Ông Lê Hải Hòa kể việc dùng AI, nói điều AI không thể làm thay chủ tịch tỉnhChủ tịch UBND tỉnh Cao Bằng Lê Hải Hòa cho biết dùng AI gần như hằng ngày để đọc báo cáo, kiểm tra số liệu, đối chiếu quy định và chuẩn bị họp.
Ngày 14/9 tại Hà Nội, bài giảng đại chúng “AI với Vật lý” thu hút các nhà khoa học, giảng viên, sinh viên và hàng nghìn lượt theo dõi trực tuyến. Sự kiện do Trung tâm Dữ liệu và Thông tin khoa học, Viện Hàn lâm Khoa học và Công nghệ Việt Nam phối hợp với VinUni và Hội Vật lý Việt Nam tổ chức.
Theo PGS.TS. Nguyễn Hồng Quang, Phó Chủ tịch Hội Vật lý Việt Nam, AI đang tạo ra một giai đoạn công nghệ mới. Với giới nghiên cứu, vấn đề không chỉ là hiểu AI mà là tìm cách ứng dụng công nghệ này hiệu quả trong từng lĩnh vực chuyên môn.
AI tham gia tìm kiếm vật liệu mới
TS. Phan Đức Anh, Trung tâm Đổi mới sáng tạo và Công nghệ Vật liệu, Trường Đại học VinUni, cho biết nghiên cứu vật liệu truyền thống thường bắt đầu từ quan sát thực nghiệm, sau đó xây dựng lý thuyết và mô hình để giải thích hiện tượng, hình thành giả thuyết.
Sự xuất hiện của máy tính từ giữa thế kỷ XX tạo ra bước chuyển, khi mô phỏng cho phép nghiên cứu những hệ vật lý phức tạp trước khi tiến hành thí nghiệm. Cùng với năng lực tính toán và siêu máy tính, mô phỏng ngày càng được dùng để dự đoán đặc tính vật liệu.
AI tiếp tục mở rộng khả năng này. Nhờ xử lý lượng dữ liệu lớn, các mô hình có thể hỗ trợ phân tích dữ liệu, dự đoán tính chất vật liệu, tìm kiếm cấu trúc mới và nhận diện mối quan hệ giữa nhiều biến số.
Một hướng đáng chú ý là “thiết kế ngược” (inverse design). Thay vì bắt đầu từ một cấu trúc rồi dự đoán tính chất, nhà nghiên cứu xác định trước đặc tính mong muốn và dùng AI tìm kiếm cấu trúc phù hợp. Con người đặt câu hỏi và mục tiêu khoa học, AI hỗ trợ sàng lọc phương án trong không gian dữ liệu lớn.
AI cũng có thể tổng hợp công bố khoa học, nhận diện xu hướng, gợi ý vấn đề còn bỏ ngỏ và dự đoán tính chất của polymer, thuốc, kim loại, hợp kim.
Tuy nhiên, khả năng dự đoán không đồng nghĩa AI thay thế nhà khoa học. Hiệu quả mô hình phụ thuộc vào chất lượng, quy mô và mức độ phù hợp của dữ liệu. Nhà nghiên cứu vẫn phải xác định bài toán, lựa chọn dữ liệu, đánh giá mô hình và kiểm chứng kết quả.
Từ hạt nano vàng đến tải lượng virus viêm gan B
Ở hướng nghiên cứu khác, PGS.TS. Lê Văn Lịch, cùng đơn vị tại VinUni, trình bày cách kết hợp AI với vật lý nano để phát hiện và định lượng virus viêm gan B (HBV).
Nhóm nghiên cứu sử dụng hạt nano vàng, hiện tượng quang học nano và các mô hình học máy. Sự thay đổi màu sắc của dung dịch chứa hạt nano vàng có thể phản ánh phản ứng xảy ra trong hệ thống. Từ đó, nhóm phát triển phương pháp cảm biến sinh học, nhằm phân biệt mẫu dương tính và âm tính với HBV.
Thay vì chỉ quan sát màu sắc bằng mắt thường, AI được dùng để phân tích hình ảnh và chuyển tín hiệu màu thành dữ liệu định lượng về tải lượng virus.
Bộ dữ liệu nghiên cứu gồm 990 ảnh, tương ứng với các mẫu có nồng độ virus từ 0 đến 10^8 bản sao/phản ứng. Trong đó, 810 dữ liệu dùng để huấn luyện, 162 dữ liệu để kiểm chứng và 18 dữ liệu để kiểm tra. Nhóm so sánh ba mô hình học máy và ba mô hình học sâu nhằm lựa chọn phương án phù hợp.
Mục tiêu dài hạn là tích hợp thuật toán xử lý ảnh và mô hình AI vào ứng dụng trên điện thoại thông minh. Người dùng có thể thực hiện xét nghiệm nhanh, chụp ảnh mẫu bằng điện thoại và để hệ thống tự động phân tích, trả về kết quả định lượng.
Để tiến tới ứng dụng thực tế, nhóm tập trung vào độ chọn lọc, độ đặc hiệu, khả năng mở rộng sang tác nhân gây bệnh khác và tích hợp thành giải pháp chẩn đoán tại chỗ.
Một thách thức là sự khác biệt giữa camera điện thoại, điều kiện ánh sáng và môi trường chụp có thể làm thay đổi dữ liệu màu sắc. Nhóm đang hướng tới xây dựng bộ dữ liệu và thuật toán ít phụ thuộc hơn vào thiết bị ghi hình, giúp hệ thống ổn định trong điều kiện thực tế.
AI không thay thế quy trình khoa học
Các trao đổi tại chương trình cho thấy ứng dụng AI trong vật lý không đơn giản là chọn mô hình rồi đưa dữ liệu vào huấn luyện. Độ nhiễu dữ liệu, số biến đầu vào, vật liệu nano, pH hay khác biệt giữa camera đều có thể tác động đến kết quả.
AI vì thế phải được đặt trong một quy trình liên ngành, kết hợp kiến thức chuyên môn, dữ liệu, thuật toán, mô phỏng và thực nghiệm.
Theo TS. Phan Đức Anh, việc sử dụng AI đã giúp nhóm của ông tăng hiệu suất công bố khoa học, với khoảng 10 bài báo trong vòng một đến hai năm.
Từ khám phá vật liệu đến xét nghiệm trên điện thoại, điểm chung là AI không đứng độc lập. Công nghệ này chỉ phát huy giá trị khi gắn với câu hỏi khoa học cụ thể, dữ liệu đủ tốt và cơ chế kiểm chứng đáng tin cậy.
Trong bối cảnh dữ liệu và năng lực tính toán ngày càng tăng, sự kết hợp giữa AI và vật lý không chỉ tạo thêm công cụ nghiên cứu mà còn có thể thay đổi cách các nhà khoa học đặt câu hỏi, thiết kế thí nghiệm và tìm kiếm lời giải.
.svg){kind=icon}
