây là câu hỏi về chiến lược đào tạo thế hệ kế tiếp.
Cần nhấn mạnh: bài của Guo et al. là bài phân tích quan điểm, không phải nghiên cứu thực nghiệm. Các lập luận phản ánh tổng hợp chuyên gia, không phải dữ liệu mới. Theo thông tin hiện có, danh tính đầy đủ và liên kết tổ chức của các tác giả chưa được xác minh độc lập.
Con đường giữa: Không từ chối, không phụ thuộc mù quáng
Các tác giả không kêu gọi dừng phát triển agentic AI. Họ đề xuất một khung làm việc mà họ gọi là 'hợp tác người-AI có trách nhiệm' — AI mở rộng năng lực con người, không thay thế phán đoán của con người.
Với Việt Nam, điều đó có nghĩa là: đầu tư vào AI, nhưng đồng thời xây dựng chương trình đào tạo đảm bảo nhà khoa học trẻ vẫn hiểu tại sao — không chỉ kết quả là gì. Thế hệ nghiên cứu viên biết hợp tác với AI mà không mất đi trực giác khoa học sẽ là lợi thế cạnh tranh thực sự của Việt Nam trong kỷ nguyên mới.
— Bài viết này được tổng hợp và biên soạn bởi AI LUMINA từ các nguồn đã xác thực. Dữ liệu và thông tin dẫn nguồn từ: Cell (journal).
