Tháng 3/2026 đánh dấu đúng một thập kỷ kể từ chiến thắng lịch sử của AlphaGo trước nhà vô địch cờ vây thế giới Lee Sae Dol, một bước ngoặt định hình lại quỹ đạo của trí tuệ nhân tạo (AI) hiện đại. 

Nhân dịp này, Tiến sĩ Pushmeet Kohli, Phó Chủ tịch bộ phận Khoa học và Sáng kiến Chiến lược, Google DeepMind và Giáo sư Thore Graepel, Chuyên gia Nghiên cứu Khoa học Ưu tú, Google DeepMind đã có những chia sẻ chuyên sâu với VietNamNet về tác động của AI đối với khoa học, xã hội và định hướng tương lai.

Phóng viên: Nhìn lại một thập kỷ kể từ chiến thắng của AlphaGo, xin ông chia sẻ tác động tích cực lớn nhất mà AI đã mang lại cho khoa học và xã hội là gì?

Tiến sĩ Pushmeet Kohli: Một trong những tiến bộ lớn nhất mà AI đã tạo ra trong khoa học là lĩnh vực dự đoán cấu trúc protein với sự ra đời của AlphaFold. Protein là những khối xây dựng của sự sống.

Việc tôi có thể nói chuyện với bạn, bạn có thể nghe và hiểu được những gì tôi đang nói, tất cả đều nhờ protein.

RNP15_Pushmeet_Podcast_V05 (0 02 59 22).png
Tiến sĩ Pushmeet Kohli, Phó Chủ tịch bộ phận Khoa học và Sáng kiến Chiến lược, Google DeepMind

Về mặt hóa học, con người cơ bản là những "túi nước", với 60% cơ thể chỉ là nước. Phép màu khiến chúng ta có thể suy nghĩ, di chuyển, tạo ra âm thanh và lắng nghe chính là protein.

Trong nhiều năm, các nhà khoa học đã nỗ lực tìm hiểu cách các protein này hoạt động, hình dáng 3D của chúng ra sao. Đây từng là một thách thức vĩ đại trong sinh học.

AlphaFold, một mạng nơ-ron (neural network), đã tạo ra bước đột phá then chốt vào năm 2020 để giải quyết vấn đề này và vinh dự được trao giải Nobel Hóa học vào năm 2024.

Bên cạnh AlphaFold, AI còn mang lại nhiều đóng góp đáng kể khác. Chúng ta có các hệ thống dự báo thời tiết vô cùng chính xác, thực tế mô hình mới nhất của chúng tôi đã được sử dụng để theo dõi các cơn bão và siêu bão.

AI cũng đang nỗ lực ổn định plasma trong các lò phản ứng nhiệt hạch. Hơn thế nữa, AI đã phát minh ra các thuật toán mới cho những bài toán toán học cơ bản. 

Ví dụ, mạng nơ-ron hoạt động dựa trên toán tử nhân ma trận nhưng chúng ta từng không biết đâu là cách nhanh nhất để thực hiện phép tính này.

Tác nhân lập trình AlphaEvolve của chúng tôi đã khám phá ra thuật toán mới, cải thiện một kỹ thuật cốt lõi đã tồn tại suốt 50 năm qua.

10 năm trước, AI vẫn là một khái niệm xa lạ với đa số công chúng. 10 năm sau, AI nói chung và Google Gemini nói riêng đã trở nên phổ biến với hàng tỷ người. Bức tranh hiện nay có giống với hình dung ban đầu của ông không?

Giáo sư Thore Graepel: Đối với chúng tôi, AlphaGo không chỉ là việc giành chiến thắng trong game mà nó chứng minh AI có thể sở hữu một dạng trực giác và vượt qua kiến thức nhân loại để khám phá các chiến lược mới, tiêu biểu là "Nước đi 37" nổi tiếng.

Về mặt kỹ thuật, AlphaGo thành công nhờ kết hợp nhận dạng mẫu "nhanh" với tìm kiếm và suy luận logic "chậm". Triết lý kiến trúc đặc thù đó chính là tiền đề trực tiếp cho các năng lực suy luận hiện đại trong các mô hình ngôn ngữ lớn như Gemini hiện nay.

Nhìn về vài năm tới, chúng ta sẽ chuyển tiếp từ các mô hình tĩnh chỉ đơn thuần dự đoán dữ liệu sang các hệ thống đa tác nhân có tính cộng tác.

AI sẽ tiến hóa thành những đồng nghiệp kỹ thuật số thực thụ, có khả năng suy luận, tranh luận về các giả thuyết và đề xuất các kế hoạch nghiên cứu chặt chẽ, có thể kiểm chứng. 

Nhiều người xem AlphaGo là minh chứng đầu tiên cho thấy AI có thể giúp con người khám phá các quy luật tự nhiên mới. Theo ông, "khoảnh khắc AlphaGo" tiếp theo sẽ diễn ra ở lĩnh vực nào?

Giáo sư Thore Graepel: Có cả một ranh giới vô tận các vấn đề mà điều đó có thể xảy ra. Rất khó để dự đoán chính xác điểm bùng nổ tiếp theo vì quá trình khám phá khoa học luôn tiềm ẩn yếu tố tình cờ.

Bác Thore Opt2.png
Giáo sư Thore Graepel, Chuyên gia Nghiên cứu Khoa học Ưu tú, Google DeepMind

Dù vậy, có những lĩnh vực cực kỳ hứa hẹn. Thế giới đang đối mặt với thách thức năng lượng khổng lồ và AI có thể giúp giải quyết bài toán này.

Một hướng đi là tối ưu hóa lưới điện để tiết kiệm năng lượng. Ở quy mô lớn hơn, nếu AI có thể giúp giải quyết bài toán phản ứng nhiệt hạch hạt nhân, chúng ta sẽ mở ra một nguồn năng lượng hoàn toàn mới.

Google DeepMind hiện đang nghiên cứu cách chứa và định hình plasma trong một lò phản ứng hình bánh donut. Đây là một bài toán điều khiển cực kỳ phức tạp mà thực sự chỉ có các hệ thống điều khiển AI mới có thể xử lý.

Về mặt khoa học cơ bản, tôi đặc biệt bị cuốn hút bởi ý tưởng AI có thể giải quyết các câu hỏi nền tảng lâu đời trong toán học và vật lý.

Chúng tôi có một hệ thống mang tên AI co-scientist. Bạn có thể đặt câu hỏi và hệ thống sẽ tự động khám phá các giả thuyết. Nó hoạt động tương tự như một diễn đàn thảo luận của con người hoặc một nhóm nghiên cứu, nơi các tác nhân (agent) tranh luận để bảo vệ các giả thuyết khác nhau, rồi cuối cùng đưa ra một danh sách xếp hạng các giả thuyết khả thi nhất.

Trong thời gian tới, ông cho rằng AI sẽ có tác động lớn nhất đến những khía cạnh nào của quản trị và quản lý công?

Giáo sư Thore Graepel: Chúng tôi có đang phát triển một hệ thống mã nguồn mở tên là Concordia, chuyên dùng để thực hiện các mô phỏng phức tạp.

Đây là một hệ thống AI đa tác nhân, cho phép chúng ta tìm hiểu kỹ hơn về ý kiến đa chiều từ các tác nhân khác nhau. Bạn thiết lập một hệ thống giống như trò chơi với một người quản trò và các chân dung nhân vật đến từ các bối cảnh khác nhau.

Chúng ta có thể cung cấp cho họ các lời nhắc (prompt) về một đột phá khoa học mới, một chính sách kỹ thuật hay một thách thức quy mô rộng, sau đó quan sát cách họ phản ứng và lập luận.

Thông qua hệ thống này, AI sẽ giúp các chính phủ nghiên cứu phản ứng đa chiều trước các bước tiến công nghệ, từ đó phân bổ nguồn lực tối ưu và hiệu quả hơn.

Nhiều dự án AI thực tế đã thất bại dù có kết quả hứa hẹn trong phòng thí nghiệm. Xin ông cho biết đâu là rào cản lớn nhất khi đưa AI từ nghiên cứu ra ứng dụng kinh tế xã hội thực tiễn?

Giáo sư Thore Graepel: Khác với Internet hay đồ điện tử trong quá khứ, sự khuếch tán của AI đang diễn ra với tốc độ nhanh khó tin. Bí quyết lớn nhất để ứng dụng AI thành công là trải nghiệm và “vui đùa” với nó. 

Chỉ vài tháng trước, tôi cũng bắt đầu chơi đùa với các tác nhân AI lập trình: gửi yêu cầu bằng tiếng Anh, AI viết bản đặc tả, chúng tôi thảo luận và nó viết toàn bộ ứng dụng để tôi tùy chỉnh.

Các nhà quản lý doanh nghiệp nên cung cấp nguồn lực và cho phép nhân viên khám phá AI. Họ sẽ tự tìm ra cách ứng dụng AI để giải quyết hiệu quả nhất các rào cản trong bối cảnh công việc thực tế của họ, thay vì bị áp đặt quy trình một cách trừu tượng từ trên xuống.

Tiến sĩ Pushmeet Kohli: Nếu bạn thay từ "AI" bằng "khoa học" trong câu hỏi, lập luận này vẫn đúng. Lý do cốt lõi khiến các dự án khoa học hay AI thất bại khi triển khai thực tế là do chúng đang cố gắng giải quyết một vấn đề mà các nhà nghiên cứu "chủ quan cho là đúng", nhưng lại hoàn toàn không phải là thứ người dùng thực sự cần.

Rào cản lớn nhất chính là khả năng thấu hiểu. Chúng ta cần con người, cần những nhà khoa học thấu cảm và nắm bắt chính xác xã hội đang thực sự khao khát điều gì, trước khi yêu cầu AI đưa ra câu trả lời.

Một điều nữa là các công cụ này đặc biệt mạnh mẽ nhưng cũng có những điểm yếu. Bạn cần hiểu cả ưu nhược điểm của chúng. Nó giống như việc bạn cung cấp một chiếc xe con cho một tay đua công thức 1 và họ có thể không biết cách lái, để rồi đâm hỏng nó. 

Bác Pushmeet Opt2.png

Tại Việt Nam, nhiều sinh viên và kỹ sư mong muốn đóng góp vào ngành khoa học AI toàn cầu. Lời khuyên quan trọng nhất của các ông dành cho họ là gì?

Tiến sĩ Pushmeet Kohli: Trong một ván đấu lịch sử, AlphaGo đã đánh "Nước đi 37" - một nước cờ ban đầu khiến các chuyên gia ngỡ ngàng và coi là sai lầm ngớ ngẩn, nhưng sau đó được chứng minh là một bước đi sâu sắc, định hình lại toàn bộ tư duy về cờ vây.

Thế hệ trẻ cần rèn luyện nhãn quan để nhận diện những 'nước đi 37' trong lĩnh vực của mình. Khi AI đưa ra một ý tưởng lạ, họ phải đủ năng lực chuyên môn để phân định đó là một ảo giác hay là một khám phá vĩ đại.

Hơn thế nữa, họ phải hiểu rõ thế giới thực sự cần giải quyết vấn đề gì, từ đó công thức hóa vấn đề một cách chuẩn xác. Dùng một công cụ mạnh để giải quyết sai vấn đề sẽ chỉ mang lại tác động chệch hướng.

Giáo sư Thore Graepel: Đây là một thời điểm đầy hứng khởi. Sự tham gia đang được mở rộng vô tiền khoáng hậu. Nhờ các công cụ AI, ngay cả khi chưa phải là chuyên gia, bạn vẫn có thể sử dụng các tác nhân AI để hiện thực hóa ý tưởng của mình.

Các hệ thống AI hiện nay hoạt động như một gia sư 1 kèm 1, sẵn sàng giải thích các kiến thức khoa học hay toán học phức tạp để làm nền tảng cho bạn.

Tuy nhiên, lời khuyên cốt lõi của tôi là phải duy trì cách tiếp cận cân bằng. Các bạn cần học cách sử dụng các AI lập trình để thử nghiệm sáng tạo.

Nhưng đồng thời, bạn phải bảo vệ nghiêm ngặt khả năng tự suy nghĩ và tư duy phản biện. Đừng chỉ trở thành người sản xuất bằng AI.

Bạn cần một nền tảng giáo dục cổ điển vững chắc kết hợp với sự nhạy bén công nghệ. Người kết hợp được hai yếu tố này sẽ tạo ra thế hệ nhà khoa học có tác động lớn hơn bất kỳ thế hệ nào trước đây.

Xin cảm ơn hai ông!

Tiến sĩ Pushmeet Kohli hiện là Phó Chủ tịch bộ phận Khoa học và Sáng kiến Chiến lược tại Google DeepMind. Từng là Giám đốc Nghiên cứu tại Microsoft, ông được vinh danh là người tiên phong định hình lĩnh vực ứng dụng AI vào khoa học. Ông trực tiếp lãnh đạo các dự án đột phá, tiêu biểu nhất là hệ thống AlphaFold (dự đoán cấu trúc protein, đóng góp vào giải Nobel Hóa học 2024). Hiện nay, trọng tâm của ông là xây dựng các mô hình AI an toàn, đáng tin cậy và có khả năng giải thích nhằm phá vỡ ranh giới trong y sinh, toán học và khoa học vật liệu.

Giáo sư Thore Graepel là nhà khoa học máy tính kỳ cựu, hiện giữ vai trò và Chuyên gia Nghiên cứu Khoa học Ưu tú tại Google DeepMind. Tại DeepMind, ông ghi dấu ấn lịch sử khi đồng kiến tạo AlphaGo và AlphaZero. Công việc hiện tại của ông tập trung toàn lực vào "học đa tác nhân" (multi-agent learning). Hướng nghiên cứu này nhằm phát triển các hệ thống AI tự chủ có khả năng giao tiếp, đàm phán và hợp tác giải quyết các bài toán thực tiễn phức tạp, đặt nền móng vững chắc cho sự ra đời của trí tuệ nhân tạo tổng quát (AGI).