‏Lợi ích và rủi ro khi dùng AI trong nghiên cứu khoa học‏

‏Các công cụ trí tuệ nhân tạo (AI) đang giúp các nhà nghiên cứu tăng năng suất một cách đáng kinh ngạc. Tuy nhiên, đằng sau hiệu quả đó, giới khoa học bắt đầu bày tỏ lo ngại về những hệ lụy khôn lường khi sự lệ thuộc vào công nghệ này ngày càng gia tăng.‏

Hơn 60% các nhà nghiên cứu được khảo sát cho biết họ sử dụng AI trong công việc. Nguồn: Getty

Các nhà khoa học đang sử dụng AI ngày càng nhiều trong công việc của mình. Nhiều người cho rằng, các công cụ này giúp tiết kiệm thời gian và chi phí, song cũng có ý kiến cho biết họ đã chứng kiến những tác động tiêu cực mà AI có thể gây ra đối với hoạt động nghiên cứu.‏

‏Theo một khảo sát do Nhà xuất bản Wiley công bố vào 2025, với hơn 2.400 nhà nghiên cứu tham gia, 62% số người được hỏi cho biết đã sử dụng AI cho các nhiệm vụ liên quan đến nghiên cứu hoặc xuất bản. Tỷ lệ này tăng đáng kể so với mức 45% ghi nhận vào năm 2024, khi khảo sát chỉ thu hút 1.043 người tham gia.

Kết quả cho thấy, các nhà khoa học trẻ và những người làm việc trong lĩnh vực khoa học vật lý có xu hướng sử dụng công cụ AI nhiều nhất, đồng thời cũng là nhóm sớm tiếp cận và áp dụng AI hơn so với các nhà nghiên cứu lâu năm hoặc những người hoạt động trong các lĩnh vực nhân văn, toán học và thống kê.‏

‏Các nhà nghiên cứu đang sử dụng AI để hỗ trợ viết lách, biên tập, dịch thuật, phát hiện lỗi hoặc thiên kiến trong bài viết, cũng như tóm tắt khối lượng lớn các nghiên cứu.

Trong một khảo sát với 2.059 người tham gia, 85% cho biết AI giúp tăng hiệu quả làm việc, 77% cho rằng khối lượng công việc hoàn thành nhiều hơn và 73% nhận định chất lượng công việc được cải thiện.‏

‏Matthew Bailes, nhà vật lý thiên văn tại Đại học Công nghệ Swinburne ở Úc, cho biết, AI hiện rất phổ biến trong lĩnh vực thiên văn học, đặc biệt trong xử lý các bộ dữ liệu lớn. Nhóm của ông đã sử dụng AI gần một thập kỷ để xác định các tín hiệu sao neutron.

“Khi có tới 10.000 ứng viên tiềm năng, việc sàng lọc trong vài giây thuận tiện hơn nhiều so với làm thủ công”, ông nói.‏

‏Nhóm của Bailes cũng đang phát triển một mô phỏng ảo về vũ trụ, sử dụng một phiên bản plug-in của mô hình AI tạo sinh Claude, do Công ty Anthropic tại San Francisco (California) phát triển.

Công cụ này hiển thị dữ liệu song song với hình ảnh trực quan và được kỳ vọng đóng vai trò như một “người đồng giảng dạy”, hỗ trợ minh họa sự phát triển của các cụm sao cầu cùng số lượng lỗ đen hoặc sao neutron theo thời gian.‏

‏Cú hích về năng suất‏

‏AI cũng đang có tác động đến sản phẩm đầu ra và sự nghiệp của các nhà khoa học. Một bản thảo đăng trên ‏‏arXiv‏‏ báo cáo rằng, các nhà khoa học sử dụng AI đã công bố nhiều bài báo hơn, có nhiều trích dẫn hơn và trở thành trưởng nhóm sớm hơn 4 năm so với những người không sử dụng AI.‏

‏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 tổng số 67,9 triệu công trình được công bố trong sáu lĩnh vực từ năm 1980 đến năm 2024.

Các tác giả nhận định rằng, “AI giúp tăng tốc công việc trong những lĩnh vực đã định hình và có dữ liệu phong phú”.

Theo họ, điều này cho thấy dù AI có thể nâng cao năng suất của từng nhà khoa học, nhưng đồng thời cũng tiềm ẩn nguy cơ làm giảm tính đa dạng trong khoa học.‏

‏Bên cạnh đó, nhiều nhà nghiên cứu bày tỏ lo ngại về các tác động tiêu cực khác của AI đối với hoạt động nghiên cứu.

Khảo sát của Wiley có trụ sở tại bang New Jersey (Mỹ) cho thấy, 87% người tham gia lo ngại về nguy cơ AI mắc lỗi, hay còn gọi là “ảo giác”, cùng các vấn đề liên quan đến bảo mật dữ liệu, đạo đức và sự thiếu minh bạch trong quá trình huấn luyện AI. Tỷ lệ này tăng so với mức 81% ghi nhận trong khảo sát năm trước.‏

‏Nigel Hitchin, nhà toán học tại Đại học Oxford (Anh) cho rằng, rủi ro lớn nhất của AI trong nghiên cứu là việc người dùng mặc nhiên tin rằng các mô hình này luôn đúng.

Theo ông, AI cũng có thể khiến cộng đồng trở nên lười biếng, bởi nó không giúp người sử dụng hiểu vì sao một câu trả lời là đúng hay sai.‏

‏Matthew Bailes cho biết, ông từng chứng kiến sinh viên và một số nhà nghiên cứu dùng các mô hình ngôn ngữ lớn như ChatGPT để viết mã phần mềm mà không hiểu cách mã đó hoạt động. Trong một trường hợp, một bài báo do nhóm ông gửi đăng đã xuất hiện lỗi vì đoạn mã do sinh viên nhờ AI viết nhưng không được kiểm tra lại.‏

‏Theo Bailes, việc giảng dạy cần tập trung vào kỹ năng xác minh kết quả và hình thành trực giác về câu trả lời đúng. “Chúng ta cần cởi mở đón nhận công nghệ này, nhưng đồng thời phải tiếp cận các kết quả của nó với thái độ hoài nghi, giống như cách chúng ta nên làm với mọi kết quả khoa học”, ông nói./.