Google DeepMind và 'nút thắt cổ chai' trong khoa học: Phát minh quá nhiều, thử nghiệm quá ít

Tại sao vấn đề này lại quan trọng ngay bây giờ?

Nút thắt cổ chai này có những hậu quả rất thực tế. Trong lĩnh vực phát triển thuốc, AI có thể nhanh chóng đề xuất hàng nghìn phân tử tiềm năng, nhưng quá trình thử nghiệm lâm sàng vẫn chậm chạp, tốn kém và bị hạn chế về năng lực. Pushmeet Kohli, một lãnh đạo của DeepMind, từng chỉ ra rằng dù AlphaFold đã rút ngắn thời gian dự đoán cấu trúc protein từ nhiều năm xuống còn vài giây, thì việc kiểm nghiệm thuốc trên lâm sàng vẫn là nút thắt chưa được giải quyết . Tương tự, khoảng cách giữa ý tưởng AI trong khoa học vật liệu và giải pháp khí hậu với cơ sở hạ tầng thử nghiệm thực tế cũng đang ngày càng nới rộng .

Bốn ưu tiên mà DeepMind kêu gọi các nhà hoạch định chính sách và quỹ tài trợ theo đuổi

Bài luận của DeepMind vạch ra bốn ưu tiên cụ thể để thu hẹp khoảng cách này :

1. Đảm bảo quyền truy cập rộng rãi cho các nhà khoa học vào tác nhân AI.
Coi quyền truy cập vào các tác nhân AI như một ưu tiên chiến lược, tương tự như nỗ lực lịch sử nhằm cung cấp cho các nhà khoa học quyền truy cập vào siêu máy tính. Các nhà nghiên cứu trên khắp các viện — không chỉ những phòng thí nghiệm được tài trợ tốt — cần có công cụ để tạo ra và kiểm chứng giả thuyết .

2. Mở rộng cơ sở hạ tầng phòng thí nghiệm quốc gia cho khoa học do AI dẫn dắt.
Mở rộng và tạo điều kiện cho các phòng thí nghiệm vật lý như phòng thí nghiệm quốc gia và các trung tâm thử nghiệm thông lượng cao dùng chung, để làn sóng giả thuyết do AI tạo ra có thể được kiểm chứng một cách có hệ thống ngoài đời thực .

3. Phát triển các mô hình tài trợ mới hỗ trợ việc kiểm nghiệm thông lượng cao.
Các cấu trúc tài trợ truyền thống quá chậm và quá nhỏ so với quy mô thử nghiệm mà AI có thể yêu cầu. Các tổ chức tài trợ cần tạo ra các cơ chế hỗ trợ rõ ràng cho các quy trình kiểm nghiệm thực nghiệm quy mô lớn, tốc độ cao .

4. Cải cách quy trình bình duyệt và đánh giá cho kỷ nguyên tác nhân AI.
Bản thân những người bình duyệt nên được trao quyền sử dụng các tác nhân AI, và các khuôn khổ mới như "Thẻ tương tác Người - AI" (Human-AI Interaction Cards) là cần thiết để đảm bảo tính minh bạch, khả năng tái lập và niềm tin trong khoa học có sự hỗ trợ của AI .

Bối cảnh rộng hơn: Một thách thức đã được biết đến

Đây không phải là lần đầu tiên DeepMind cảnh báo về vấn đề kiểm nghiệm. Một bài luận chính sách từ tháng 11 năm 2024 đã xác định khoảng cách "kỹ thuật số - thế giới thực" là một thách thức chính, và nhà nghiên cứu Pushmeet Kohli cũng từng công khai chỉ ra cơ sở hạ tầng kiểm nghiệm là một trong hai nút thắt chính còn lại cho khoa học được tăng tốc bởi AI, cùng với khả năng tiếp cận . Bài luận tháng 7 năm 2026 là tuyên bố chính sách tập trung nhất về vấn đề này cho đến nay.

Lưu ý quan trọng về ngày tháng

Nguồn chính cho những phát hiện này là bài luận của chính DeepMind trên trang chính sách công của họ, được xuất bản vào tháng 7 năm 2026 . Một số báo cáo ban đầu đã nhầm lẫn rằng đây là bài luận tháng 7 năm 2025; tuy nhiên, không tìm thấy bài luận nào về chủ đề cụ thể này từ tháng 7 năm 2025 trong kết quả tìm kiếm. Nội dung của cảnh báo và bốn ưu tiên là nhất quán trên tất cả các nguồn báo cáo .