Vòng CK Robocon Việt Nam 2026: Lễ khai mạc và những trận đấu nảy lửa đầu tiên

Việt Linh - Hồng Ngọc, 30/05/2026 05:25 GMT+7

VTV.vn - Tối 29/5, tại Trường quay S1 Đài THVN đã diễn ra Lễ khai mạc và những trận thi đấu thuộc bảng A-B vòng chung kết Cuộc thi Sáng tạo Robot Việt Nam (Robocon Việt Nam 2026).

Trong những năm qua, Robocon không ngừng khẳng định vị thế là sân chơi công nghệ đỉnh cao kết hợp giữa giáo dục - nghiên cứu - ứng dụng thực tiễn. Tại đây, sinh viên được thực hành toàn diện, từ lập trình, cơ khí, điện - điện tử đến kỹ năng quản trị dự án, làm việc nhóm, truyền thông và phản ứng nhanh với các tình huống bất ngờ.

Mỗi đội thi không chỉ là một nhóm kỹ thuật mà là "tổ chức mini" với các vai trò rõ ràng, phản ánh đúng yêu cầu của ngành công nghệ trong thời đại thực chiến và đổi mới sáng tạo.

Sau hành trình tuyển chọn gắt gao từ vòng sơ tuyển, những đội có màn trình diễn ấn tượng nhất đã sẵn sàng bước vào cuộc đua trí tuệ đầy cam go, khẳng định bản lĩnh trước hàng triệu khán giả truyền hình và cộng đồng yêu công nghệ trên toàn quốc.

Với chủ đề "Chiến binh võ thuật", không gian 12m x 12m đã trở thành một "Võ đường" thực thụ với các thử thách vô cùng sinh động. Mỗi đội sẽ điều khiển hai robot, trong đó một robot phải hoạt động hoàn toàn tự động. Các "chiến binh" này sẽ phải thể hiện sự khéo léo và chính xác tuyệt đối để thực hiện nhiệm vụ nhặt và lắp ráp binh khí, di chuyển qua "Quần thể rừng tre" để thu thập các "Bí kíp võ công".

Trận đấu sẽ được đẩy lên cao trào tại khu vực "Đấu trường", nơi các robot phải khéo léo đặt các bí kíp lên giá cờ ca-rô cao 2 mét. Đội nào xếp thành công ba bí kíp võ công theo hàng dọc hoặc đường chéo sẽ ngay lập tức giành chiến thắng tuyệt đối và được phong danh hiệu "Bậc Thầy Kung Fu". Theo Ban Tổ chức, đề thi này đòi hỏi các đội phải vận dụng rất nhiều kỹ năng lập trình phức tạp, đặc biệt là khả năng ứng dụng trí tuệ nhân tạo (AI) và các chiến thuật linh hoạt trên sân.

Phát biểu tại lễ khai mạc, ông Đinh Đắc Vịnh - Phó Tổng Giám đốc Đài THVN, Trưởng Ban tổ chức Robocon Việt Nam 2026 cho biết, cuộc thi Sáng tạo Robocon Việt Nam năm nay diễn ra trong bối cảnh cả nước đang thực hiện Nghị quyết số 57 của Bộ Chính trị về đột phá phát triển khoa học công nghệ, đổi mới sáng tạo và chuyển đổi số. Để hiện thực hóa tầm nhìn đó vào việc phát triển và trọng dụng nguồn nhân lực chất lượng cao, đặc biệt trong các lĩnh vực mũi nhọn như robotics, tự động hóa và trí tuệ nhân tạo là nhiệm vụ mang tầm chiến lược, là yếu tố then chốt.

Cuộc thi Robocon chính là môi trường thực tiễn, nơi mà các bạn sinh viên từng bước làm chủ những công nghệ lõi, từ đó góp phần xây dựng nguồn nhân lực ưu việt sẵn sàng kiến tạo tương lai.

"Đài Truyền hình Việt Nam tin tưởng rằng sau khi bước ra từ sân chơi Robocon, các bạn sẽ là những đội ngũ kỹ sư xuất sắc, có những đóng góp to lớn cho sự phát triển khoa học công nghệ của nước nhà;" - Trưởng Ban tổ chức Robocon Việt Nam 2026 cho biết.

Ngay sau lời tuyên thệ của đại diện 16 đội thi, vòng chung kết Cuộc thi Sáng tạo Robot Việt Nam 2026 đã chính thức bắt đầu.

Bậc Thầy Kung Fu liên tục được ghi

Ngày thi đấu đầu tiên chứng kiến sự áp đảo của các đội đến từ Trường Đại học Lạc Hồng khi liên tiếp giành những chiến thắng tuyệt đối "Bậc Thầy Kung Fu", đồng thời xác lập vị thế ứng viên vô địch ngay từ những lượt trận đầu tiên.

Ở Bảng A, đội LH-IDS (Đại học Lạc Hồng) có màn trình diễn thuyết phục khi lần lượt đánh bại PKA-BERMUDA (Đại học Phenikaa) với tỉ số 280-50, trước khi giành chiến thắng tuyệt đối trước TDH-ICTU (Đại học CNTT và Truyền thông - Đại học Thái Nguyên) chỉ sau 1 phút 37 giây và tiếp tục vượt qua HACTECH-FATTAH II (Cao đẳng Nghề Bách khoa Hà Nội) bằng chiến thắng "Bậc Thầy Kung Fu" ở thời điểm 2 phút 09 giây.

Trong khi đó, TDH-ICTU cũng cho thấy sức mạnh đáng gờm khi thắng HACTECH-FATTAH II với tỉ số 130-30 và tiếp tục vượt qua PKA-BERMUDA với tỉ số 130-40. Đại học Phenikaa trải qua ngày thi đấu khó khăn khi để thua cả ba trận vòng bảng. HACTECH-FATTAH II dù thắng Phenikaa 60-0 nhưng không thể tạo nên bất ngờ trước các đối thủ mạnh hơn.

Tại Bảng B, đội LH-FOF (Đại học Lạc Hồng) tiếp tục gây ấn tượng mạnh. Sau khi từng lập kỷ lục chiến thắng ở vòng sơ loại, đội tiếp tục đánh bại SDU LEGENDS (Đại học Sao Đỏ) bằng chiến thắng tuyệt đối sau 1 phút 28 giây. Đội sau đó còn thể hiện phong độ vượt trội khi lần lượt hạ UNETI 02 (Đại học Kinh tế - Kỹ thuật Công nghiệp) chỉ sau 1 phút 17 giây và vượt qua LQDTU 531 VEER (Đại học Kỹ thuật Lê Quý Đôn) với chiến thắng "Bậc Thầy Kung Fu" ở thời điểm 2 phút 03 giây.

Ở các trận đấu còn lại của bảng B, SDU LEGENDS thi đấu ổn định khi giành chiến thắng trước LQDTU 531 VEER với tỉ số 130-0 và UNETI 02 với tỉ số 100-30. UNETI 02 cũng có chiến thắng trước LQDTU 531 VEER với tỉ số 110-0. Đội đến từ Đại học Kỹ thuật Lê Quý Đôn gặp nhiều khó khăn về kỹ thuật và chưa thể tạo dấu ấn trong ngày thi đấu đầu tiên.

Khép lại ngày thi đấu đầu tiên, Đại học Lạc Hồng đang trở thành tâm điểm khi cả hai đội tuyển LH-IDS và LH-FOF đều toàn thắng các trận đấu trong đó có 5 chiến thắng tuyệt đối Bậc Thầy Kung Fu. SDU LEGENDS và TDH-ICTU nổi lên là những đối thủ cạnh tranh đáng chú ý với thành tích thi đấu ổn định.

Vào lúc 20h ngày mai (30/5), VTV2 sẽ tường thuật trực tiếp loạt trận thi đấu thuộc bảng C-D của vòng chung kết Robocon Việt Nam 2026 để xác định 4 đội tuyển còn lại vào thi đấu tại tứ kết.

Thời báo VTV sẽ tiếp tục cập nhật những diễn biến ngày thi đấu tiếp theo vòng chung kết Cuộc thi Sáng tạo Robot Việt Nam 2026!

Ngày 28-5, Tập đoàn TechSource Systems & Ascendas Systems tổ chức hội thảo về việc ứng dụng trí tuệ nhân tạo nhúng (Embedded AI) kết hợp phương pháp thiết kế dựa trên mô hình trong phát triển các hệ thống thông minh hiện đại.

Ông Alex Lo, Giám đốc điều hành Tập đoàn TechSource Systems & Ascendas Systems, cho rằng trí tuệ nhân tạo nhúng đang mở ra một kỷ nguyên mới cho các hệ thống thông minh và thiết bị tự động. Công cụ Agentic AI (AI có tính chủ động) còn hỗ trợ kỹ sư tăng tốc quá trình phát triển thuật toán, tự động sinh mã, tạo kiểm thử, phân tích lỗi và tối ưu quy trình thiết kế hệ thống kỹ thuật... Đây được xem là bước tiến mới trong việc kết hợp AI với quy trình phát triển kỹ thuật hiện đại.

Các công cụ trí tuệ nhân tạo mở rộng tác động của nhà khoa học nhưng thu hẹp trọng tâm của khoa học

Những phát triển trong trí tuệ nhân tạo (AI) đã thúc đẩy khám phá khoa học [1]. Cùng với các giải Nobel gần đây liên quan đến AI [2-9], những xu hướng này khẳng định vai trò của các công cụ AI trong khoa học [10]. Tiến bộ này đặt ra câu hỏi về ảnh hưởng của các công cụ AI đối với các nhà khoa học và nền khoa học nói chung, đồng thời làm nổi bật xung đột tiềm ẩn giữa lợi ích cá nhân và tập thể [11]. Để đánh giá những câu hỏi này, chúng tôi đã sử dụng mô hình ngôn ngữ được huấn luyện trước để xác định các nghiên cứu có sử dụng AI, với điểm F1 đạt 0,875 khi xác thực với dữ liệu được chuyên gia gán nhãn. Sử dụng tập dữ liệu gồm 41,3 triệu bài báo nghiên cứu trong các ngành khoa học tự nhiên và bao quát các thời kỳ AI khác nhau, chúng tôi cho thấy tốc độ áp dụng các công cụ AI của các nhà khoa học ngày càng tăng cùng những lợi thế nghề nghiệp nhất quán gắn với việc sử dụng AI, nhưng kéo theo sự thu hẹp phạm vi trọng tâm khoa học tập thể. Các nhà khoa học tham gia nghiên cứu có hỗ trợ AI công bố nhiều bài báo gấp 3,02 lần, nhận được số trích dẫn nhiều gấp 4,84 lần và trở thành trưởng nhóm nghiên cứu sớm hơn 1,37 năm so với những người không sử dụng. Ngược lại, việc áp dụng AI làm giảm 4,63% khối lượng chủ đề khoa học được nghiên cứu ở cấp tập thể và giảm 22% mức độ tương tác giữa các nhà khoa học. Hậu quả là, việc áp dụng AI trong khoa học dường như tạo ra một nghịch lý: mở rộng tác động của từng nhà khoa học nhưng thu hẹp phạm vi của khoa học tập thể, khi các công trình có hỗ trợ AI dịch chuyển chung về các lĩnh vực giàu dữ liệu nhất. Với việc giảm tương tác tiếp nối, các công cụ AI dường như tự động hóa các lĩnh vực đã được thiết lập thay vì khám phá những lĩnh vực mới, làm nổi bật sự căng thẳng giữa thăng tiến cá nhân và tiến bộ khoa học chung.

Adam bắt chước một nhà sinh vật học. Sau khi nghĩ ra các câu hỏi về nấm men, cỗ máy đã thử nghiệm chúng trong một phòng thí nghiệm robot cỡ một chiếc xe tải nhỏ, sử dụng một tủ đông chứa đầy mẫu vật và một bộ cánh tay robot. Một số ít phát hiện nhỏ của Adam, bắt đầu từ những năm 2000, được coi là những khám phá khoa học hoàn toàn tự động đầu tiên.

Hiện nay, các dạng trí tuệ nhân tạo mạnh mẽ hơn đang đảm nhận những vai trò quan trọng trong quy trình khoa học tại các phòng thí nghiệm và trường đại học trên khắp thế giới. Giải Nobel Hóa học và Vật lý năm 2024 đã thuộc về những người tiên phong phát triển công cụ AI. Vẫn còn là những ngày đầu, và có không ít người hoài nghi. Nhưng khi công nghệ tiến bộ, liệu AI có thể trở nên ít giống một công cụ nghiên cứu hơn và giống một kiểu nhà khoa học ngoài hành tinh hơn không?

“Nếu anh hỏi tôi cách đây khoảng một năm, tôi sẽ nói rằng có rất nhiều sự thổi phồng,” nhà khoa học thần kinh tính toán Sebastian Musslick thuộc Đại học Osnabrück, Đức, cho biết. Còn bây giờ, “thực sự đã có những khám phá thực thụ.”

Các nhà toán học, nhà khoa học máy tính và các nhà nghiên cứu khác đã đạt được những đột phá trong công việc của họ nhờ sử dụng các tác nhân AI, chẳng hạn như tác nhân có sẵn qua ChatGPT của OpenAI. Các tác nhân AI chủ động chia nhỏ câu hỏi ban đầu của bạn thành một chuỗi các bước và có thể tìm kiếm trên web để hoàn thành nhiệm vụ hoặc đưa ra câu trả lời chuyên sâu. Tại các công ty dược phẩm, các nhà nghiên cứu đang phát triển các hệ thống kết hợp tác nhân với các công cụ dựa trên AI khác để tìm ra thuốc mới. Các kỹ sư đang sử dụng những hệ thống tương tự để khám phá vật liệu mới có thể hữu ích trong pin, thu giữ carbon và điện toán lượng tử.

Nhưng con người, chứ không phải robot như Adam, vẫn chiếm phần lớn các phòng thí nghiệm và hội nghị. Một thay đổi có ý nghĩa trong cách chúng ta làm khoa học “vẫn chưa thực sự xảy ra,” nhà khoa học nhận thức Gary Marcus thuộc Đại học New York nói. “Tôi nghĩ phần lớn chỉ là tiếp thị.”

Hiện tại, các hệ thống AI đặc biệt giỏi trong việc tìm kiếm câu trả lời bên trong một chiếc hộp do các nhà khoa học xác định. Lục lọi trong chiếc hộp đó, đôi khi là một chiếc hộp dữ liệu hiện có khổng lồ, các hệ thống AI có thể tạo ra các kết nối và tìm ra những câu trả lời ít người biết đến. Đối với các mô hình ngôn ngữ lớn (LLM) đứng sau các chatbot và tác nhân như ChatGPT, chiếc hộp thông tin là một lượng văn bản khổng lồ đáng kinh ngạc, bao gồm các bài báo nghiên cứu được viết bằng nhiều ngôn ngữ.

Nhưng để mở rộng ranh giới của hiểu biết khoa học, Marcus nói, con người cần phải suy nghĩ vượt ra ngoài chiếc hộp. Cần có sự sáng tạo và trí tưởng tượng để thực hiện những khám phá lớn như trôi dạt lục địa hay thuyết tương đối hẹp. AI ngày nay chưa thể sánh được với những bước nhảy vọt về hiểu biết như vậy, các nhà nghiên cứu lưu ý. Nhưng các công cụ này rõ ràng có thể thay đổi cách các nhà khoa học con người thực hiện khám phá.

AI như một người bạn nghiên cứu

Alex Lupsasca, một nhà vật lý lý thuyết nghiên cứu về hố đen, cảm thấy rằng ông đã nhìn thấy trước tương lai của khám phá khoa học do AI thúc đẩy. Tự mình làm việc tại Đại học Vanderbilt ở Nashville, ông đã tìm ra các tính đối xứng mới trong các phương trình chi phối hình dạng của chân trời sự kiện của hố đen. Vài tháng sau, vào mùa hè năm 2025, ông gặp giám đốc nghiên cứu của OpenAI, Mark Chen. Chen khuyến khích ông thử nghiệm tác nhân ChatGPT chạy trên mô hình ngôn ngữ GPT-5 pro, vốn hoàn toàn mới vào thời điểm đó.

Lupsasca hỏi tác nhân liệu nó có thể tìm ra các tính đối xứng mà ông đã tìm thấy hay không. Lúc đầu, nó không thể. Nhưng khi ông đưa cho nó một câu hỏi khởi động dễ hơn, rồi hỏi lại, nó đã đưa ra câu trả lời. “Tôi kiểu như, lạy Chúa, điều này thật điên rồ,” ông nói.

OpenAI đã kiểm tra rằng tác nhân không lấy câu trả lời từ bài báo đã xuất bản của Lupsasca về phát hiện của ông. Thông tin mà tác nhân đã được huấn luyện được thu thập chín tháng trước khi bài báo của Lupsasca ra đời. Mặc dù tác nhân có khả năng truy cập internet trong lúc suy luận, “tôi khá chắc chắn rằng vấn đề cụ thể này chưa từng được giải quyết trước đây (và ChatGPT không hề biết đến giải pháp của tôi),” Lupsasca viết trong email. Đó là bởi vì nó đã tìm ra một cách dễ dàng hơn để đạt được điều đó.

Lupsasca cảm thấy rằng “thế giới đã thay đổi một cách sâu sắc,” và ông muốn ở vị trí tiên phong của sự thay đổi đó. Ông cùng gia đình chuyển đến San Francisco để làm việc tại OpenAI. Hiện ông là thành viên của một đội ngũ mới tại đó, OpenAI for Science, chuyên xây dựng các công cụ AI dành riêng cho các nhà khoa học. Ông gọi ChatGPT là “bạn đồng hành” trong nghiên cứu. “Nó sẽ giúp tôi khám phá thêm nhiều điều và viết nên những bài báo tốt hơn.”

Các nhà khoa học khác cũng đang sử dụng AI như một người bạn. Vào tháng 10 năm 2025, nhà toán học Ernest Ryu của UCLA đã công bố một chứng minh mới mà ông khám phá với sự trợ giúp của ChatGPT chạy trên GPT-5 pro. Chứng minh này liên quan đến một nhánh của toán học và khoa học máy tính gọi là tối ưu hóa, tập trung vào việc tìm ra giải pháp tốt nhất cho một bài toán từ một tập hợp các lựa chọn. Một số phương pháp thực hiện việc này hay nhảy lung tung, không thể hội tụ vào một giải pháp duy nhất. Ryu (và mô hình AI) đã chứng minh rằng một phương pháp phổ biến luôn hội tụ về một nghiệm duy nhất.

Việc thực hiện khám phá này cần đến 12 giờ qua lại giữa người và máy. “[ChatGPT] đã khiến tôi kinh ngạc với những điều kỳ lạ mà nó thử làm,” Ryu kể với OpenAI. Mặc dù AI thường mắc lỗi, nhưng với tư cách chuyên gia, Ryu có thể sửa và tiếp tục, dẫn đến chứng minh mới. Ryu sau đó cũng đã gia nhập OpenAI.

Kevin Weil, người đứng đầu OpenAI for Science, cho biết nhóm của ông mới chỉ bắt đầu chứng kiến các tác nhân AI thực hiện nghiên cứu mới. “Chúng tôi vẫn hoàn toàn ở giai đoạn đầu,” Weil nói về khám phá nhờ AI, nhưng ông tin rằng nhóm của mình có thể tiếp tục cải thiện tốc độ và quy mô khám phá. “Tua nhanh đến ba, sáu tháng nữa, điều đó sẽ trở nên có ý nghĩa.”

Xây dựng những chiếc hộp tốt hơn

NYU’s Gary Marcus không tin rằng OpenAI sẽ chứng kiến sự cải thiện nhanh chóng như vậy trong các sản phẩm của mình. Thực tế, ông lo ngại rằng các LLM có thể gây hại nhiều hơn là có lợi. Ứng dụng khoa học lớn nhất của chúng cho đến nay, Marcus nói, là “viết khoa học rác” – những bài báo phun ra những điều vô nghĩa. Rất nhiều trong số đó được tạo ra bởi các xưởng sản xuất bài báo, những doanh nghiệp chuyên sản xuất hàng loạt bài nghiên cứu giả và bán suất tác giả cho các nhà khoa học. Năm 2025, các tạp chí PLOS và Frontiers đã ngừng nhận đăng các bài báo chỉ dựa trên bộ dữ liệu y tế công cộng, bởi vì có quá nhiều bài báo đó là rác AI. (Sự trỗi dậy của rác AI dưới mọi hình thức – không chỉ trong khoa học mà cả trong kinh doanh, mạng xã hội và hơn thế nữa – đã khiến Merriam-Webster chọn “slop” là từ của năm 2025.)

Tại hội nghị khoa học đầu tiên dành cho nghiên cứu do tác nhân AI dẫn dắt vào tháng 10, những người tham dự là con người đã ghi nhận rằng AI thường mắc lỗi. Một nhóm đã xuất bản một bài báo về trải nghiệm của họ, nêu chi tiết lý do tại sao các tác nhân dựa trên LLM chưa sẵn sàng trở thành nhà khoa học.

Với LLM, việc tuôn ra ý tưởng từ chiếc hộp đã trở nên quá dễ dàng. Những công cụ này có thể “tạo ra giả thuyết với số lượng khổng lồ,” Peter Clark, giám đốc nghiên cứu cấp cao và thành viên sáng lập của Viện Trí tuệ Nhân tạo Allen ở Seattle, cho biết. Phần khó là tìm ra ý tưởng nào là rác và ý tưởng nào là vàng thật. Đó là một “vấn đề lớn, rất lớn,” Clark nói. Các tác nhân AI có thể làm vấn đề trở nên tồi tệ hơn vì một ý tưởng tồi hoặc sai lầm xuất hiện sớm trong quá trình suy luận có thể phình to thành vấn đề lớn hơn qua từng bước hệ thống thực hiện sau đó.

Một chuyên gia con người như Lupsasca hay Ryu có thể nhặt ra vàng. Nhưng nếu chúng ta muốn AI thực hiện khám phá ở quy mô lớn, các chuyên gia không thể lúc nào cũng lơ lửng bên trên chúng, kiểm tra từng ý tưởng một.

“Tôi nghĩ rằng khám phá khoa học cuối cùng sẽ là một trong những ứng dụng vĩ đại nhất của AI,” Marcus nói, nhưng ông cho rằng LLM được xây dựng không đúng cách – chúng không phải loại hộp phù hợp. “Chúng ta cần những hệ thống AI có hiểu biết nhân quả về thế giới tốt hơn nhiều,” ông nói. Khi đó, AI sẽ làm tốt hơn việc tự kiểm tra công việc của mình.

Một ví dụ về hệ thống AI sử dụng một loại hộp khác là AlphaFold 2, ra mắt năm 2021. Nó có thể dự đoán cấu trúc của protein. Phiên bản mới hơn, AlphaFold 3, và phiên bản mã nguồn mở OpenFold3 giờ đây có thể dự đoán cách protein tương tác với các phân tử khác. Tất cả các công cụ này đều kiểm tra và tinh chỉnh các dự đoán về cấu trúc và tương tác protein bằng cách sử dụng cơ sở dữ liệu tri thức chuyên gia. Các tác nhân AI đa năng như ChatGPT thì không làm điều đó.

AlphaFold 2 là một lợi ích to lớn cho sinh học và y học đến nỗi nó đã mang về cho Demis Hassabis của Google DeepMind một phần giải Nobel Hóa học năm 2024. Trong một cuộc phỏng vấn về chiến thắng của mình, Hassabis đã gợi ý về ý tưởng rằng chúng ta vẫn đang tìm ra loại hộp nào để sử dụng: “Tôi luôn nghĩ rằng nếu chúng ta có thể xây dựng AI theo đúng cách, nó có thể là công cụ tối thượng để giúp các nhà khoa học, giúp chúng ta khám phá vũ trụ xung quanh mình.”

Công việc mà nhóm của Hassabis bắt đầu đã dẫn đến những khám phá gần đây. Tại Isomorphic Labs ở London, một công ty con của Google DeepMind, các nhà nghiên cứu đang làm việc với các phiên bản mới của AlphaFold chưa được công bố công khai. Chủ tịch Max Jaderberg, trước đây là giám đốc AI, cho biết nhóm của ông đang sử dụng công nghệ này để nghiên cứu những protein trước đây được coi là không thể tác động bằng thuốc, bởi vì chúng dường như không có chỗ nào để thuốc bám vào. Nhưng công cụ nội bộ của nhóm đã xác định được các phân tử thuốc mới khiến một trong những protein cứng đầu này “thay đổi hình dạng và mở ra,” Jaderberg nói, cho phép thuốc tìm thấy một vị trí để gắn vào và thực hiện nhiệm vụ của mình.

Khám phá thuốc mới và vật liệu

Các nhà khoa học không nhất thiết phải chọn giữa tác nhân AI đa năng và công cụ chuyên dụng như AlphaFold. Họ có thể kết hợp những cách tiếp cận này. “Những người đang thu được kết quả tốt đang nghiên cứu một lĩnh vực nào đó và rất cẩn thận, có chủ đích và suy nghĩ thấu đáo về cách kết nối nhiều công cụ khác nhau,” Marcus nói. Điều này giống như xếp chồng những chiếc hộp lại với nhau. Kết quả là một hệ thống kết hợp AI dự đoán tổng quát, chẳng hạn như các tác nhân, với các công cụ cụ thể hơn giúp đảm bảo độ chính xác, chẳng hạn như thông tin được tổ chức thành một loại mạng gọi là đồ thị tri thức.

Sự kết hợp này cung cấp “không gian tìm kiếm rộng lớn,” Musslick nói, nhưng cũng có “những công cụ có thể kiểm chứng mà hệ thống có thể sử dụng để đưa ra các dự đoán chính xác,” nhằm tránh khoa học rác. Những hệ thống xếp chồng hộp lên hộp này đã tỏ ra đặc biệt hữu ích trong khám phá thuốc và khoa học vật liệu.

Công ty Insilico Medicine có trụ sở tại Boston đã sử dụng các hệ thống AI kiểu này để thực hiện những bước đầu tiên hướng tới phương pháp chữa trị bệnh xơ phổi vô căn (IPF), một căn bệnh chết người tàn phá mô phổi bằng những vết sẹo dày, cứng. Đầu tiên, một hệ thống AI đã tiết lộ một protein chưa từng được biết đến trước đây có vai trò gây ra căn bệnh này. Tiếp theo, một hệ thống khác đã thiết kế một phân tử thuốc để ngăn chặn hoạt động của protein đó.

Công ty đã biến phân tử này thành một loại thuốc có tên rentosertib và thử nghiệm nó trong các thử nghiệm lâm sàng nhỏ trên người. Thuốc dường như an toàn và hiệu quả đối với IPF, các nhà nghiên cứu đã báo cáo vào tháng 6 năm ngoái trên tạp chí Nature Medicine.

“Tôi đã khóc khi lần đầu tiên nhìn thấy kết quả,” Alex Zhavoronkov, người sáng lập kiêm CEO của Insilico, nói. Nếu rentosertib vượt qua được các thử nghiệm lâm sàng lớn hơn, nó có thể trở thành loại thuốc đầu tiên trên thị trường mà trong đó các hệ thống AI đã khám phá ra cả protein gây bệnh lẫn loại thuốc ngăn chặn nó.

Trong khi Insilico phát triển các hệ thống AI nội bộ cho các trường hợp sử dụng cụ thể, các hệ thống khác nhắm đến hỗ trợ bất kỳ lĩnh vực nghiên cứu và phát triển nào. Microsoft Discovery là một ví dụ.

Các kỹ sư có thể chọn các tác nhân AI và bộ dữ liệu từ lĩnh vực của họ để liên kết vào hệ thống. Nó sử dụng một đồ thị tri thức kết nối các sự kiện để “cung cấp những hiểu biết sâu sắc hơn và câu trả lời chính xác hơn so với những gì chúng ta nhận được từ LLM đơn thuần,” John Link, giám đốc sản phẩm tại Microsoft, cho biết.

Trong một bản demo năm 2025, Link đã cho thấy cách ông sử dụng hệ thống để nghiên cứu và thiết kế một số phương án cho một loại dung dịch làm mát máy tính mới, thân thiện với môi trường. Các kỹ sư đã tạo ra phương án hứa hẹn nhất trong phòng thí nghiệm. Sau đó, họ đã nhúng một bộ xử lý máy tính vào dung dịch làm mát và chạy một trò chơi điện tử. Vật liệu mới đã hoàn thành nhiệm vụ của mình. Một số trung tâm dữ liệu đã nhúng chìm các máy chủ của họ trong những bể lớn chứa đầy chất làm mát. Với việc tinh chỉnh và thử nghiệm thêm, chất làm mát mới này có thể trở thành một lựa chọn xanh hơn. “Nó thực sự rất ngầu,” Link nói.

Xây dựng chiếc hộp của riêng mình

Trong tất cả các ví dụ cho đến nay, con người là những người dẫn đường. Các nhà phát triển chế tạo những chiếc hộp và nhồi đầy dữ liệu vào đó. Các nhà khoa học con người sau đó thực hiện khám phá bằng cách hướng dẫn một tác nhân AI, một công cụ chuyên dụng như AlphaFold hoặc một hệ thống phức tạp gồm các công cụ AI liên kết với nhau.

Robot nhà khoa học Adam có thể hoạt động độc lập hơn để tạo ra các câu hỏi mới, thiết kế thí nghiệm và phân tích dữ liệu mới thu thập. Nhưng nó phải tuân theo “một bộ các bước rất cụ thể,” Musslick nói.

Ông cho rằng về lâu dài, sẽ hứa hẹn hơn nếu trao cho AI những công cụ “để xây dựng chiếc hộp của riêng mình,” Musslick nói.

Nhóm của Musslick đã xây dựng một ví dụ về loại hệ thống này, AutoRA, để thực hiện nghiên cứu khoa học xã hội và thả nó ra để tìm hiểu thêm về cách mọi người đa nhiệm. Nhóm đã cung cấp cho hệ thống các biến số và nhiệm vụ từ các thí nghiệm hành vi phổ biến để nó tái tổ hợp theo những cách mới.

Hệ thống AI đã nghĩ ra một thí nghiệm mới dựa trên những mảnh ghép này và đăng nó lên một trang web nơi mọi người tham gia và được trả thù lao cho thời gian của họ. Sau khi thu thập dữ liệu, AutoRA đã thiết kế và chạy các thí nghiệm tiếp theo, “tất cả mà không cần sự can thiệp của con người,” Musslick nói.

Nghiên cứu tự động trên người nghe có vẻ đáng sợ, nhưng nhóm đã giới hạn các thí nghiệm có thể thành những thí nghiệm mà họ biết là vô hại, Musslick nói. Nghiên cứu vẫn đang được tiến hành và chưa được công bố.

Trong một ví dụ khác, Clark và nhóm của ông đã xây dựng một hệ thống có tên Code Scientist để tự động hóa nghiên cứu khoa học máy tính. Nó sử dụng một kỹ thuật AI gọi là thuật toán di truyền để cắt nhỏ và tái tổ hợp các ý tưởng từ các bài báo khoa học máy tính hiện có với các đoạn mã từ một thư viện. Điều này được kết hợp với các LLM để tìm ra cách biến những ý tưởng rời rạc này thành một quy trình làm việc và các thí nghiệm có ý nghĩa.

“Code Scientist đang cố gắng thiết kế chiếc hộp mới của riêng mình và khám phá một chút mã bên trong đó,” Clark nói. Code Scientist đã thực hiện một số khám phá nhỏ, nhưng không có khám phá nào “sẽ làm rung chuyển thế giới khoa học máy tính.”

Công trình của Clark cũng đã tiết lộ một số thiếu sót quan trọng của khám phá dựa trên AI. Những loại hệ thống này “không sáng tạo đến thế,” ông nói. Code Scientist không thể phát hiện ra những điểm bất thường trong nghiên cứu của mình có thể đáng để điều tra thêm.

Hơn nữa, nó đã gian lận. Hệ thống đã tạo ra một số đồ thị trong một báo cáo trông thực sự ấn tượng đối với Clark. Nhưng sau khi đào sâu vào mã, ông nhận ra rằng các đồ thị đó là bịa đặt – hệ thống đã không thực sự thực hiện bất kỳ công việc nào.

Vì những khó khăn này, Clark nói, “Tôi không nghĩ chúng ta sẽ sớm có những nhà khoa học hoàn toàn tự chủ.” Trong một cuộc phỏng vấn năm 2026, Hassabis của Google DeepMind cũng chia sẻ quan điểm tương tự. “Liệu AI có thực sự có thể đưa ra một giả thuyết mới … một ý tưởng mới về cách thế giới vận hành?” ông hỏi, rồi tự trả lời câu hỏi của mình. “Cho đến nay, những hệ thống này chưa thể làm được điều đó.” Ông nghĩ rằng chúng ta còn cách “sự đổi mới và sáng tạo thực sự” ở AI từ năm đến mười năm nữa.

Các hệ thống AI đã đóng góp vào những khám phá quan trọng. Nhưng một nút thắt lớn vẫn còn đó. Trong một lá thư gửi tạp chí Nature năm 2024, nhà khoa học máy tính Jennifer Listgarten đã chỉ ra rằng, “để thăm dò giới hạn của tri thức khoa học hiện tại … chúng ta cần dữ liệu mà chúng ta chưa có.” AI không thể tự mình có được loại dữ liệu đó. Ngoài ra, ngay cả những ý tưởng do AI tạo ra hứa hẹn nhất cũng có thể thất bại trong thử nghiệm thực tế.

“Để thực sự khám phá ra điều gì đó mới … việc xác nhận phải được thực hiện trong phòng thí nghiệm vật lý,” nhà khoa học máy tính Mengdi Wang của Đại học Princeton nói. Và những người làm việc trong phòng thí nghiệm có thể không theo kịp nhu cầu thử nghiệm của AI. Robot thực hiện thí nghiệm có thể giúp ích, Sebastian Musslick nói. Những robot này vẫn còn thua kém phần mềm về khả năng, nhưng các phòng thí nghiệm robot đã tồn tại và sự quan tâm đến chúng đang tăng lên.

Ví dụ, công ty Periodic Labs có trụ sở tại San Francisco đặt mục tiêu chuyển các ý tưởng do AI tạo ra về vật liệu vào các phòng thí nghiệm robot để thử nghiệm. Ở đó, các cánh tay robot, cảm biến và thiết bị tự động khác sẽ trộn các thành phần và chạy thí nghiệm. Insilico Medicine cũng đang đặt cược vào sự kết hợp giữa robot và hệ thống AI. Họ thậm chí đã giới thiệu “Supervisor,” một robot hình người, để làm việc trong phòng thí nghiệm ở Thượng Hải của mình.

Các phòng thí nghiệm robot hoàn toàn rất đắt đỏ. Nhóm của Wang đã phát triển một cách để đưa AI vào bất kỳ phòng thí nghiệm nghiên cứu nào bằng cách sử dụng kính XR, một thiết bị có thể ghi lại những gì một người đang nhìn thấy và chiếu thông tin ảo vào trường nhìn (như hình trên). Đầu tiên, nhóm đã huấn luyện một mô hình AI trên video về các thao tác trong phòng thí nghiệm để nó có thể nhận biết và suy luận về những gì nó thấy. Tiếp theo, họ cho các nhà khoa học con người đeo kính XR và bắt tay vào làm việc – với một trợ lý AI vô hình nhìn qua camera của kính.

AI có thể trả lời câu hỏi hoặc đưa ra gợi ý. Nhưng có lẽ khía cạnh quan trọng nhất của sự hợp tác này là thực tế rằng mọi tương tác đều cung cấp dữ liệu cho một bộ dữ liệu mới gồm những thông tin mà trước đây chúng ta chưa có.

Thay vì sử dụng AI để tìm kiếm trong một chiếc hộp, Wang nói, “Tôi muốn làm điều đó trong thế giới thực.”

Tiến vào thế giới thực

Các công cụ AI có thể thực hiện nghiên cứu độc lập một cách nhanh chóng và đáng tin cậy hoặc tạo ra các loại thuốc và vật liệu mới an toàn, hiệu quả có thể giúp thế giới giải quyết rất nhiều vấn đề. Nhưng cũng có nguy cơ rất lớn về khoa học AI không chính xác hoặc thậm chí nguy hiểm vì cần có thời gian và chuyên môn để kiểm tra công việc của AI.

Ngoài những rủi ro, việc biến nghiên cứu thành một quy trình tự động hóa đang thách thức chính bản chất của khoa học. Con người trở thành nhà khoa học vì họ tò mò. Họ không chỉ muốn một câu trả lời nhanh chóng, dễ dàng – họ muốn biết tại sao. “Điều khiến tôi phấn khích là hiểu được thế giới vật lý,” Lupsasca nói. “Đó là lý do tôi chọn con đường này trong đời.”

Và cách những hệ thống này học từ dữ liệu “rất khác so với cách con người học và cách chúng ta suy nghĩ về mọi thứ,” Keyon Vafa, một nhà nghiên cứu AI tại Đại học Harvard, cho biết. Sức mạnh dự đoán không đồng nghĩa với sự hiểu biết sâu sắc.

Vafa và một nhóm nghiên cứu đã thiết kế một thí nghiệm thông minh để tiết lộ sự khác biệt này. Trước tiên, họ huấn luyện một mô hình AI để dự đoán đường đi của các hành tinh quay quanh các ngôi sao. Nó trở nên rất giỏi trong nhiệm vụ này. Nhưng hóa ra AI chẳng học được gì về trọng lực. Nó đã không khám phá ra một phương trình thiết yếu nào để đưa ra dự đoán của mình. Thay vào đó, nó đã chắp vá một mớ hỗn độn các quy tắc ngón tay cái.

Weil của OpenAI không coi cách suy luận xa lạ này là một vấn đề. “Thực ra sẽ tốt hơn nếu [AI] có những kỹ năng khác với bạn,” ông nói.

Musslick đồng ý. Sức mạnh thực sự của AI trong khoa học nằm ở việc thiết kế các hệ thống “nơi khoa học được thực hiện rất khác so với cách con người chúng ta làm,” ông nói. Hầu hết các phòng thí nghiệm robot, Musslick lưu ý, không sử dụng bàn tay hình người để cầm và bóp pipet. Thay vào đó, các kỹ sư đã thiết kế lại pipet để hoạt động trong các hệ thống robot, giải phóng các nhà khoa học con người cho những nhiệm vụ khác ít lặp đi lặp lại hơn.

Những ứng dụng hiệu quả nhất của AI trong khoa học có lẽ sẽ áp dụng cách tiếp cận tương tự. Con người sẽ tìm cách thay đổi cách thức khoa học được thực hiện để tận dụng tốt nhất các công cụ và hệ thống AI.

“Mục tiêu,” Lupsasca nói, “là trao cho con người những công cụ mới để tiến xa hơn vào vùng hoang dã và khám phá những điều mới.”

Chủ tịch MIT: Tại sao nhiều nhà khoa học lạc quan đang mất dần hy vọng

Bởi Sally Kornbluth

Ngày 27 tháng 5, 2026

Kornbluth là chủ tịch của MIT.

Hầu hết các nhà khoa học thành công đều là người lạc quan. Họ phải như vậy, vì phần lớn các thí nghiệm đều thất bại. Khi còn học cao học, tôi nhớ mình ngồi trong phòng thí nghiệm tại Đại học Rockefeller ở New York lúc 3 giờ sáng, xung quanh là những chồng đĩa nuôi cấy tế bào ung thư, không đĩa nào cho thấy điều tôi mong đợi. Nhưng những tia hy vọng về những thay đổi thú vị trong tế bào hứa hẹn thành công trong tương lai và khiến tôi cảm thấy các thí nghiệm muốn thành công. Sự lạc quan ấy thôi thúc tôi tiếp tục cố gắng. Một ngày nọ, chúng đã thành công và tôi khám phá ra một hiểu biết mới về một quá trình trong những tế bào ung thư ấy mà trước đó chưa ai mô tả.

Vào năm 2026, dường như có rất nhiều lý do chính đáng để lạc quan về khoa học: Những đột phá ở khắp mọi nơi.

Tại một bữa tối gần đây, người phụ nữ ngồi cạnh tôi tràn đầy năng lượng đến mức tôi ngạc nhiên khi biết rằng bà đã được chẩn đoán mắc ung thư vú di căn cách đây 5 năm. Làm thế nào bà ấy có thể khỏe đến vậy? Bà nói rằng mình đã chuyển từ thử nghiệm lâm sàng này sang thử nghiệm lâm sàng khác, theo dõi từng tiến bộ mới trong khoa học — từ các liệu pháp nhắm vào loại ung thư nói chung, đến các liệu pháp được thiết kế riêng cho đột biến gen gây ra khối u, rồi đến các liệu pháp giải phóng chính hệ miễn dịch của bà để chống lại ung thư. Bản án tử hình đã trở thành một tình trạng có thể kiểm soát được — nhờ vào sự đầu tư liên tục vào khám phá khoa học.

Hoặc lấy trường hợp của bé KJ Muldoon. Một đột biến gen gây ra khiếm khuyết trong quá trình trao đổi chất của KJ, dẫn đến sự tích tụ amoniac độc hại. Công nghệ mang tên CRISPR đã giúp cắt bỏ thông tin di truyền xấu, thay thế nó bằng một đoạn gen bình thường và cứu sống KJ: người đầu tiên được điều trị bằng liệu pháp mới đáng chú ý này.

Và giờ đây, những bệnh nhân ung thư tuyến tụy, một trong những loại ung thư nhanh và gây chết người nhất, cuối cùng cũng có hy vọng thực sự để kéo dài sự sống, nhờ vào các loại thuốc mới nhắm vào tế bào ung thư theo những cách mà từ lâu người ta cho là không thể.

Những phương pháp điều trị kỳ diệu này đến từ nhiều thập kỷ khoa học khám phá: cái mà tôi gọi là “trí tò mò có sứ mệnh”.

Các liệu pháp miễn dịch ngày nay khả thi chỉ vì hàng ngàn nhà khoa học, trong hơn 40 năm, đã theo đuổi trí tò mò để thăm dò các quá trình sâu xa của hệ miễn dịch. Các liệu pháp CRISPR đến từ các nhà khoa học quyết tâm tìm hiểu cách vi khuẩn tự vệ trước virus — chứ không phải từ một nỗ lực có định hướng để cứu những em bé mang đột biến nghiêm trọng. Phương pháp điều trị mới đầy hứa hẹn cho ung thư tuyến tụy khai thác những hiểu biết về cơ chế ung thư nền tảng được khám phá lần đầu cách đây 45 năm tại MIT.

Và vượt xa khoa học sự sống — trong hóa học, vật lý, thiên văn học, AI, máy tính lượng tử và hơn thế nữa — những khám phá, đổi mới và công cụ mới đầy ấn tượng không kém đang mở đường cho những bước nhảy vọt quyết định.

Vậy tại sao nhiều nhà khoa học lạc quan giờ đây lại mất dần hy vọng? Bởi vì nền tảng nghiên cứu của quốc gia đang bị thu hẹp. Nguồn tài trợ khoa học đang cạn kiệt. Và số tiền mà Quốc hội gần đây phân bổ cho khoa học lại không thực sự chảy đến nơi — một xu hướng khó giải thích bị lạc giữa những ồn ào của các tin tức khác.

Tại các trường đại học công lập và tư thục trên khắp đất nước, khoa học có tầm ảnh hưởng cao đang bị tổn hại và chệch hướng. Nói riêng cho tổ chức của tôi, so với cùng kỳ năm ngoái, MIT đã chứng kiến sự sụt giảm hoạt động nghiên cứu trong khuôn viên trường do các khoản tài trợ liên bang tài trợ hơn 20%.

Cũng có tổn hại đối với đường ống nhân tài. Nguồn tài trợ liên bang không chắc chắn có nghĩa là năm tới, MIT có thể có ít hơn khoảng 500 nghiên cứu sinh sau đại học giúp chúng tôi thúc đẩy biên giới khoa học và chuẩn bị đóng góp cho xã hội với tư cách là nhà khoa học, nhà phát minh, nhà thiết kế và doanh nhân.

MIT là một trong những cộng đồng nghiên cứu có ảnh hưởng và năng suất nhất thế giới — thực sự là một tài sản quốc gia. Sự xói mòn sức mạnh này của chúng tôi là một mất mát cho quốc gia.

Lợi tức đầu tư cho nghiên cứu và phát triển là rất đáng kể. Thu hẹp đường ống nghiên cứu khám phá cơ bản có nghĩa là bóp nghẹt dòng chảy của các giải pháp, đổi mới và phương pháp chữa bệnh trong tương lai — và thu hẹp nguồn cung các nhà khoa học tương lai. Liệu chúng ta, với tư cách là một quốc gia, có nên nhún vai và để điều đó xảy ra, khi Trung Quốc hiện đã vượt qua Hoa Kỳ để trở thành nguồn tài trợ nghiên cứu và phát triển lớn nhất toàn cầu lần đầu tiên?

Một số người cho rằng ngành công nghiệp có thể bù đắp khoảng trống. Kể từ khi thành lập, MIT đã nhiệt tình hợp tác với ngành công nghiệp trong nghiên cứu kỹ thuật ứng dụng. Nhưng những tiến bộ đột phá ngày nay lớn lên từ nhiều năm khám phá do trí tò mò thúc đẩy, đẩy qua mê cung các khả năng cho đến khi cánh cửa đúng mở ra. Cổ đông của công ty nào sẽ ủng hộ hàng thập kỷ của kiểu khám phá mở đó mà không có sự chắc chắn về lợi nhuận thương mại cho công ty liên quan? Hoạt động từ thiện cũng không thể thay thế nguồn tài trợ liên bang ổn định ở quy mô lớn.

Vì vậy, hãy để tôi nói rõ nhất có thể: Nếu không có nghiên cứu khoa học cơ bản, được hỗ trợ bởi loại đầu tư công có tầm nhìn xa cho phép tìm tòi quy mô lớn, không định hướng, do trí tò mò thúc đẩy, thì đường ống khoa học sẽ cạn kiệt.

Trong cuộc sống hàng ngày, mọi người có thể không cảm nhận được tác động ngay lập tức, hoặc thậm chí trong 10 năm nữa. Nhưng chúng ta sẽ cảm nhận được. Và khi ai đó chúng ta yêu thương cần những liệu pháp lẽ ra đã có thể xuất hiện nhưng không, hoặc khi các quốc gia khác hiện đang đầu tư vào khoa học có thể tung ra các ngành công nghiệp dựa trên khoa học mới, hoặc vận hành xã hội của họ bằng nguồn năng lượng nhiệt hạch khổng lồ, hoặc gặt hái lợi ích từ sức mạnh máy tính lượng tử hay những đột phá y học tiên tiến, thì nước Mỹ sẽ ước gì mình đã duy trì vị thế dẫn đầu trong nghiên cứu khoa học ngay tại đây và ngay bây giờ.

Sally Kornbluth là chủ tịch của MIT.

AI & Khoa học: Tương lai của Khám phá là gì?

Biên tập viên: James M. Manyika

Sự tiến bộ không ngừng trong trí tuệ nhân tạo, tính hữu ích ngày càng mở rộng của nó trong khoa học và những đóng góp cho các bước tiến mang tính bước ngoặt cho thấy chúng ta có thể đã bước vào một kỷ nguyên mới của AI phục vụ khoa học.

Những đột phá cho đến nay—chẳng hạn như dự đoán cấu trúc của hầu hết mọi protein đã biết, với những hàm ý sâu sắc đối với hiểu biết của chúng ta về sinh học, sức khỏe và điều trị bệnh—rất đáng chú ý không chỉ bởi những gì đã đạt được mà còn bởi cách thức đạt được và những gì nó gợi mở cho tiến bộ khoa học.

Ấn bản kép đặc biệt này của Dædalus đặt ra câu hỏi: Tương lai của khám phá khoa học trong kỷ nguyên AI mới này là gì?

Ba mươi ba nhà khoa học đã hồi đáp. Mang đến những góc nhìn từ khoa học sự sống và y học, khoa học nhận thức và khoa học thần kinh, khoa học vật lý và trái đất, hóa học và khoa học vật liệu, khoa học máy tính, toán học và khoa học xã hội—họ dựa trên công trình của mình ở ranh giới của AI và khoa học.

Các tác giả viết với tầm nhìn hướng tới tương lai, không chỉ hiện tại. Họ khám phá những gì đang được thực hiện và những khả năng nào đang chờ đón; xem xét những hạn chế của AI và các nỗ lực để tiến lên; và nghiên cứu những hàm ý lớn hơn của khoa học được AI hỗ trợ—về cách thức khoa học được tiến hành, vai trò của nhà khoa học, và phương pháp khoa học, cũng như những thách thức và phức tạp liên quan.

Các tác giả cùng nhau minh họa cho một mối quan hệ hai chiều lâu dài: AI thúc đẩy khoa học, trong khi khoa học thúc đẩy AI. Mối quan hệ đó sẽ đưa chúng ta đến đâu—một kỷ nguyên vàng của khám phá? Những sự cộng tác mới giữa nhà khoa học và máy móc? Các phòng thí nghiệm tự hành? Những khám phá không cần đến sự hiểu biết của con người?—là một tương lai chúng ta mới chỉ bắt đầu hình dung, và cũng là một tương lai mà chúng ta phải định hình nếu muốn hiện thực hóa những khả năng có lợi.

Hình ảnh: Tác phẩm điêu khắc UMAP trực quan hóa ba tập Dædalus về trí tuệ nhân tạo. © 2026 của Refik Anadol.

Gemini for Science: Các thử nghiệm và công cụ AI cho kỷ nguyên khám phá mới

Khám phá tương lai của sự khám phá với các Kỹ năng Khoa học mới trong Google Antigravity và ba công cụ thử nghiệm mới trên Google Labs. Những công cụ này được thiết kế để giúp đẩy nhanh các bước cốt lõi của phương pháp khoa học, được xây dựng với Co-Scientist, Alpha Evolve, Empirical Research Assistance và NotebookLM.

Pushmeet Kohli

Nhà khoa học trưởng, Google Cloud và Phó chủ tịch, Google DeepMind

Yossi Matias

Phó chủ tịch, Google và Tổng giám đốc, Google Research

Phát biểu tại hội thảo "Khơi dậy và kết nối các nguồn lực thúc đẩy đổi mới sáng tạo" chiều 29/5, GS. TS Trần Hồng Thái, Chủ tịch Viện Hàn lâm Khoa học và Công nghệ Việt Nam cho biết trong bối cảnh mới, giới khoa học và cộng đồng doanh nghiệp đang mang trên vai trách nhiệm rất lớn, phải cùng nhau đưa khoa học, công nghệ trở thành lực lượng sản xuất trực tiếp, động lực tăng trưởng thực chất của nền kinh tế.

Tuy nhiên, ông cho rằng đổi mới sáng tạo không thể chỉ dựa vào nỗ lực của một viện nghiên cứu hay một nhóm nhà khoa học, mà cần sự phối hợp giữa Nhà nước trong vai trò kiến tạo, cùng với doanh nghiệp, nhà đầu tư, trường đại học, viện nghiên cứu và đội ngũ khoa học, đặc biệt là các nhà khoa học trẻ. "Khi được kết nối hiệu quả, các chủ thể này sẽ tạo nên hệ sinh thái đổi mới sáng tạo thực chất, nơi phòng thí nghiệm, giảng đường, doanh nghiệp, nhà đầu tư và địa phương cùng tham gia tạo ra giá trị", ông nói.

Để làm được điều này, ông Thái cho biết Viện Hàn lâm Khoa học và Công nghệ đã xác định đổi mới sáng tạo trong giai đoạn tới phải đi theo hướng đưa kết quả nghiên cứu ra khỏi phòng thí nghiệm, đến gần hơn với doanh nghiệp và đời sống.

Viện hiện sở hữu nhiều công nghệ tiềm năng trong các lĩnh vực như nông nghiệp, thủy sản, môi trường, vật liệu mới, công nghệ sinh học, y sinh, công nghệ số, công nghệ vũ trụ, phòng chống thiên tai và phát triển bền vững. "Nhưng vấn đề quan trọng hiện nay là phải có cơ chế sàng lọc, hoàn thiện, tiêu chuẩn hóa, thử nghiệm và chuyển giao để những kết quả đó trở thành sản phẩm, dịch vụ và giải pháp thực tiễn đi vào cuộc sống", ông Thái nói.

Người đứng đầu Viện Hàn lâm Khoa học và Công nghệ nhấn mạnh, trong hệ sinh thái đổi mới sáng tạo hiện đại, doanh nghiệp cần trở thành đối tác cùng đặt bài toán, cùng đầu tư, cùng thử nghiệm và cùng chia sẻ lợi ích với các viện nghiên cứu, trường đại học thay vì chỉ là nơi tiếp nhận và ứng dụng công nghệ. Các quỹ đầu tư, quỹ đổi mới sáng tạo và tổ chức hỗ trợ khởi nghiệp chia sẻ rủi ro giai đoạn đầu, hỗ trợ quản trị, kết nối thị trường, giúp các công nghệ tiềm năng có thể đi trọn con đường từ phòng thí nghiệm đến sản phẩm thương mại.

Ông Thái cũng định hướng hình thành môi trường ươm tạo và khởi nghiệp công nghệ ngay trong hệ sinh thái của Viện Hàn lâm. Thông qua Câu lạc bộ ươm tạo và khởi nghiệp của Trung tâm Đổi mới sáng tạo công nghệ cao thành lập ngày 29/5, nơi đây được kỳ vọng sẽ trở thành không gian kết nối mở cho nhiều bên muốn tham gia.

Ngoài ra, ông Thái cũng kêu gọi nhà khoa học mạnh dạn đưa các kết quả nghiên cứu có tiềm năng ứng dụng vào các chương trình ươm tạo, khởi nghiệp và chuyển giao công nghệ. Đây sẽ là con đường ngắn nhất để khoa học công nghệ đi vào thực tiễn.

"Chúng tôi mong muốn doanh nghiệp chủ động đặt hàng nghiên cứu, đặt bài toán công nghệ từ nhu cầu thực tế của sản xuất và thị trường", ông Thái nói. "Đây chính là cơ sở quan trọng để nhà khoa học định hướng nghiên cứu sát thực tiễn hơn, tạo ra sản phẩm có khả năng thương mại hóa cao hơn và giải quyết trực tiếp những thách thức của doanh nghiệp và xã hội".

TS Nguyễn Hữu Cẩn, quyền Viện trưởng Viện Sở hữu trí tuệ quốc gia - Bộ Khoa học và Công nghệ, nhìn nhận thời gian qua, đổi mới sáng tạo được nhắc đến như động lực mới của tăng trưởng kinh tế. Tuy nhiên, nếu không có cơ chế sở hữu trí tuệ phù hợp, phần lớn kết quả nghiên cứu sẽ dừng lại ở dạng tri thức công bố hoặc báo cáo khoa học. Ngược lại, khi được quản trị tốt, tài sản trí tuệ có thể trở thành nguồn lực kinh tế đặc biệt quan trọng, tạo ra lợi thế cạnh tranh, thu hút đầu tư, thúc đẩy hình thành doanh nghiệp công nghệ và mở rộng thị trường đổi mới sáng tạo.

"Tài sản trí tuệ chính là 'ngôn ngữ chung' kết nối khoa học với thị trường, nghiên cứu với doanh nghiệp, công nghệ với dòng vốn đầu tư", ông Cẩn đánh giá, thêm rằng hiện kết quả nghiên cứu không thiếu, nhưng chưa thực sự khơi dậy được nguồn lực tài sản trí tuệ đang tồn tại trong các viện nghiên cứu, trường đại học và doanh nghiệp.

Trước thực trạng này, quyền Viện trưởng Viện Sở hữu trí tuệ quốc gia đề xuất ba vấn đề cốt lõi. Đầu tiên, cần chuyển mạnh từ tư duy "quản lý kết quả nghiên cứu" sang "quản trị tài sản trí tuệ". Mỗi kết quả phải được nhận diện sớm như một tài sản có giá trị kinh tế tiềm năng. Điều này đòi hỏi phải tích hợp hoạt động sở hữu trí tuệ ngay từ đầu vào của quá trình nghiên cứu thay vì chỉ thực hiện đăng ký bảo hộ ở giai đoạn cuối.

Xây dựng năng lực quản trị tài sản trí tuệ cho hệ sinh thái đổi mới sáng tạo là yếu tố thứ hai được tính đến. Theo ông Cẩn, một startup công nghệ không thể phát triển bền vững nếu không hiểu chiến lược sở hữu trí tuệ. Một trung tâm đổi mới sáng tạo khó tạo đột phá nếu thiếu năng lực hỗ trợ khai thác, định giá, thương mại hóa và bảo vệ tài sản trí tuệ. Vì vậy, bên cạnh hạ tầng vật lý và hạ tầng số, cần coi hạ tầng sở hữu trí tuệ là một cấu phần nền tảng của hệ sinh thái đổi mới sáng tạo.

Cuối cùng, cần tạo cơ chế để tài sản trí tuệ thực sự tham gia vào các dòng chảy kinh tế. Vấn đề gồm khả năng góp vốn bằng tài sản trí tuệ, định giá quyền sở hữu trí tuệ, hình thành doanh nghiệp spin-off ( hình thành từ đề tài nghiên cứu hoặc sản phẩm công nghệ trong phòng thí nghiệm nhà trường), hỗ trợ thương mại hóa công nghệ và kết nối với nhà đầu tư.

Theo ông Cẩn, "một bằng sáng chế chưa thể tạo giá trị kinh tế nếu không kết nối được với doanh nghiệp, thị trường, nhà đầu tư và năng lực sản xuất. Một startup sở hữu công nghệ tốt vẫn rất khó tăng trưởng nếu thiếu kết nối hệ sinh thái".

Bảo Lâm

Nhân viên dùng AI và nguy cơ rò rỉ dữ liệu

Mối đe dọa an ninh mạng lớn nhất hiện nay không chỉ bắt đầu từ các cuộc tấn công kỹ thuật từ bên ngoài, mà xuất phát ngay từ tiến trình ứng dụng AI chưa kiểm soát trong nội bộ tổ chức. Dữ liệu được các chuyên gia, doanh nghiệp chia sẻ tại sự kiện Vietnam Security Summit 2026 mới đây ở Hà Nội cho thấy làn sóng chuyển dịch mạnh mẽ khi có tới 45% nhân viên dùng AI thường xuyên trên các thiết bị thuộc sở hữu của cơ quan và 67% tự ý truy cập các công cụ này bằng tài khoản cá nhân. Trong khi đó, có đến 63% doanh nghiệp hoàn toàn chưa ban hành chính sách quản trị AI.

Ảnh: CTV

Sự mâu thuẫn giữa nhu cầu sử dụng thực tế và hành lang quản lý lỏng lẻo đã tạo nên lỗ hổng lớn, thường được gọi là "Shadow AI". Ông Nguyễn Xuân Việt, Giám đốc Khối Dịch vụ Công nghệ mới (FPT IS) cho biết AI đang biến dữ liệu thành "trung tâm quyền lực" của mọi hệ thống số. Khi dữ liệu được AI khai thác liên tục, việc nhân viên vô tình đưa các thông tin nhạy cảm của tổ chức hoặc khách hàng lên nền tảng AI công cộng sẽ xóa nhòa ranh giới giữa giá trị và rủi ro.

Hậu quả của sự mất kiểm soát này không còn là cảnh báo trên lý thuyết. Theo ông Việt, tội phạm mạng hiện nay đã bắt đầu lợi dụng chính AI để tự động hóa các cuộc tấn công, khai thác sâu các thông tin rò rỉ nhằm tổ chức các chiến dịch lừa đảo (phishing), phát tán mã độc với tốc độ vượt xa khả năng phản ứng của con người. Con số hơn 552.000 cuộc tấn công mạng tại Việt Nam với 52,3% tổ chức chịu thiệt hại trong năm qua là minh chứng cho thấy hệ thống phòng thủ truyền thống đang bị xuyên thủng từ chính các điểm mù nội bộ.

Điểm nghẽn về khả năng phục hồi

Khi lỗ hổng từ thói quen của người dùng kết hợp với các dòng ransomware có sự trợ giúp của AI, mục tiêu của tin tặc không dừng lại ở việc đánh cắp dữ liệu, chuyển thành khóa chặt toàn bộ hạ tầng thông tin để đòi tiền chuộc. Khảo sát từ Synology chỉ ra một thực tế diện rộng: hơn 55% doanh nghiệp tại khu vực Đông Nam Á từng trải qua sự cố liên quan đến mã độc tống tiền hoặc đối mặt với nỗ lực tấn công tương tự trong những năm gần đây.

Ảnh: CTV

Tuy nhiên, mối nguy lớn nhất không nằm ở việc bị tấn công, mà ở việc doanh nghiệp "bất lực" trong việc tự cứu mình. Ông Henry Nguyễn, Quản lý Kinh doanh Synology Việt Nam nhận định phần lớn doanh nghiệp cho rằng chỉ cần sao lưu dữ liệu định kỳ là đã hoàn thành nghĩa vụ an toàn. Trên thực tế, việc sao lưu đơn thuần không thể đảm bảo được tính liên tục cho hoạt động vận hành nếu tổ chức vướng phải các điểm mù về năng lực khôi phục.

Theo đại diện Synology, nhiều doanh nghiệp sở hữu các kho dữ liệu dự phòng nhưng chưa từng được kiểm tra thử nghiệm, lưu trữ tập trung thiếu cơ chế cách ly an toàn khỏi môi trường mạng (air-gapped), hoặc không có chính sách lưu trữ nhiều phiên bản. Khi ransomware tấn công và mã hóa toàn bộ hệ thống gốc, các bản sao lưu này cũng dễ dàng bị lây nhiễm hoặc không thể sử dụng. Việc mất quá nhiều thời gian tìm cách khôi phục hệ thống sẽ khiến hoạt động kinh doanh bị tê liệt, kéo theo tổn thất tài chính và làm xói mòn niềm tin của đối tác.

Một trong những giải pháp được khuyến nghị là ActiveProtect, nền tảng bảo vệ dữ liệu được thiết kế để doanh nghiệp xây dựng năng lực phục hồi an ninh mạng theo hướng tập trung, đơn giản và dễ triển khai hơn, củng cố khả năng sao lưu và khôi phục dữ liệu, tăng độ an toàn cho bản sao lưu với các cơ chế như sao lưu bất biến và cách ly mạng...

Synology cũng nhấn mạnh cách tiếp cận bảo vệ dữ liệu nhiều lớp. Theo đó, ngoài bản sao dữ liệu, doanh nghiệp bảo đảm các bản sao đó có thể phục hồi, được cách ly phù hợp và duy trì tính toàn vẹn khi sự cố xảy ra. Đây cũng là nền tảng để doanh nghiệp giảm thiểu gián đoạn, bảo vệ hoạt động kinh doanh và duy trì niềm tin của khách hàng trong môi trường rủi ro ngày càng khó lường.

TRUYỀN GIÁO VÀ CÔNG NGHỆ TRÍ TUỆ NHÂN TẠO

WHĐ (14/5/2026) – Bài viết suy tư về mối tương quan giữa truyền giáo và trí tuệ nhân tạo trong bối cảnh kỹ thuật số hôm nay. Trước những cơ hội và thách đố do AI mang lại, tác giả mời gọi người Kitô hữu biết sử dụng công nghệ cách khôn ngoan, để AI trở thành phương tiện phục vụ chân lý, hiệp thông và công cuộc loan báo Tin mừng trong thời đại mới.

Nếu thế hệ sinh viên y khoa trước đây bước vào nghề với hành trang chủ yếu là sách giáo khoa, bài giảng lâm sàng, kinh nghiệm của thầy cô và những ca bệnh trực tiếp tại bệnh viện, thì thế hệ sinh viên y khoa thời AI sẽ trưởng thành trong một môi trường có nhiều thay đổi, nơi dữ liệu, thuật toán và các công cụ hỗ trợ ra quyết định trở thành một phần của quá trình học tập, thực hành và nghiên cứu.

Điểm khác biệt đầu tiên nằm ở cách học y khoa. Sinh viên y khoa trước đây thường học theo mô hình tuyến tính: đọc giáo trình, ghi nhớ triệu chứng, học phác đồ, đi lâm sàng và tích lũy kinh nghiệm qua từng ca bệnh. Trong khi đó, sinh viên y khoa thời AI có thể tiếp cận tri thức theo cách cá nhân hóa hơn. 

Một khảo sát toàn cầu do COMFORT Consortium thực hiện và công bố trên BMC Medical Education năm 2024 với 4.596 sinh viên y, nha khoa và thú y tại 192 khoa/trường thuộc 48 quốc gia cho thấy sinh viên nhìn chung có thái độ tích cực với AI trong y tế và mong muốn được đào tạo nhiều hơn. Tuy nhiên, 76,3% cho biết chương trình học của họ chưa có hoạt động đào tạo về AI, phản ánh khoảng cách lớn giữa tốc độ phát triển công nghệ và năng lực chuẩn bị của giáo dục y khoa.

Tại Việt Nam, xu hướng này cũng đã bắt đầu xuất hiện nhưng còn ở giai đoạn đầu. Một bài viết trên JMIR Medical Education năm 2025 nhận định việc ứng dụng AI trong giáo dục y khoa Việt Nam hiện vẫn còn hạn chế và phân mảnh; phần lớn sinh viên ít được tiếp xúc chính thức với AI, trong khi dữ liệu thực nghiệm về mức độ sẵn sàng của giáo viên và cơ sở đào tạo vẫn còn thiếu. Bài viết cũng dẫn một nghiên cứu ở sinh viên y và dược khu vực phía Nam, trong đó 92,2% sinh viên chưa hiểu về AI trong chăm sóc sức khỏe và 70,6% chưa từng được đào tạo chính thức về chủ đề này. 

Điểm khác biệt thứ hai là môi trường thực hành lâm sàng của sinh viên y khoa sẽ ngày càng dựa trên dữ liệu. Việt Nam đang đẩy mạnh chuyển đổi số y tế, đặc biệt là bệnh án điện tử. Theo Bộ Y tế, tính đến tháng 4/2026, hơn 75% bệnh viện trên toàn quốc đã công bố triển khai bệnh án điện tử, đồng thời các cơ sở y tế được yêu cầu hoàn thành triển khai trong năm 2026 và dừng sử dụng hồ sơ giấy từ năm 2027. Khi bệnh án điện tử, dữ liệu xét nghiệm, hình ảnh y khoa và hệ thống quản lý bệnh viện trở thành hạ tầng phổ biến hơn, sinh viên y khoa cần hiểu cách đọc dữ liệu, cách nhận diện mẫu hình bệnh tật, cách đánh giá chất lượng dữ liệu và cách sử dụng cụng cụ hỗ trợ chẩn đoán mà không đánh mất vai trò phán đoán của bác sĩ. 

Điểm khác biệt thứ ba là ranh giới giữa bác sĩ và nhà phân tích dữ liệu sẽ trở nên mờ hơn. Nghiên cứu năm 2025 trên VNU Journal of Science: Medical and Pharmaceutical Sciences cho thấy, sau khi rà soát PubMed, Google Scholar, ScienceDirect và các tạp chí y khoa lớn trong nước, nhóm tác giả xác định 37 công trình về ứng dụng AI trong y tế Việt Nam giai đoạn 2018-2024. Các công trình này được chia thành sáu hướng chính: chẩn đoán qua hình ảnh y khoa, dự đoán biến chứng và điều trị, sàng lọc cộng đồng, chatbot y tế, quản lý hồ sơ sức khỏe thông minh và hỗ trợ phát triển thuốc. Trong đó, chẩn đoán qua hình ảnh y khoa chiếm tỷ trọng lớn nhất với 17 nghiên cứu, cho thấy đây đang là hướng ứng dụng AI nổi bật nhất trong y tế Việt Nam. 

Điều này có nghĩa là sinh viên y khoa thời AI sẽ cần hiểu không chỉ “hình ảnh X-quang này nói gì”, mà còn phải hiểu mô hình AI đọc hình ảnh đó dựa trên dữ liệu nào, có thể sai ở nhóm bệnh nhân nào, có nguy cơ thiên lệch ra sao và kết quả gợi ý cần được kiểm chứng bằng lâm sàng như thế nào.

Trong kỷ nguyên AI, bác sĩ giỏi không chỉ là người nhớ nhiều phác đồ hơn, mà là người biết kết hợp tri thức y khoa, dữ liệu, công nghệ và sự thấu cảm để đưa ra quyết định tốt hơn cho người bệnh. Và chính từ giảng đường hôm nay, thế hệ sinh viên y khoa mới sẽ quyết định AI trong y tế là một công cụ nâng cao chất lượng chăm sóc con người, hay chỉ là một lớp công nghệ được đưa vào bệnh viện mà chưa kịp chuẩn bị về năng lực, đạo đức và niềm tin.

(Nguồn: VLAB Innovation)

Siết đạo văn, ngụy tạo dữ liệu, lạm dụng AI trong nghiên cứu khoa học

Thứ Sáu 29/05/2026 07:34 (GMT+7)

Bộ trưởng Bộ Khoa học và Công nghệ vừa ban hành Quyết định số 2557/QĐ-BKHCN về hướng dẫn liêm chính khoa học và đạo đức nghề nghiệp trong nghiên cứu khoa học, phát triển công nghệ, trong đó bổ sung nhiều quy định liên quan đến việc sử dụng trí tuệ nhân tạo (AI).

Theo hướng dẫn, nhiều hành vi bị xem là vi phạm liêm chính khoa học và đạo đức nghề nghiệp như: ngụy tạo hoặc giả mạo dữ liệu nghiên cứu; đạo văn dưới mọi hình thức; ghi tên tác giả không đúng thực tế hoặc loại bỏ tác giả có đóng góp; can thiệp vào quá trình phản biện, xét duyệt công bố khoa học.

Ngoài các vi phạm liên quan trực tiếp đến nghiên cứu, hướng dẫn còn nêu các hành vi vi phạm đạo đức nghề nghiệp như che giấu rủi ro gây hậu quả nghiêm trọng; truyền bá thông tin sai sự thật; tiết lộ dữ liệu nhạy cảm; sử dụng kinh phí, thiết bị nghiên cứu cho mục đích cá nhân; không công khai xung đột lợi ích hoặc thực hiện nghiên cứu xâm phạm nhân phẩm, quyền riêng tư của cá nhân và cộng đồng.

Đáng chú ý, hướng dẫn dành riêng quy định về sử dụng AI trong nghiên cứu khoa học. Theo đó, không được dùng AI để tạo dữ liệu giả, ảnh giả hoặc tài liệu tham khảo không có thật; không sử dụng tài liệu do AI tạo ra nhưng chưa được kiểm chứng làm tài liệu tham khảo.

Người nghiên cứu phải công khai tên công cụ AI, phiên bản và phạm vi sử dụng trong quá trình nghiên cứu; ghi rõ các nội dung do AI tạo ra. Đồng thời, không được đưa dữ liệu mật hoặc chưa công bố lên các nền tảng AI trái quy định pháp luật.

Hướng dẫn nhấn mạnh AI chỉ là công cụ hỗ trợ, còn người sử dụng phải chịu trách nhiệm cuối cùng đối với toàn bộ nội dung, sản phẩm nghiên cứu.

Hà Thư

Tổng giám đốc OpenAI Sam Altman hôm 26.5 cho rằng AI khó dẫn tới "thảm họa việc làm". Phát biểu ở Hội nghị Ngân hàng Commonwealth của Úc tại Sydney, ông thừa nhận các đánh giá về tốc độ phát triển công nghệ AI khá đúng, nhưng lại sai về tác động xã hội và kinh tế.

Theo Reuters, ông Altman cho rằng yếu tố con người vẫn giữ vai trò quan trọng trong công việc và khó bị AI thay thế hoàn toàn. Ông dẫn trải nghiệm cá nhân khi dùng AI hỗ trợ xử lý liên lạc, nhưng nhận ra ông thực sự quan tâm đến tương tác với mọi người thay vì giao tiếp hoàn toàn qua máy móc.

ảnh: reuters

Trong khi đó, tại hội nghị đạo đức AI ở Vatican cuối tuần trước, ông Chris Olah, nhà đồng sáng lập Công ty Anthropic, nhắc lại cảnh báo của CEO Dario Amodei rằng AI có khả năng thay thế lao động con người trên quy mô lớn, theo trang Axios.

Một số thông tin mới củng cố cho lập luận trên. Ngân hàng Standard Chartered (Anh) cho biết sẽ cắt giảm hàng nghìn nhân sự đến năm 2030 khi AI thay thế nhiều vị trí hành chính. Meta đã sa thải gần 8.000 nhân viên trong bối cảnh dự kiến chi ít nhất 125 tỉ USD cho đầu tư AI năm 2026. Trong khi đó, công ty mẹ của Snapchat cắt giảm khoảng 1.000 việc làm và khẳng định AI đang giúp nâng cao lợi nhuận. Theo bà Sophia Velastegui, cựu Giám đốc AI của Microsoft, chi phí phát triển AI rất lớn nên doanh nghiệp buộc phải tái cơ cấu nhân sự để bù đắp cho đầu tư công nghệ.

Dù vậy, Tổng giám đốc Nvidia Jensen Huang bác bỏ quan điểm cho rằng AI là nguyên nhân chính dẫn đến làn sóng sa thải. Trả lời Channel News Asia ngày 26.5, ông cho rằng nhiều doanh nghiệp đang "quá dễ dàng" lấy AI làm lý do biện minh việc cắt giảm nhân sự. Theo ông Huang, AI chỉ mới thực sự hiệu quả trong khoảng nửa năm gần đây nên việc thổi phồng nguy cơ thay thế con người là thiếu trách nhiệm dẫn đến tâm lý hoang mang không cần thiết.

Các ông lớn công nghệ bất ngờ cấm cửa nhân viên dùng AI vì quá "ngốn tiền", đốt sạch ngân sách 1 năm chỉ trong 90 ngày

Băng Băng | 30/05/2026 07:30 AM | Công nghệ

Cứ ngỡ là đòn bẩy năng suất bứt phá, công cụ nghìn tỷ đô này lại đang trở thành máy "bào" tiền đáng sợ nhất lịch sử doanh nghiệp.

Làn sóng ứng dụng trí tuệ nhân tạo tại các tập đoàn lớn trên toàn cầu đang bùng nổ mạnh mẽ hơn bao giờ hết. Thế nhưng, chi phí vận hành leo thang một cách chóng mặt đang buộc nhiều ông lớn phải phanh gấp.

Động thái này đang diễn ra theo cách có thể làm phức tạp thêm bước tiến chinh phục nền kinh tế toàn cầu của công nghệ trí tuệ nhân tạo.

Ngay trong năm nay, các nhà điều hành trong mọi ngành công nghiệp đã liên tục thúc giục nhân viên tích hợp các công cụ trí tuệ nhân tạo vào công việc của họ.

Các doanh nghiệp sẵn sàng chi tiêu hào phóng để khuyến khích sự thử nghiệm, đồng thời muốn gửi đi một thông điệp mạnh mẽ tới Phố Wall rằng công ty của họ sẽ không bị bỏ lại phía sau trong làn sóng dịch chuyển công nghệ sắp tới.

Sự nhiệt huyết thái quá đó đã dẫn đến tình trạng chi phí tăng vọt cho các token, vốn là đơn vị cơ bản dùng để đo lường năng lượng tính toán của trí tuệ nhân tạo, trong bối cảnh các nhà cung cấp mô hình nỗ lực cân bằng giữa cung và cầu cũng như quản lý chi phí vận hành của chính họ.

Nhiều doanh nghiệp đã ngỡ ngàng nhận ra họ tiêu hết ngân sách cả năm chỉ trong vòng ba tháng, thậm chí chứng kiến hóa đơn chi tiêu cho trí tuệ nhân tạo tăng vọt gấp đôi hoặc gấp ba lần.

Trước tình cảnh đó, các nhà lãnh đạo doanh nghiệp đang cuống cuồng tìm cách cắt giảm chi phí.

Họ nỗ lực kiểm soát hạn mức sử dụng trí tuệ nhân tạo trong tổ chức, hướng nhân viên sang các công cụ tự phát triển nội bộ rẻ hơn, đồng thời giúp họ mài giũa kỹ năng sử dụng để tối ưu hóa hiệu quả đầu tư mang lại.

Hàng loạt lãnh đạo công nghệ cấp cao tại Uber Technologies, Meta Platforms, Microsoft, Salesforce, DoorDash và các công ty khác đều đã thảo luận về các biện pháp kiểm soát mới nhằm đảm bảo công nghệ này thực sự đóng góp vào năng suất lao động, hoặc thực hiện các bước hạn chế quyền tiếp cận một số công cụ đối với những nhóm nhân sự nhất định.

Giới phê bình trí tuệ nhân tạo chỉ ra rằng những nỗ lực thắt chặt chi tiêu này là một tín hiệu cảnh báo cho thấy tốc độ tăng trưởng thần tốc của thị trường công nghệ này có thể bị chững lại.

Điều này trực tiếp tạo ra áp lực lớn cho Anthropic hay OpenAI khi các startup này đang rục rịch chuẩn bị lên sàn chứng khoán trong năm nay. Mới đây nhất, Anthropic đã hoàn tất vòng gọi vốn trị giá lên tới 65 tỷ USD, nâng định giá của công ty khởi nghiệp này lên mức kỷ lục 965 tỷ USD.

Tuy nhiên, không ít nhà đầu tư và giám đốc công nghệ đã lên tiếng cảnh báo rằng không nên cá cược vào một sự thoái trào. Họ lưu ý rằng doanh thu và mức độ sử dụng trí tuệ nhân tạo của các khách hàng doanh nghiệp thực tế đang tăng nhanh hơn rất nhiều so với mọi dự báo trước đó.

Ông Will McGough, Giám đốc Đầu tư tại công ty quản lý tài sản Prime Capital Financial, đơn vị đang rót vốn vào nhiều công ty công nghệ và theo sát các đợt phát hành cổ phiếu lần đầu ra công chúng sắp tới của các siêu khởi nghiệp trí tuệ nhân tạo, nhận định rằng chúng ta vẫn đang ở những hiệp đầu của quá trình ứng dụng công nghệ mới này.

Ngay cả các tập đoàn khổng lồ cũng vẫn đang trong giai đoạn vừa làm vừa tìm hiểu.

Cơn ác mộng hóa đơn triệu đô từ thời kỳ xài xả láng

Chỉ mới vài tháng trước, triết lý chung đối với việc sử dụng trí tuệ nhân tạo tại nhiều công ty lớn vẫn là càng nhiều càng tốt. Các gói đăng ký sử dụng không giới hạn thực chất là một khoản trợ cấp từ các nhà phát triển mô hình, vốn chấp nhận chịu lỗ trước các hoạt động cường độ cao của nhóm người dùng chuyên nghiệp.

Được khuyến khích đón đầu làn sóng đổi mới, nhân viên tại một số doanh nghiệp đã lao vào trào lưu gọi là cuồng token, cố gắng tiêu thụ càng nhiều tài nguyên tính toán của trí tuệ nhân tạo càng tốt chỉ để chứng tỏ mình là người đi đầu về công nghệ.

Thói quen này vẫn tiếp diễn ngay cả khi các nhà cung cấp mô hình chuyển sang mô hình tính phí dựa trên mức độ sử dụng thực tế.

Ông Matan Grinberg, Giám đốc Điều hành của Factory, một công ty tự động hóa mã nguồn, chia sẻ câu chuyện về một lãnh đạo tổ chức tài chính hàng đầu, nơi nhân viên đã đốt hàng trăm nghìn USD mỗi tháng chỉ để mua token.

Theo vị lãnh đạo này, một số nhân viên đã sử dụng các mô hình cao cấp, đắt đỏ nhất chỉ để trả lời những câu hỏi cực kỳ đơn giản hoặc chỉ để tán gẫu. Ông Grinberg ví von rằng nếu con bạn cần tìm gia sư dạy đại số, bạn hoàn toàn có thể tìm một người có mức giá bình dân hơn là đi thuê nhà vật lý học Albert Einstein về dạy học.

Lựa chọn mô hình giá rẻ và những nỗi lo ngại đi kèm

Chi phí leo thang có thể sẽ hướng người dùng đến các mô hình giá rẻ hơn với mức phí chỉ bằng một phần nhỏ. Tuy nhiên, theo các nhà quản lý, nhiều doanh nghiệp vẫn e dè với các hệ thống trí tuệ nhân tạo giá rẻ này vì một vài lựa chọn rẻ nhất hiện nay lại được phát triển tại Trung Quốc.

Để giữ chân khách hàng, các ông lớn như Anthropic, OpenAI hay Google cũng buộc phải tung ra các phiên bản rút gọn có giá mềm hơn từ các mô hình chủ lực của mình, trong khi Factory và các đơn vị khác đã phát triển hệ thống giúp doanh nghiệp phân loại truy vấn và chuyển hướng một số tác vụ sang các tùy chọn tiết kiệm hơn.

Bất chấp điều đó, nhu cầu sử dụng token trên toàn cầu vẫn không ngừng tăng trưởng phi mã. Google cho biết tại một sự kiện gần đây rằng hiện họ xử lý hơn 3,2 triệu tỷ token mỗi tháng, gấp bảy lần so với cùng kỳ năm ngoái.

Gã khổng lồ tìm kiếm cùng các đối thủ đang nỗ lực giảm chi phí vận hành bằng nhiều cách khác nhau, bao gồm việc tối ưu hóa hiệu suất phần cứng và thuật toán tính toán.

Những cái phanh gấp từ các ông lớn công nghệ

Sự dịch chuyển sang mô hình tính phí theo mức độ sử dụng đã buộc các khách hàng doanh nghiệp phải tính toán chi li mức tiêu thụ của mình. Một giám đốc điều hành của Uber tiết lộ rằng tính đến tháng ba, công ty đã thổi bay toàn bộ ngân sách năm dành cho việc sử dụng các hệ thống trí tuệ nhân tạo tự chủ.

Trong khi đó, Microsoft đã quyết định giới hạn quyền truy cập vào chương trình Claude Code của Anthropic đối với một số nhân viên, hướng họ sử dụng công cụ hỗ trợ lập trình nội bộ rẻ hơn.

Salesforce cũng ra mắt hệ thống mới chuyên theo dõi xem lượng token tiêu thụ đóng góp được bao nhiêu phần trăm vào kết quả kinh doanh thực tế.

Trong một bản ghi nhớ gửi nhân viên vào tháng tư, Giám đốc Công nghệ của Meta là Andrew Bosworth đã thẳng thắn cảnh báo rằng việc để mọi người tự do thử nghiệm là điều tốt, nhưng hiện tại công ty đang có quá nhiều công cụ chồng chéo.

Ông nhấn mạnh không ai được phép dùng trí tuệ nhân tạo chỉ để cho có, bởi mọi chuyển động không đồng nghĩa với sự tiến bộ, và lượng token tiêu thụ hoàn toàn không phải là thước đo cho bất kỳ loại hiệu quả nào.

Phản hồi về vấn đề này, người phát ngôn của Microsoft cho biết quyết định cắt giảm quyền truy cập vào chương trình Claude Code của Anthropic không xuất phát từ bài toán chi phí, mà bắt nguồn từ mong muốn chuẩn hóa công cụ sử dụng trong toàn bộ tổ chức của công ty.

Đại diện phía Anthropic khẳng định các mô hình của họ giúp khách hàng nâng cao năng suất đáng kể, chẳng hạn như hoàn thành những tác vụ phức tạp chỉ trong chưa đầy hai tuần, thay vì mất hơn bảy tháng nếu làm theo cách thủ công trước đây.

Người phát ngôn của Anthropic chia sẻ thêm rằng giống như bất kỳ công nghệ hay phương thức làm việc mới nào, các đội ngũ nhân sự vẫn đang trong quá trình khám phá xem đâu là nơi mang lại hiệu quả lớn nhất và làm thế nào để đo lường chúng một cách chính xác nhất.

Họ đang tích cực hợp tác với khách hàng để cung cấp các công cụ giúp đảm bảo hiệu quả đầu tư là một giá trị có thể nhìn thấy được bằng số liệu rõ ràng, chứ không chỉ dừng lại ở cảm nhận cảm tính.

Khoảng cách lớn giữa quảng cáo và hiệu quả thực tế

Tuy nhiên, giới kỹ sư phần mềm và các công ty khởi nghiệp vẫn cảnh báo rằng dù trí tuệ nhân tạo giúp hoàn thành công việc nhanh hơn rất nhiều, nhưng chi phí để con người rà soát, gỡ lỗi và viết lại những đoạn mã lỗi do công cụ này tạo ra vẫn ở mức rất cao.

Điều này cho thấy các mô hình hiện tại vẫn cần phải cải thiện rất nhiều trước khi đạt đến độ chín muồi.

Theo số liệu thực tế từ EntelligenceAI, một công ty khởi nghiệp đã tổng hợp dữ liệu từ hơn hai nghìn doanh nghiệp sử dụng các công cụ lập trình trí tuệ nhân tạo tiên tiến, thực tế chỉ có vỏn vẹn 18% chi phí mua token thực sự chuyển hóa thành các sản phẩm phần mềm hoàn thiện được đưa tới tay người dùng cuối.

Điều đó đồng nghĩa với việc phần lớn ngân sách của các doanh nghiệp vẫn đang bị tiêu tốn trong vòng lặp sửa sai và gỡ lỗi để hoàn thiện sản phẩm.

Nguồn: WSJ

Băng Băng

Nơi làm việc xuất sắc là nơi AI không phải "mối đe dọa" với người lao động

Tác giả: Trường Thịnh

(Dân trí) - Chỉ vài năm trước, khi trí tuệ nhân tạo (AI) bùng nổ, nhiều người lao động lo lắng việc bị công nghệ này thay thế. Đến nay, một điều trái ngược đang xảy ra - AI dần trở thành một kỹ năng của nhân sự.

Đi cùng xu hướng này, các doanh nghiệp cũng chú trọng vào việc đào tạo AI để tăng năng suất cho đội ngũ người lao động.

Cách tiếp cận khác của doanh nghiệp với AI

Tại sự kiện công bố Bảng xếp hạng Best Workplaces in Vietnam 2026 (Nơi làm việc xuất sắc hàng đầu Việt Nam 2026) của Great Place To Work hôm 26/5, đại diện GREENFEED cho biết, nỗi lo về việc AI thay thế con người là có thực, tuy nhiên, lãnh đạo tập đoàn này đã chọn một cách tiếp cận khác: Biến AI thành công cụ để khai phóng tiềm năng, thay vì mối đe dọa.

Công nghệ như năng lực lõi để tăng tốc nhưng con người vẫn luôn là trung tâm của mọi sự phát triển. Tại GREENFEED, các ứng dụng như Chatbot G-nie được triển khai để hỗ trợ người lao động tra cứu thông tin nhân sự và giải đáp thắc mắc 24/7.

“Thay vì thay thế vị trí của bộ phận nhân sự, AI giải phóng con người khỏi những tác vụ lặp đi lặp lại, để họ tập trung vào những giá trị sáng tạo và sự thấu cảm vốn là ưu thế độc nhất của con người”, bà Nguyễn Tâm Trang - Phó chủ tịch Hội đồng điều hành, Tổng giám đốc Khối Nhân sự - Dịch vụ nơi làm việc, Tập đoàn GREENFEED chia sẻ.

Dù vậy, vị đại diện nói khi công nghệ thay đổi, một số kỹ năng cũ sẽ không còn phù hợp. Thay vì đào thải, GREENFEED cam kết đầu tư mạnh mẽ vào việc đào tạo lại và nâng cao kỹ năng. Nếu một vị trí không còn phù hợp, doanh nghiệp sẽ cố gắng tìm kiếm cơ hội nội bộ, thậm chí sẵn sàng trao cơ hội khi nhân sự chỉ mới đạt 70% năng lực và đào tạo thêm 30% còn lại.

Tương tự, ông Nguyễn Như Dũng, Tổng giám đốc Cisco Việt Nam, Lào và Campuchia, cho biết AI đang dần trở thành một phần trong cách doanh nghiệp này vận hành mỗi ngày.

Trong lĩnh vực kỹ thuật, AI giúp rút ngắn đáng kể thời gian phát triển mã nguồn, tự động hóa các kịch bản ứng dụng và đơn giản hóa quy trình xử lý sự cố. Ở mảng kinh doanh, AI đồng hành xuyên suốt quy trình bán hàng - từ chuẩn bị cho các cuộc họp, theo dõi sau tương tác, đến dự báo và phân tích cơ hội.

Ông Dũng cho rằng AI đang thay đổi cách chúng ta làm việc. Trong tương lai gần, các tác nhân AI sẽ trở thành “đồng nghiệp số” của con người trong việc lập kế hoạch, đưa ra quyết định và tự động triển khai các quy trình công việc.

Cơ hội và rủi ro khi AI tác động tới môi trường làm việc

Đánh giá về những thay đổi trong cách AI tác động tới môi trường làm việc, ông Roland Wee - Chủ tịch HĐQT Great Place To Work ASEAN và ANZ, cho biết AI đã phát triển với tốc độ đáng kinh ngạc. Công nghệ này đã chuyển từ một công cụ tự động hóa hỗ trợ văn phòng sang một lớp năng suất tuyến đầu được tích hợp vào cách thức suy nghĩ, viết, phân tích và quyết định của người lao động.

Dưới góc độ văn hóa nơi làm việc, điều này đồng thời tạo ra một cơ hội to lớn và một rủi ro. Cơ hội là giải phóng con người khỏi các nhiệm vụ có giá trị thấp để họ có thể tập trung vào công việc cấp cao hơn, lấy con người làm trung tâm; trong khi rủi ro là tạo ra sự lo lắng, bất bình đẳng và sự thiếu gắn kết nếu quá trình chuyển đổi không được quản lý cẩn thận và có sự truyền đạt thông tin hiệu quả.

Qua quá trình làm việc với các doanh nghiệp toàn cầu, ông Roland Wee, cho biết những doanh nghiệp mà Great Place To Work hợp tác đang thu được giá trị lớn nhất từ AI không phải những tổ chức hỏi: "Làm thế nào để thay thế số lượng nhân sự", mà là những tổ chức hỏi: "Làm thế nào để tăng cường năng lực của nhân sự để mỗi người mang lại nhiều giá trị hơn".

Ngoài ra, cũng có sự khác biệt rõ rệt giữa các tổ chức đã tích hợp AI vào các quy trình làm việc cốt lõi - soạn thảo, nghiên cứu, phân tích dữ liệu, tương tác khách hàng - với những tổ chức vẫn coi công nghệ này như một dự án thí điểm hoặc một sáng kiến công nghệ thông tin.

“Tại các nơi làm việc có mức độ tin tưởng cao, việc áp dụng AI có xu hướng diễn ra suôn sẻ hơn, bởi người lao động tin tưởng rằng tổ chức sẽ đầu tư vào sự phát triển của họ song song với công nghệ, thay vì sử dụng nó để chống lại họ”, ông Roland Wee nói và cho biết trở ngại lớn nhất đối với việc áp dụng không phải là bản thân công nghệ - mà là sự sẵn sàng về văn hóa của tổ chức và sự tự tin của con người trong việc sử dụng nó.

Trong thời gian tới, Chủ tịch Great Place To Work ASEAN và ANZ dự báo AI sẽ nâng cao đáng kể chất lượng quyết định - các nhà lãnh đạo sẽ có quyền truy cập vào dữ liệu tốt hơn, khả năng tổng hợp nhanh hơn và mô hình dự đoán mạnh mẽ hơn bao.

Nhưng điều này cũng sẽ nâng cao kỳ vọng đối với khả năng lãnh đạo của con người. Với việc AI đảm nhiệm nhiều nhiệm vụ phân tích và vận hành hơn, các nhà lãnh đạo sẽ bị đánh giá khắt khe hơn về các khía cạnh đặc trưng của con người trong vai trò của mình: khả năng truyền cảm hứng, xây dựng lòng tin, xử lý các vấn đề phức tạp về đạo đức và đưa ra phán đoán trong các tình huống mơ hồ.

Xung đột Trung Đông khiến 45 triệu người bị ảnh hưởng trực tiếp, gia tăng khủng hoảng lương thực

Liên hợp quốc cảnh báo xung đột giữa Mỹ, Israel và Iran đang làm trầm trọng thêm cuộc khủng hoảng lương thực toàn cầu, trong bối cảnh nguồn tài trợ nhân đạo sụt giảm mạnh chưa từng có.

Xe tải chở hàng viện trợ di chuyển tại Deir al-Balah, miền Trung Dải Gaza ngày 16/10/2025. Ảnh: THX/TTXVN

Theo tờ the Guardian, chương trình Lương thực Thế giới của Liên hợp quốc (WFP) cho biết hiện có khoảng 363 triệu người trên toàn cầu đứng trước nguy cơ thiếu đói nghiêm trọng, trong đó khoảng 45 triệu người bị ảnh hưởng trực tiếp bởi cuộc chiến Mỹ - Israel với Iran và cú sốc giá dầu kéo theo.

Ông Carl Skau, quyền Giám đốc điều hành WFP cho biết tổ chức này đang phải cắt giảm nhiều chương trình cứu trợ khẩn cấp vì thiếu ngân sách, buộc họ ưu tiên hỗ trợ những khu vực đã rơi vào nạn đói thảm khốc.

“Chúng tôi phải lấy khẩu phần của người đói để cứu những người đang chết đói. Đó là thực tế hiện nay”, ông Skau nói.

Do chiến sự và giá dầu

WFP cho biết thế giới vốn đã có hơn 300 triệu người đối mặt với nạn đói nghiêm trọng trước khi Mỹ và Israel mở chiến dịch quân sự nhằm vào Iran hồi tháng 2. Sau đó, Tehran đóng eo biển Hormuz, trong khi Washington tiến hành phong tỏa đối với hoạt động vận tải biển của Iran, khiến thị trường năng lượng toàn cầu rung chuyển.

Tổ chức này từng ước tính nếu giá dầu duy trì trên mức 100 USD/thùng, sẽ có thêm 45 triệu người rơi vào cảnh thiếu lương thực cấp tính. Dù giá dầu Brent đã giảm xuống dưới ngưỡng này vào giữa tháng 5, giá nhiên liệu hiện vẫn cao hơn khoảng 30% so với thời điểm trước chiến tranh.

Theo ông Skau, giá năng lượng và giá lương thực có mối liên hệ chặt chẽ, đặc biệt tại các quốc gia nghèo nhất thế giới.

“Nếu giá năng lượng tăng 30%, lạm phát lương thực ở một số nơi gần như tăng tương ứng. Với những người vốn đã phải dành toàn bộ thu nhập để mua thực phẩm, điều đó đồng nghĩa họ sẽ phải ăn ít hơn 30 - 40%”, ông nói.

Chi phí vận chuyển tăng mạnh cũng khiến WFP gặp khó khăn trong việc đưa thực phẩm tới các vùng khủng hoảng. Nhiều tuyến viện trợ bị gián đoạn do căng thẳng địa chính trị.

Tại Afghanistan, Pakistan gần đây đóng cửa nhiều cửa khẩu do căng thẳng với chính quyền Taliban, khiến tuyến viện trợ chính bị tê liệt. Sau đó, xung đột tại vùng Vịnh tiếp tục khiến biên giới giữa Afghanistan và Iran đóng cửa, buộc WFP phải chuyển sang các tuyến đường bộ dài và tốn kém hơn qua Thổ Nhĩ Kỳ, biển Caspi và Turkmenistan.

Ông Skau cho biết khoảng 85.000 tấn lương thực cứu trợ dành cho Afghanistan đã bị mắc kẹt nhiều tháng ở biên giới Pakistan, sau đó chuyển tới Dubai rồi tiếp tục đình trệ khi chiến sự Iran nổ ra. Số hàng này cuối cùng chỉ vừa được chuyển tới nơi sau 7 tháng chậm trễ.

Nguồn tài trợ lao dốc, hàng triệu người mất hỗ trợ

Trong lúc nhu cầu cứu trợ tăng mạnh, ngân sách dành cho WFP lại giảm sâu. Tổng đóng góp từ các nước tài trợ đã giảm từ 9,8 tỷ USD năm 2024 xuống còn 6,5 tỷ USD trong năm nay.

Mỹ, nhà tài trợ lớn nhất của WFP, giảm hỗ trợ từ 4,4 tỷ USD xuống còn 2,1 tỷ USD. Đóng góp của Anh cũng giảm từ 610 triệu USD xuống còn 435 triệu USD.

WFP cho biết nhu cầu tài chính toàn cầu năm nay vào khoảng 13 tỷ USD nhưng đến nay tổ chức mới chỉ nhận được 2,8 tỷ USD.

Ông Skau cho hay tình trạng thiếu hụt ngân sách đã buộc WFP cắt giảm quy mô hoạt động tại nhiều điểm nóng nhân đạo, đặc biệt là Afghanistan và Yemen sau khi chính quyền Tổng thống Donald Trump chấm dứt toàn bộ nguồn hỗ trợ thực phẩm khẩn cấp cho hai quốc gia này.

“Chúng tôi đã phải cho nghỉ việc 5.000 nhân viên tại Afghanistan. Số người được hỗ trợ giảm từ 10 triệu xuống chỉ còn 2 triệu người. Đó là mức sụt giảm khổng lồ”, ông nói.

Năm 2025, Liên hợp quốc đã phải tuyên bố nạn đói tại Gaza và Sudan - điều được cho là chưa từng xảy ra trong nhiều thập niên. Dù tình hình Gaza phần nào cải thiện sau thỏa thuận ngừng bắn hồi tháng 10, Sudan vẫn bị đánh giá là cuộc khủng hoảng nhân đạo nghiêm trọng nhất thế giới, với nhiều khu vực ở Darfur và Nam Kordofan tiếp tục chìm trong nạn đói.

Nguy cơ khủng hoảng kéo dài sang năm sau

Không chỉ gây tác động tức thời, chiến sự tại Iran còn đe dọa chuỗi cung ứng phân bón toàn cầu khi khu vực Trung Đông hiện cung cấp khoảng một phần ba lượng phân bón vận chuyển bằng đường biển trên thế giới.

Theo WFP, các nước Đông Phi phụ thuộc gần như hoàn toàn vào nguồn phân bón từ Trung Đông và không đủ khả năng mua từ các thị trường khác.

“Nếu tình trạng này kéo dài, họ sẽ không còn phân bón để sử dụng. Đông Phi hiện bước vào mùa gieo trồng nên tác động tới năng suất nông nghiệp sẽ xuất hiện sau khoảng 6 - 9 tháng nữa”, ông Skau cảnh báo.

Bên cạnh đó, WFP cũng lo ngại môi trường hoạt động của các tổ chức nhân đạo ngày càng nguy hiểm. Trong ba năm qua, hơn 1.000 nhân viên cứu trợ trên toàn cầu đã thiệt mạng khi làm nhiệm vụ.

Tại Yemen, lực lượng Houthi do Iran hậu thuẫn hiện vẫn giam giữ 38 nhân viên WFP với cáo buộc gián điệp mà Liên hợp quốc cho là vô căn cứ, buộc tổ chức này phải đình chỉ hoạt động tại các khu vực do Houthi kiểm soát.

Bảo Hân/Báo Tin tức và Dân tộc

Khi lần đầu tiên chúng tôi giới thiệu The AI Scientist trong bản in thử ban đầu, chúng tôi đã chia sẻ một tầm nhìn đầy tham vọng: một tác nhân được hỗ trợ bởi các mô hình nền tảng có khả năng thực hiện toàn bộ vòng đời nghiên cứu máy học. Ngay sau đó, chúng tôi đã công bố một cập nhật lịch sử: phiên bản cải tiến AI Scientist-v2 đã tạo ra bài báo đầu tiên hoàn toàn do AI tạo ra vượt qua quy trình đánh giá ngang hàng nghiêm ngặt của con người.

Hôm nay, chúng tôi vui mừng thông báo rằng một bài báo mô tả toàn bộ công trình này và bao gồm những hiểu biết mới đã được xuất bản trên Nature.

Cột mốc quan trọng này là kết quả của sự hợp tác chặt chẽ và hiệu quả giữa các nhà nghiên cứu tại Sakana AI, Đại học British Columbia (UBC) và Viện Vector, cùng với Đại học Oxford.

Dựa trên các bản phát hành mã nguồn mở trước đây, ấn phẩm truy cập mở trên Nature này trình bày chi tiết toàn diện về kiến trúc hệ thống của chúng tôi, phác thảo một số kết quả mở rộng quy mô mới và thảo luận về những hứa hẹn cũng như thách thức của khoa học do AI tạo ra.

Đọc toàn bộ bài báo trên Nature tại đây: https://www.nature.com/articles/s41586-026-10265-5

Khám phá mã nguồn và các bài báo đã tạo trên GitHub: AI Scientist-v1, AI Scientist-v2

Ví dụ về các phần của một bài báo do The AI Scientist tạo ra đã vượt qua quy trình đánh giá ngang hàng cho một hội thảo tại một hội nghị AI quốc tế hàng đầu.

Hành Trình Cho Đến Nay

Hành trình của chúng tôi đến ấn phẩm này kéo dài 1,5 năm với các giai đoạn riêng biệt được định hình bởi sự phát triển của mô hình nền tảng và cải tiến của chúng tôi đối với hệ thống:

1. Chứng minh Khả thi: Trong bản phát hành đầu tiên, chúng tôi đã cung cấp cho The AI Scientist một mẫu mã khởi đầu (như một lần chạy huấn luyện đơn giản cho nanoGPT). Nó tự động tạo ra các ý tưởng mới, tạo và chạy các thí nghiệm để kiểm tra những ý tưởng đó, và viết một bài báo hoàn chỉnh. Ngoài ra, chúng tôi đã phát triển và thiết lập Trình đánh giá Tự động, hệ thống chấm điểm chất lượng của bài báo. Công trình này lần đầu tiên nhấn mạnh rằng việc tự động hóa hoàn toàn quy trình nghiên cứu Máy học là khả thi.
2. "Bài kiểm tra Turing" của Khoa học: Trong bản cập nhật thứ hai, chúng tôi cho phép hệ thống tự do hơn nhiều để điều tra bất kỳ chủ đề nào được định nghĩa rộng rãi trong nghiên cứu AI. Sau đó, chúng tôi đưa hệ thống vào bài kiểm tra cuối cùng. Chúng tôi đã gửi các bài báo hoàn toàn do AI tạo ra, chưa qua chỉnh sửa, đến quy trình đánh giá ngang hàng mù, nghiêm ngặt của hội thảo ICLR 2025 I Can't Believe It's Not Better (ICBINB). Một bản thảo đã đạt điểm trung bình 6,33 (điểm cá nhân: 6, 7, 6), vượt qua ngưỡng chấp nhận trung bình của con người! Bài báo đạt điểm cao hơn 55% bài báo do con người viết. Trong suốt quá trình, chúng tôi đã nhận được sự cho phép từ ban tổ chức hội thảo. Chúng tôi đã xác định trước rằng sẽ rút bài báo trước khi xuất bản nếu được chấp nhận, và chúng tôi đã làm như vậy.

Bài báo mới trên Nature này củng cố những đột phá này và đi sâu vào những cải tiến mô hình nền tảng cơ bản giúp chúng trở nên khả thi. Bên trong, sau khi được đưa ra một hướng nghiên cứu rộng, hệ thống tự động tạo ra các ý tưởng nghiên cứu mới, tìm kiếm và đọc các tài liệu liên quan, thiết kế, lập trình và tiến hành các thí nghiệm thông qua tìm kiếm cây tác nhân song song, và viết toàn bộ bài báo (bằng LaTeX, với phản hồi về các hình ảnh từ một mô hình nền tảng có khả năng thị giác).

Tổng quan khái niệm về quy trình làm việc của The AI Scientist, bao gồm đưa ra ý tưởng nghiên cứu, triển khai thí nghiệm, thực hiện các thí nghiệm đó, viết bài báo và đánh giá nó.

Kết Quả Mới: Trình Đánh Giá Tự Động & Định Luật Mở Rộng Quy Mô của Khoa Học

Để đánh giá khoa học do AI tạo ra ở quy mô lớn mà không làm kiệt sức các nhà đánh giá là con người, chúng tôi đã xây dựng một Trình Đánh Giá Tự Động. Chúng tôi yêu cầu nó đóng vai trò là Chủ tịch Khu vực, tổng hợp năm đánh giá độc lập thành một quyết định cuối cùng dựa trên hướng dẫn chính thức của NeurIPS. Chúng tôi đã so sánh Trình Đánh Giá Tự Động này với hàng nghìn quyết định thực tế của con người từ bộ dữ liệu OpenReview. Trình Đánh Giá Tự Động đạt hiệu suất ngang bằng con người. Nó đạt độ chính xác cân bằng 69% (tương đương với các nhà đánh giá là con người) và điểm F1 thực sự vượt quá mức đồng thuận giữa người với người được đo trong thí nghiệm nổi tiếng NeurIPS 2021.

Trình Đánh Giá Tự Động phù hợp với các đánh giá của con người trên các bài báo AI được xuất bản tại một hội nghị hàng đầu (ICLR), bao gồm các bài báo được xuất bản sau khi mô hình được huấn luyện ("ngưỡng kiến thức" của nó). Những kết quả này cho thấy Trình Đánh Giá Tự Động đáng tin cậy như các nhà đánh giá là con người trong việc cung cấp điểm đánh giá cho các bài báo AI mới được viết.

Quan trọng hơn, bằng cách sử dụng trình đánh giá này để chấm điểm các bài báo được tạo ra bởi các mô hình nền tảng khác nhau, chúng tôi đã phát hiện ra một định luật mở rộng quy mô rõ ràng: khi các mô hình nền tảng cơ bản được cải thiện, chất lượng của các bài báo được tạo ra cũng tăng lên tương ứng. Điều này cho thấy mạnh mẽ rằng khi chi phí tính toán giảm xuống và khả năng của mô hình tiếp tục tăng theo cấp số nhân, các phiên bản tương lai của The AI Scientist sẽ có năng lực vượt trội hơn đáng kể.

Chất lượng của các bài báo do The AI Scientist tạo ra tăng lên khi sử dụng các mô hình nền tảng mới hơn, thông minh hơn, theo đánh giá của Trình Đánh Giá Tự Động.

Hạn Chế và Con Đường Phía Trước

Mặc dù vượt qua đánh giá ngang hàng của con người là một bước đột phá, The AI Scientist vẫn đang trong giai đoạn đầu. Như chúng tôi mô tả trong bài báo trên Nature, hệ thống hiện có một số hạn chế:

• Đôi khi nó tạo ra những ý tưởng ngây thơ hoặc kém phát triển.
• Nó có thể gặp khó khăn với tính nghiêm ngặt về phương pháp luận sâu sắc và triển khai mã phức tạp.
• Nó dễ bị ảo giác hoặc mắc lỗi rõ ràng, chẳng hạn như tạo ra các trích dẫn không chính xác hoặc sao chép hình ảnh trong phần phụ lục.

Tuy nhiên, có một xu hướng rõ ràng trong máy học: một khi một khả năng mới bắt đầu hoạt động, dù có những hạn chế rõ ràng, nó sẽ trở nên siêu việt một cách đáng ngạc nhiên trong thời gian ngắn. Đó là do quy mô và các mô hình cốt lõi tốt hơn nhanh chóng đẩy nó vượt qua mức hiệu suất của con người. Hiện tại, The AI Scientist bị giới hạn trong các thí nghiệm tính toán. Nhưng chúng tôi kỳ vọng kịch bản mà chúng tôi đã công bố sẽ được điều chỉnh cho các lĩnh vực khác và xúc tác cho những tiến bộ khoa học bằng cách tạo ra những khám phá thực sự không giới hạn.

Một Sự Thay Đổi Mô Hình Cho Khám Phá Khoa Học

Khả năng tự động hóa việc tạo bài báo đặt ra những câu hỏi đạo đức và xã hội sâu sắc—từ việc làm quá tải hệ thống đánh giá ngang hàng đến việc thổi phồng thông tin nghiên cứu. Chúng tôi cam kết phát triển công nghệ này một cách có trách nhiệm, điều này bao gồm việc thông báo cho công chúng rằng các bài báo do AI tạo ra không chỉ khả thi, mà trong một số trường hợp còn đạt hiệu suất ngang bằng con người. Chúng tôi đã chủ động rút lại các bài báo AI được chấp nhận và nhận được sự chấp thuận của IRB cho các thí nghiệm của mình. Chúng tôi cũng đánh dấu tất cả các bài báo của mình để chúng rõ ràng là do AI tạo ra, một thực hành chúng tôi khuyến nghị cộng đồng áp dụng. Ngoài ra, chúng tôi khuyến nghị cộng đồng khoa học thiết lập các chuẩn mực rõ ràng về cách đối xử với nghiên cứu do AI tạo ra.

Chúng tôi xin gửi lời cảm ơn sâu sắc nhất đến các cộng tác viên tuyệt vời của mình, Jeff Clune (Đại học British Columbia, Viện Vector, và Ghế CIFAR) và Jakob Foerster (Đại học Oxford), vì những đóng góp vô giá của họ cho dự án này.

Ấn phẩm trên Nature này đánh dấu bình minh của một kỷ nguyên mới, nơi quá trình khám phá không còn chỉ là mục tiêu của con người. Với các tác nhân AI đóng vai trò là người đồng hành không biết mệt mỏi, chúng tôi đang tăng tốc hướng tới một tương lai nơi chúng ta có thể đẩy nhanh đáng kể tốc độ của các đột phá khoa học. Nếu được thực hiện an toàn, các hệ thống như The AI Scientist do đó có thể cho phép mọi thứ từ chữa khỏi mọi bệnh tật và cung cấp sự thịnh vượng cho tất cả con người đến bảo vệ môi trường của chúng ta và khám phá các vì sao.

Để tìm hiểu thêm về The AI Scientist, vui lòng đọc bài báo trên Nature của chúng tôi hoặc xem mã nguồn mở trên GitHub.

Các nhà khoa học AI tự động khám phá một "cây" các khả năng để tìm ra những đột phá khoa học. Tín dụng: Tác phẩm nghệ thuật của CERTO, Inc.

Sakana AI

Bạn quan tâm đến việc tham gia cùng chúng tôi?

Vui lòng xem cơ hội nghề nghiệp của chúng tôi để biết thêm thông tin.

VHO - Sau khi Giải bóng đá nữ Cup Quốc gia 2026 khép lại với nhiều dấu ấn chuyên môn tích cực, bóng đá nữ Việt Nam tiếp tục hướng sự chú ý đến sân chơi quan trọng nhất trong năm là Giải VĐQG sẽ khởi tranh vào tháng 6. Đáng chú ý, mùa giải năm nay chứng kiến hàng loạt thay đổi mang tính lịch sử, cho thấy quyết tâm nâng tầm bóng đá nữ của Liên đoàn Bóng đá Việt Nam (VFF).

Những dấu mốc đáng nhớ

Giải bóng đá nữ Cup Quốc gia 2026 vừa khép lại tại Thái Nguyên với chức vô địch thuộc về CLB nữ TP.HCM sau chiến thắng trên loạt luân lưu trước Hà Nội I ở trận chung kết. Đây không chỉ là danh hiệu thứ 5 của đội bóng thành phố mang tên Bác tại đấu trường này, mà còn đánh dấu thêm một cột mốc đáng nhớ trong hành trình phát triển của bóng đá nữ Việt Nam.

Với chức vô địch năm nay, CLB nữ TP.HCM tiếp tục khẳng định vị thế là đội bóng giàu thành tích nhất lịch sử giải đấu với 5 lần giành “ngôi hậu” sau 8 lần giải được tổ chức. Trước đó, đội từng đăng quang vào các năm 2020, 2021, 2022 và 2025. Thành tích ấn tượng ấy cho thấy sự ổn định về chuyên môn, chiều sâu lực lượng cũng như chiến lược đầu tư bài bản của đội bóng trong nhiều mùa giải qua.

Không chỉ hấp dẫn bởi tính cạnh tranh, Cup Quốc gia năm nay còn được đánh giá cao về chất lượng chuyên môn. Nhiều cầu thủ trẻ đã để lại dấu ấn rõ nét, góp phần mang đến diện mạo tươi mới cho bóng đá nữ Việt Nam. Bên cạnh các gương mặt giàu kinh nghiệm, sự trưởng thành của lớp cầu thủ kế cận được xem là tín hiệu tích cực cho tương lai của ĐTQG.

Ra đời từ năm 2019, Cup Quốc gia ngày càng khẳng định vai trò quan trọng trong hệ thống thi đấu bóng đá nữ Việt Nam. Đây không chỉ là sân chơi để các CLB tranh tài mà còn là cơ hội để các cầu thủ tích lũy kinh nghiệm, nâng cao trình độ chuyên môn và duy trì phong độ trước những giải đấu lớn trong nước cũng như quốc tế.

Thông qua giải đấu, nhiều địa phương và CLB cũng mạnh dạn đầu tư hơn cho bóng đá nữ, từ công tác đào tạo trẻ đến xây dựng lực lượng dài hạn. Điều này góp phần thúc đẩy phong trào bóng đá nữ phát triển rộng khắp, tạo nền tảng quan trọng cho mục tiêu nâng tầm bóng đá nữ Việt Nam trong tương lai.

Giải đấu năm nay đã chứng kiến khoảnh khắc lịch sử. Phút 27 trận TP.HCM và Hà Nội tại bảng A vào ngày 13.5, chân sút người Brazil - Joelma Church Alves Gabriel ghi bàn mở tỷ số và mở ra chiến thắng 2-1 cho TP.HCM. Pha lập công từ chấm 11m của Joelma giúp cô trở thành ngoại binh đầu tiên ghi bàn trong lịch sử các giải quốc nội của bóng đá nữ Việt Nam.

Khép lại mùa giải 2026, Cup Quốc gia tiếp tục cho thấy sức hút ngày càng lớn và vai trò quan trọng trong hành trình phát triển bóng đá nữ Việt Nam. Thành công của giải đấu là tín hiệu tích cực để người hâm mộ kỳ vọng vào những bước tiến mới của bóng đá nữ nước nhà trong thời gian tới.

Nỗ lực nâng tầm

Sau Cup Quốc gia đến lượt sân chơi quan trọng nhất trong năm của bóng đá nữ Việt Nam là giải VĐQG sẽ diễn ra trong tháng 6. Lần đầu tiên trong lịch sử giải đấu, mỗi CLB nữ được phép đăng ký một ngoại binh (bên cạnh hai cầu thủ Việt kiều). Đây được xem là bước đi mạnh dạn nhằm nâng cao chất lượng chuyên môn cũng như gia tăng tính cạnh tranh cho giải đấu. Sự xuất hiện của các cầu thủ nước ngoài không chỉ giúp các đội bóng cải thiện sức mạnh mà còn tạo môi trường để cầu thủ nội học hỏi về tư duy chiến thuật, thể lực và cường độ thi đấu hiện đại.

Trong bối cảnh bóng đá nữ Việt Nam đang hướng tới sự chuyên nghiệp, việc phải cạnh tranh vị trí với ngoại binh và cầu thủ Việt kiều sẽ buộc các cầu thủ trong nước nỗ lực nhiều hơn để khẳng định bản thân. Đây cũng là cơ hội để các cầu thủ trẻ trưởng thành nhanh hơn thông qua việc thích nghi với lối chơi giàu tốc độ, va chạm và áp lực cao.

Một thay đổi đáng chú ý khác là giải đấu sẽ chuyển sang thể thức sân nhà - sân khách thay vì thi đấu tập trung như các mùa trước. Mô hình lượt đi và lượt về không chỉ giúp các CLB có thêm cơ hội quảng bá hình ảnh tại địa phương mà còn góp phần xây dựng văn hóa cổ vũ bóng đá nữ ở nhiều tỉnh, thành. Các cầu thủ cũng sẽ được trải nghiệm môi trường thi đấu chuyên nghiệp hơn, từ di chuyển, chuẩn bị chiến thuật đến thích nghi với áp lực sân khách.

Không dừng lại ở đó, VFF cũng bắt đầu triển khai hệ thống cấp phép cho các CLB bóng đá nữ chuyên nghiệp. Những tiêu chí về đào tạo trẻ, tài chính, cơ sở vật chất hay bộ máy vận hành sẽ trở thành yêu cầu bắt buộc đối với các đội bóng tham dự giải. Đây được xem là nền tảng quan trọng để bóng đá nữ Việt Nam phát triển bền vững và từng bước tiệm cận các nền bóng đá hàng đầu châu Á.

Sức hấp dẫn của mùa giải năm nay còn đến từ tấm vé tham dự AFC Champions League - sân chơi được ví như “Cup C1 châu Á” dành cho các CLB nữ mạnh nhất châu lục. Việc đội vô địch giải sẽ đại diện Việt Nam tranh tài ở đấu trường châu lục chắc chắn sẽ khiến cuộc đua đến “ngôi hậu” trở nên quyết liệt hơn bao giờ hết.

Những thay đổi mạnh mẽ ở giải VĐQG 2026 cho thấy định hướng rõ ràng của VFF trong việc xây dựng một nền bóng đá nữ chuyên nghiệp, hiện đại và giàu sức cạnh tranh. Đây không chỉ là bước tiến quan trọng của bóng đá nữ Việt Nam mà còn là xu hướng phát triển mà nhiều quốc gia hàng đầu châu Á đã và đang theo đuổi.

Chính vì vậy, sự phát triển của các quỹ đầu tư mạo hiểm nội địa, kết hợp cùng định hướng hình thành Quỹ đầu tư mạo hiểm quốc gia được kỳ vọng sẽ trở thành điểm tựa vững chắc để dẫn dắt, kích hoạt thêm nguồn vốn tư nhân. Đây cũng là cơ sở để thúc đẩy các thương vụ hợp đồng đầu tư xuyên biên giới và tạo lập nguồn lực tài chính dài hạn cho các startup.

Định vị thế mạnh, mũi nhọn

Trong xu thế hội nhập, dòng vốn mạo hiểm luôn tìm kiếm những môi trường đầu tư tin cậy, có kênh kết nối thường xuyên và cơ chế vận hành rõ ràng. Từ kinh nghiệm phát triển hệ sinh thái từ các nước trong khu vực, bà Tiffany Liu, Thành viên Ban Chấp hành Hiệp hội Công nghệ tài chính Singapore phân tích, dòng vốn không tự nhiên tìm đến mà luôn dịch chuyển song hành cùng chính sách quản trị minh bạch và sự trưởng thành của hệ sinh thái.

Biến đổi khí hậu và ô nhiễm làm tăng nguy cơ đột quỵ

Hoa Vũ (Nguồn: Euronews) / VTC News | 04/05/2026 11:30

Thời tiết cực đoan và thảm họa môi trường do biến đổi khí hậu có thể làm tăng nguy cơ đột quỵ cũng như nguy cơ tử vong do căn bệnh này.

Các nhà khoa học phối hợp với Tổ chức Đột quỵ Thế giới (WSO) đã rà soát nhiều công trình nghiên cứu về mối liên hệ giữa đột quỵ và các biến đổi môi trường liên quan đến khí hậu.

Kết quả cho thấy, những thay đổi môi trường trở nên trầm trọng hơn do biến đổi khí hậu, có thể làm tăng nguy cơ xảy ra đột quỵ cũng như nguy cơ tử vong do căn bệnh này.

Nhóm nghiên cứu lưu ý phần lớn bằng chứng hiện nay mới chỉ cho thấy mối liên hệ, chưa chứng minh trực tiếp các hiện tượng thời tiết liên quan đến khí hậu gây ra đột quỵ. Tuy vậy, xu hướng kết quả được đánh giá là nhất quán và có cơ sở sinh học hợp lý.

“Nhiệt độ cao có thể gây mất nước, làm đặc máu và tăng nguy cơ tắc nghẽn mạch máu, trong khi thay đổi về độ ẩm và áp suất không khí có thể làm tăng huyết áp - một nguyên nhân quan trọng dẫn đến đột quỵ”, nhà khoa học Anna Ranta tại Đại học Otago (New Zealand), tác giả chính của nghiên cứu, cho biết.

Theo bà Ranta, các hiện tượng thời tiết cực đoan xảy ra đồng thời như nắng nóng và hạn hán, hoặc lạnh, ẩm và gió, có thể cộng hưởng tác động, làm tăng thêm nguy cơ đột quỵ và tử vong.

Nghiên cứu cũng chỉ ra một số nhóm có nguy cơ cao hơn, gồm người cao tuổi, người mắc rối loạn chuyển hóa và những người sống ở khu vực khí hậu lạnh hoặc có thu nhập thấp, nơi thời tiết cực đoan tác động mạnh hơn đến sức khỏe.

WSO nhấn mạnh ô nhiễm không khí là yếu tố nguy cơ lớn đối với đột quỵ. Báo cáo thực trạng đột quỵ toàn cầu gần đây nhất của tổ chức cho thấy các yếu tố rủi ro môi trường, chủ yếu là ô nhiễm không khí và phơi nhiễm chì, chiếm khoảng 37% tổng số ca đột quỵ trên toàn cầu.

“Các hạt bụi mịn xâm nhập vào máu qua phổi và gây tổn thương thành mạch máu. Điều này có thể dẫn đến tắc nghẽn và vỡ động mạch não, gây đột quỵ”, WSO nêu trong báo cáo.

WSO cho biết thêm, vì biến đổi khí hậu và ô nhiễm không khí có chung nguồn gốc từ việc đốt nhiên liệu hóa thạch, nên việc giảm phát thải khí nhà kính có thể giúp giảm nguy cơ đột quỵ liên quan đến khí hậu và bảo vệ sức khỏe não bộ.

Theo Tổ chức Y tế Thế giới (WHO), đột quỵ là nguyên nhân gây tử vong và tàn tật đứng thứ ba trên toàn cầu, với 11,9 triệu ca mắc mới trong năm 2021 và 1/4 người trưởng thành có nguy cơ mắc bệnh trong đời.