Lịch sử trí tuệ nhân tạo và bước ngoặt mới

Lịch sử trí tuệ nhân tạo và bước ngoặt mới: Khi AI tiến vào lĩnh vực sinh học Từ giấc mơ tạo ra trí tuệ nhân tạo đến một công nghệ có khả năng thay đổi thế giới Ngày nay, trí tuệ nhân tạo — AI (Artificial Intelligence) — đã trở thành một trong những công nghệ có ảnh hưởng sâu rộng nhất đến khoa học và xã hội. AI có thể viết văn bản, lập trình, phân tích hình ảnh, hỗ trợ nghiên cứu khoa học, thiết kế protein và tham gia vào những quy trình mà trước đây đòi hỏi nhiều năm đào tạo của con người. Nhưng lịch sử AI không bắt đầu với ChatGPT hay các mô hình ngôn ngữ lớn. Ý tưởng tạo ra những cỗ máy có khả năng suy luận đã xuất hiện từ rất lâu trong triết học và toán học. Đến thế kỷ XX, sự ra đời của máy tính điện tử đã biến giấc mơ ấy thành một chương trình nghiên cứu khoa học. Năm 1956 thường được xem là cột mốc khai sinh ngành AI hiện đại. Tại Dartmouth College, một nhóm các nhà khoa học do John McCarthy tổ chức đã tiến hành hội thảo mùa hè về “Artificial Intelligence”. Chính McCarthy là người đặt tên cho lĩnh vực này. Các nhà nghiên cứu khi ấy tin rằng nhiều đặc điểm của trí thông minh con người có thể được mô tả đủ chính xác để máy tính mô phỏng chúng. Tuy nhiên, AI của những thập niên đầu tiên rất khác với AI ngày nay. 1. Thời kỳ đầu: AI dựa trên luật và logic Trong những năm 1950 và 1960, nhiều nhà nghiên cứu tìm cách khiến máy tính suy luận giống con người bằng cách đưa vào máy những quy tắc logic. Máy tính có thể chơi cờ, giải bài toán, chứng minh định lý hoặc thực hiện những nhiệm vụ được xác định rõ. Một hướng nghiên cứu quan trọng là AI biểu tượng: thay vì học từ hàng triệu ví dụ, máy được cung cấp các ký hiệu, kiến thức và quy tắc “nếu – thì”. Đây là một cách tiếp cận rất mạnh đối với những vấn đề có cấu trúc rõ ràng, nhưng nó cũng có giới hạn lớn: thế giới thực quá phức tạp để con người có thể viết ra tất cả các quy tắc cần thiết. Trong những năm 1970 và 1980, các hệ chuyên gia trở thành một hướng phát triển quan trọng. Những hệ thống này cố gắng mã hóa kiến thức của chuyên gia trong các lĩnh vực như y khoa hoặc kỹ thuật thành các quy tắc mà máy tính có thể sử dụng. Khi những lời hứa về AI không đạt được như kỳ vọng, nguồn tài trợ suy giảm và ngành này trải qua các giai đoạn thường được gọi là “mùa đông AI”. Đây là bài học quan trọng của lịch sử AI: tiến bộ công nghệ không diễn ra theo đường thẳng, mà thường xen kẽ giữa những giai đoạn bùng nổ và thất vọng. 2. Từ máy biết luật đến máy biết học Một thay đổi căn bản xảy ra khi các nhà khoa học chuyển trọng tâm từ việc lập trình trực tiếp trí thông minh sang việc xây dựng những hệ thống có khả năng học từ dữ liệu. Mạng nơ-ron nhân tạo là một trong những hướng quan trọng nhất. Ý tưởng cơ bản là mô phỏng, ở mức toán học, một số đặc điểm của hệ thống thần kinh: thay vì viết tất cả quy tắc bằng tay, con người cung cấp dữ liệu để hệ thống điều chỉnh các tham số bên trong. Nhưng phải đến khi ba yếu tố cùng phát triển — dữ liệu khổng lồ, năng lực tính toán mạnh và các thuật toán hiệu quả hơn — học máy mới thực sự bùng nổ. Khoảng từ năm 2010 trở đi, GPU và các hệ thống tính toán song song giúp việc huấn luyện mạng nơ-ron sâu trên lượng dữ liệu rất lớn trở nên khả thi hơn. Deep learning từ đó nhanh chóng trở thành một trong những nền tảng quan trọng của AI hiện đại. Năm 2012 là một cột mốc nổi bật với AlexNet, một mạng nơ-ron tích chập đạt kết quả đột phá trong nhận dạng hình ảnh. Sau đó, AI tiếp tục tiến bộ nhanh chóng trong nhận dạng tiếng nói, hình ảnh, dịch máy và nhiều lĩnh vực khác. 3. AlphaGo, Transformer và kỷ nguyên AI tạo sinh Năm 2016, AlphaGo đánh bại kỳ thủ cờ vây hàng đầu thế giới, cho thấy sự kết hợp giữa học máy, mạng nơ-ron và khả năng tìm kiếm có thể đạt kết quả vượt xa những gì nhiều người dự đoán. Một năm sau, năm 2017, công trình về kiến trúc Transformer mở ra một hướng phát triển đặc biệt quan trọng. Transformer sử dụng cơ chế “attention” để xử lý mối quan hệ giữa các phần khác nhau của dữ liệu, đặc biệt hiệu quả đối với ngôn ngữ. Kiến trúc này sau đó trở thành nền tảng của phần lớn các mô hình ngôn ngữ lớn hiện đại. Từ đây, AI không chỉ còn là công cụ nhận diện hoặc dự đoán. Nó bắt đầu có khả năng tạo ra. AI có thể viết văn bản, tạo hình ảnh, tổng hợp âm thanh, lập trình và hỗ trợ nghiên cứu khoa học. Các mô hình ngôn ngữ lớn trở thành giao diện mới giữa con người và máy tính. Điều này dẫn tới một thay đổi quan trọng: thay vì phải học cách ra lệnh cho máy tính bằng ngôn ngữ lập trình, con người ngày càng có thể tương tác với máy bằng ngôn ngữ tự nhiên. 4. Một bước ngoặt khác: AI bước vào sinh học Nếu lịch sử AI từng là quá trình chuyển từ “máy tính thực hiện các quy tắc” sang “máy tính học từ dữ liệu”, thì hiện nay một bước chuyển mới đang diễn ra: AI bắt đầu tham gia sâu vào quá trình khám phá và thiết kế trong sinh học. Điều này có mặt tích cực rất lớn. AI có thể hỗ trợ các nhà khoa học tìm thuốc, phân tích protein, dự đoán cấu trúc phân tử, thiết kế các phân tử mới và tự động hóa một số công việc trong phòng thí nghiệm. AI vì vậy có tiềm năng làm tăng tốc đáng kể quá trình nghiên cứu y sinh. Nhưng chính khả năng thiết kế cũng tạo ra một vấn đề mới: công nghệ có thể được sử dụng cho cả mục đích tốt lẫn mục đích nguy hiểm. Đây chính là vấn đề được đặt ra trong những diễn biến mới của năm 2026. 5. Những virus đầu tiên được thiết kế bằng công cụ AI Ngày 6 tháng 8 năm 2026, Science công bố một nghiên cứu về những virus thể thực khuẩn (phage) có bộ gen được thiết kế bằng các công cụ AI do một nhóm nghiên cứu tại Đại học Stanford phát triển. Điểm cần nhấn mạnh là những phage được nghiên cứu không phải virus gây bệnh cho người. Chúng được thiết kế để tấn công vi khuẩn, với mục tiêu nghiên cứu và ứng dụng điều trị. Vì vậy, bản thân nghiên cứu không đồng nghĩa với việc các nhà khoa học đã tạo ra một loại virus gây đại dịch. Tuy nhiên, kết quả này cho thấy AI đã tiến thêm một bước: nó không chỉ phân tích sinh học, mà có thể tham gia vào việc thiết kế các hệ thống sinh học. Một số nhà khoa học vì thế đặt câu hỏi về khả năng những phương pháp tương tự bị sử dụng cho các mục đích nguy hiểm hơn. Le Monde cho biết những lo ngại này đã tăng lên sau các báo cáo mới về việc lạm dụng AI trong nghiên cứu sinh học. Đây là điểm rất quan trọng trong lịch sử AI. Trước đây, một mô hình AI có thể tạo ra một đoạn văn hoặc một hình ảnh. Bây giờ, các hệ thống AI ngày càng có khả năng hỗ trợ con người tạo ra những thứ tồn tại trong thế giới vật chất. Khoảng cách giữa thế giới số và thế giới vật lý vì thế đang thu hẹp. 6. Báo cáo của Anthropic và vấn đề “sử dụng kép” Ngày 10 tháng 9 năm 2026, Anthropic công bố một báo cáo về việc lạm dụng các mô hình AI của mình. Theo chính Anthropic, báo cáo trình bày năm trường hợp trong đó các tác nhân đã sử dụng AI theo những cách có thể hỗ trợ quá trình phát triển vũ khí sinh học. Công ty cho biết họ đã phát hiện, điều tra và cấm các tài khoản liên quan, đồng thời sử dụng những phát hiện này để cải thiện hệ thống bảo vệ của các mô hình. Điều đáng chú ý không phải chỉ là việc AI có thể trả lời một câu hỏi nguy hiểm. Vấn đề sâu sắc hơn nằm ở khái niệm dual use — sử dụng kép. Một kiến thức sinh học có thể phục vụ mục đích y tế và đồng thời có thể bị sử dụng sai mục đích. Một phương pháp nghiên cứu giúp phát triển vaccine cũng có thể chứa những kiến thức mà người khác muốn khai thác cho mục đích gây hại. Anthropic thừa nhận rằng đây là một bài toán đặc biệt khó. Một yêu cầu có vẻ hợp pháp khi đứng riêng lẻ có thể trở nên đáng lo ngại khi đặt trong toàn bộ chuỗi hoạt động của một người dùng. Đây là một thách thức khác với việc lọc những yêu cầu rõ ràng nguy hiểm. AI phải không chỉ hiểu người dùng đang hỏi gì, mà còn phải đánh giá bối cảnh, mục đích và hậu quả tiềm tàng. 7. Nguy cơ thực sự nằm ở đâu? Những thông tin hiện nay không cho phép kết luận rằng AI đã có thể tự mình tạo ra một đại dịch. Le Monde cũng nhấn mạnh rằng kịch bản cực đoan về một AI tự động tạo ra một tác nhân gây bệnh có khả năng xóa sổ nhân loại hiện vẫn được xem là thiếu thực tế, bởi giữa hệ thống AI và thế giới phòng thí nghiệm vẫn tồn tại nhiều rào cản vật lý, kỹ thuật và kiểm soát. Nhưng điều đó không có nghĩa là không có rủi ro. Một vấn đề thực tế hơn là AI có thể rút ngắn thời gian, giảm lượng kiến thức chuyên môn cần thiết và tự động hóa một phần quá trình nghiên cứu. Đây là điều đáng chú ý nhất. Một người trước đây cần nhiều năm đào tạo để thực hiện một nhiệm vụ phức tạp có thể nhận được sự hỗ trợ đáng kể từ AI. Nếu AI đồng thời có thể kết nối với các công cụ tự động hóa trong phòng thí nghiệm, khoảng cách giữa “đề xuất trên máy tính” và “thực nghiệm trong thế giới thật” sẽ tiếp tục thu hẹp. Theo Le Monde, quá trình tự động hóa sinh học đang diễn ra nhanh chóng, bao gồm cả việc kết nối các mô hình AI với hệ thống tự động hóa phòng thí nghiệm. Đây có thể là một trong những bước ngoặt quan trọng nhất của AI trong thập niên 2020. 8. AI không phải là “kẻ xấu” — con người và hệ thống mới là trung tâm của vấn đề Có một điều cần phân biệt rõ: AI không tự có ý định sinh học, quân sự hay khủng bố. Trong những trường hợp được Anthropic công bố, chính con người là những người sử dụng công cụ AI và tìm cách vượt qua các biện pháp kiểm soát. Anthropic cho biết một số người dùng đã sử dụng các nền tảng trung gian, tài khoản thay thế hoặc những cách khác để tránh giới hạn của hệ thống. Điều này dẫn đến một câu hỏi lớn hơn: Nếu một công nghệ có thể làm tăng năng lực của con người, ai sẽ chịu trách nhiệm khi năng lực đó bị sử dụng sai? Không thể chỉ đặt trách nhiệm lên bản thân mô hình AI. Trách nhiệm nằm trong cả một hệ sinh thái: - những người xây dựng mô hình; - các phòng thí nghiệm và công ty sử dụng AI; - các nhà nghiên cứu sinh học; - nhà cung cấp DNA và vật liệu sinh học; - các phòng thí nghiệm tự động; - các cơ quan quản lý; - và cuối cùng là người sử dụng. Vì thế, vấn đề AI và sinh học không chỉ là vấn đề của ngành công nghệ. Nó là vấn đề của khoa học, y tế, an ninh sinh học, pháp luật và quản trị quốc tế. 9. Từ “AI có thể suy nghĩ?” đến “AI có thể tạo ra cái gì?” Nhìn lại lịch sử 70 năm của AI, chúng ta có thể thấy một sự thay đổi đáng chú ý trong câu hỏi trung tâm. Năm 1956, các nhà nghiên cứu tại Dartmouth đặt câu hỏi đại ý rằng: liệu những đặc điểm của trí thông minh có thể được mô tả để máy tính mô phỏng hay không? Trong nhiều thập niên sau đó, câu hỏi chủ yếu là: Máy có thể giải quyết vấn đề không? Rồi máy có thể học không? Tiếp theo máy có thể hiểu và tạo ra ngôn ngữ không? Và hiện nay, một câu hỏi mới xuất hiện: Nếu AI có thể hỗ trợ con người thiết kế và tạo ra những thứ trong thế giới vật chất, chúng ta cần kiểm soát công nghệ đó như thế nào? Đây là sự chuyển đổi từ AI thuần túy tính toán sang AI có khả năng tác động lên thế giới vật lý. Sinh học chỉ là một trong những lĩnh vực đầu tiên làm rõ vấn đề này. Trong tương lai, điều tương tự có thể xảy ra ở robot, hóa học, vật liệu mới, y học, sản xuất và nhiều lĩnh vực khác. 10. Một nghịch lý của AI: công cụ càng hữu ích, yêu cầu an toàn càng cao AI có thể giúp con người giải quyết những vấn đề lớn: tìm thuốc mới, nghiên cứu bệnh tật, phân tích biến đổi khí hậu, tăng năng suất khoa học và tự động hóa những công việc nguy hiểm. Nhưng chính năng lực đó cũng khiến AI trở thành một công nghệ có tính chất đặc biệt. Một chiếc búa chỉ thực hiện một số lượng chức năng rất hạn chế. Một mô hình AI có thể được sử dụng trong hàng nghìn lĩnh vực khác nhau. Do đó, việc xây dựng một hệ thống an toàn không thể chỉ dựa vào một bộ lọc đơn giản. Cần có nhiều lớp bảo vệ: đánh giá mô hình trước khi triển khai, kiểm soát quyền truy cập, giám sát việc sử dụng, kiểm soát các giao diện kết nối AI với phòng thí nghiệm, kiểm tra chuỗi cung ứng sinh học và chia sẻ thông tin giữa các quốc gia. Anthropic cho biết các mô hình mới của họ đã được áp dụng những biện pháp bảo vệ mạnh hơn đối với các yêu cầu sinh học có tính chất sử dụng kép. Đồng thời, công ty cũng thừa nhận rằng các đánh giá năng lực của mô hình không thể tự chúng chứng minh điều gì sẽ xảy ra trong thế giới thực. Kết luận: Lịch sử AI đang bước sang một chương mới Lịch sử AI có thể được nhìn như một chuỗi chuyển đổi: logic → học máy → deep learning → mô hình nền tảng → AI tạo sinh → AI tác động vào thế giới vật lý. Từ những cỗ máy chỉ có thể thực hiện một số quy tắc đơn giản trong phòng thí nghiệm của những năm 1950, AI đã trở thành một công nghệ có khả năng hỗ trợ con người trong nghiên cứu khoa học tiên tiến. Bước tiến đó mang lại những cơ hội chưa từng có. Nhưng nó cũng làm thay đổi bản chất của rủi ro. Khi AI chỉ viết một bài văn, sai sót của nó chủ yếu nằm trên màn hình. Khi AI hỗ trợ thiết kế một loại thuốc, một phân tử hoặc một hệ thống sinh học, kết quả có thể đi vào thế giới vật chất. Đó là lý do câu chuyện về những phage được thiết kế bằng AI và những trường hợp lạm dụng được Anthropic công bố có ý nghĩa vượt xa một sự kiện riêng lẻ. Chúng cho thấy một giai đoạn mới đang hình thành: AI không còn chỉ học về thế giới — nó ngày càng tham gia vào việc thiết kế thế giới. Và khi năng lực đó tiếp tục tăng lên, câu hỏi quan trọng nhất có lẽ không còn đơn giản là “AI có thể làm được gì?” Mà là con người muốn AI được phép làm gì, trong điều kiện nào, và ai sẽ chịu trách nhiệm khi những khả năng đó vượt khỏi dự định ban đầu? Đây có thể là một trong những câu hỏi trung tâm của lịch sử AI trong những thập niên tới.