Các công cụ trí tuệ nhân tạo đang thúc đẩy năng suất của giới nghiên cứu, song cũng dấy lên những lo ngại về hệ quả của việc ngày càng phụ thuộc vào chúng.
Các nhà khoa học đang ngày càng tận dụng trí tuệ nhân tạo (AI) để phục vụ công việc. Trong khi nhiều người khẳng định các công cụ này giúp họ tiết kiệm thời gian và chi phí, thì số khác lại chứng kiến những tác động tiêu cực mà chúng có thể gây ra cho nền nghiên cứu.
Theo một cuộc khảo sát với hơn 2.400 nhà nghiên cứu được công ty xuất bản Wiley công bố vào tháng 10, có tới 62% người tham gia cho biết họ đã sử dụng AI cho các tác vụ liên quan đến nghiên cứu hoặc xuất bản – tăng đáng kể so với mức 45% vào năm 2024 (khi đó chỉ có 1.043 người tham gia). Các nhà khoa học mới vào nghề và những người làm việc trong lĩnh vực khoa học vật lý là nhóm có xu hướng sử dụng công cụ AI nhiều nhất, và họ cũng dễ dàng tiếp nhận công nghệ mới sớm hơn so với các nhà nghiên cứu lâu năm hay những người làm trong lĩnh vực nhân văn, toán học hoặc thống kê.
Giới nghiên cứu đang sử dụng các công cụ AI để hỗ trợ viết lách, biên tập và dịch thuật. Họ cũng dùng chúng để phát hiện lỗi sai hay sự thiên kiến trong văn bản, cũng như tóm tắt khối lượng lớn các tài liệu nghiên cứu. Trong một mẫu khảo sát gồm 2.059 người, 85% cho biết AI giúp tăng hiệu quả công việc, 77% nhận thấy nó giúp tăng số lượng công việc hoàn thành, và 73% cho rằng chất lượng công việc được cải thiện.
Matthew Bailes, một nhà vật lý thiên văn tại Đại học Công nghệ Swinburne ở Melbourne, Úc, cho biết các công cụ AI rất phổ biến trong giới thiên văn học, giúp họ xử lý các tập dữ liệu khổng lồ. Nhóm của ông đã sử dụng AI trong khoảng một thập kỷ nay để nhận diện các dấu hiệu của sao neutron trong dữ liệu. “Khi bạn có tới 10.000 ứng viên tiềm năng, thật tiện lợi khi có thể quét qua tất cả chỉ trong vài giây thay vì phải xem xét thủ công từng cái một,” ông chia sẻ.
Nhóm của ông cũng đang phát triển một mô phỏng ảo về Vũ trụ. Dự án sử dụng phiên bản tích hợp của mô hình AI tạo sinh Claude (do Anthropic phát triển tại San Francisco, California) để hiển thị dữ liệu song song với các hình ảnh trực quan. Bailes hy vọng sẽ sử dụng nó như một “đồng giáo viên”. Nó có thể trình chiếu mô phỏng của một cụm sao cầu – tập hợp hàng nghìn đến hàng triệu ngôi sao – đối chiếu với các biểu đồ hiển thị số lượng lỗ đen hoặc sao neutron hình thành theo thời gian. “Cơ hội cho giáo dục ở đây là vô tận,” ông nói thêm.
AI cũng đang tác động đến sản lượng và sự nghiệp của các nhà khoa học. Một bản thảo tiền xuất bản năm 2024 đăng trên arXiv báo cáo rằng các nhà khoa học sử dụng AI đã xuất bản nhiều bài báo hơn, có nhiều trích dẫn hơn và trở thành trưởng nhóm sớm hơn bốn năm so với những người không sử dụng. Các nhà nghiên cứu đã sử dụng một mô hình ngôn ngữ lớn để xác định hơn một triệu bài báo có sự hỗ trợ của AI trong số 67,9 triệu nghiên cứu được công bố ở sáu lĩnh vực từ năm 1980 đến 2024. Các tác giả lưu ý rằng “AI tăng tốc công việc trong các lĩnh vực đã định hình và giàu dữ liệu”. Điều đó cho thấy, mặc dù AI có thể nâng cao năng suất của cá nhân nhà khoa học, nhưng nó có thể làm giảm sự đa dạng trong khoa học.
Tuy nhiên, nhiều nhà nghiên cứu lo ngại về các tác động bất lợi khác của AI. Cuộc khảo sát của Wiley cho thấy 87% số người được hỏi lo ngại về việc AI mắc lỗi (còn gọi là “ảo giác”), cũng như các vấn đề về bảo mật dữ liệu, đạo đức và sự thiếu minh bạch trong quá trình huấn luyện. Trong cuộc khảo sát năm ngoái, con số này là 81%.
Nigel Hitchin, một nhà toán học tại Đại học Oxford, Vương quốc Anh, cho rằng mối nguy lớn nhất của việc sử dụng AI trong nghiên cứu là mọi người mặc định các mô hình AI luôn đúng. “Nó cũng có thể gây ra sự lười biếng trong cộng đồng,” ông nói thêm, bởi vì công nghệ này không giúp con người hiểu được tại sao một câu trả lời là đúng hay sai.
Thực tế, Bailes đã chứng kiến sinh viên và các nhà nghiên cứu khác sử dụng các mô hình ngôn ngữ lớn như ChatGPT để viết mã (code) cho phần mềm của họ mà không hiểu cách đoạn mã đó hoạt động. Trong một trường hợp, một bài báo mà nhóm của ông gửi đi xuất bản đã chứa lỗi, nguyên nhân là do đoạn mã mà một sinh viên đã nhờ ChatGPT viết và chưa tự mình kiểm tra lại.
Chính vì vậy, Bailes cho rằng điều quan trọng là phải dạy sinh viên cách xác minh các câu trả lời bằng cách giúp họ phát triển trực giác về kết quả có thể xảy ra. “Chúng ta cần nhiệt tình đón nhận nó nhưng phải xử lý các kết quả với thái độ hoài nghi tương tự như cách chúng ta đối xử với mọi kết quả khoa học khác khi chúng được trình bày,” ông kết luận.
