Một nhóm nghiên cứu tại Trung Quốc vừa phát triển thành công một mô hình trí tuệ nhân tạo (AI) có khả năng tự “khám phá” các định luật vật lý cơ bản từ dữ liệu thí nghiệm, mở ra triển vọng cho các công cụ AI tham gia vào quá trình nghiên cứu khoa học thực nghiệm. Công cụ có tên AI-Newton này có thể suy ra những nguyên lý vật lý quan trọng, chẳng hạn như định luật thứ hai của Newton, mà không cần lập trình sẵn các công thức hay lý thuyết từ con người.
Hầu hết các mô hình AI hiện nay có thể nhận diện các mẫu trong dữ liệu và dự đoán kết quả, nhưng vẫn gặp khó khăn khi sử dụng dữ liệu đó để hình thành các khái niệm khoa học tổng quát. AI-Newton được thiết kế để mô phỏng quá trình khoa học của con người, từng bước xây dựng cơ sở kiến thức về các khái niệm và định luật vật lý, theo Yan-Qing Ma, nhà vật lý tại Đại học Bắc Kinh, một trong những người phát triển hệ thống. Khả năng nhận diện các khái niệm quan trọng giúp AI-Newton có tiềm năng phát hiện ra những hiểu biết khoa học mới mà không cần con người can thiệp trực tiếp.
Keyon Vafa, nhà khoa học máy tính tại Đại học Harvard, giải thích rằng AI-Newton sử dụng phương pháp hồi quy ký hiệu (symbolic regression), trong đó mô hình tìm kiếm phương trình toán học tốt nhất để mô tả các hiện tượng vật lý. “Kỹ thuật này là một phương pháp triển vọng cho khám phá khoa học, vì nó được lập trình để khuyến khích mô hình suy luận ra các khái niệm thay vì chỉ dự đoán số liệu,” Vafa nhận định.
Để kiểm nghiệm, nhóm nghiên cứu tại Đại học Bắc Kinh đã sử dụng bộ mô phỏng dữ liệu từ 46 thí nghiệm vật lý, bao gồm chuyển động tự do của quả bóng và lò xo, va chạm giữa các vật thể, và các hệ thống dao động, rung động hoặc chuyển động giống con lắc. Bộ mô phỏng này còn cố ý tạo ra sai số thống kê để bắt chước dữ liệu thực tế.
Trong thử nghiệm này, AI-Newton được cung cấp dữ liệu về vị trí của một quả bóng theo thời gian và yêu cầu tìm phương trình toán học mô tả mối quan hệ giữa hai biến. Hệ thống đã suy ra được phương trình về vận tốc, lưu trữ kiến thức và sử dụng để tính khối lượng của quả bóng dựa trên định luật Newton thứ hai trong các nhiệm vụ tiếp theo.
Trước đây, các nhà khoa học đã thử sử dụng AI để dự đoán quỹ đạo hành tinh. Năm 2019, các nhà nghiên cứu tại Viện Công nghệ Liên bang Thụy Sĩ (ETH) ở Zurich phát triển “AI Copernicus”, một mạng nơ-ron dùng quan sát từ Trái Đất để suy ra công thức quỹ đạo. Tuy nhiên, con người vẫn phải giải thích phương trình và mối liên hệ với chuyển động của các hành tinh quanh Mặt Trời.
Vafa và các đồng nghiệp tại MIT thử nghiệm tương tự với các mô hình cơ sở (foundation models), bao gồm các mô hình ngôn ngữ lớn như GPT, Claude và Llama, nhằm dự đoán vị trí hành tinh và các lực điều khiển quỹ đạo. Kết quả cho thấy các mô hình này không thể sử dụng dữ liệu quỹ đạo để rút ra định luật về lực, mà chỉ đưa ra các kết quả phi lý.
“Một mô hình ngôn ngữ chỉ dự đoán kết quả thí nghiệm sẽ không mã hóa khái niệm theo cách đơn giản, mà sẽ tìm cách rất máy móc để ước lượng tương đối giải pháp vật lý,” Vafa nhấn mạnh.
David Powers, chuyên gia khoa học máy tính tại Đại học Flinders, Australia, cho rằng mô hình có khả năng suy ra định luật khoa học là hữu ích, nhưng để AI tự chủ phát hiện, nó cần tham gia vào toàn bộ quá trình nghiên cứu, từ xác định vấn đề, thiết kế thí nghiệm, phân tích dữ liệu đến tạo giả thuyết và kiểm chứng.
Yan-Qing Ma thừa nhận AI-Newton còn xa mới đạt khả năng khám phá tự chủ hoàn toàn, nhưng ông tin rằng công trình này sẽ giúp huấn luyện các AI trong tương lai sử dụng dữ liệu thực tế để phát hiện các định luật vật lý mới. Nhóm nghiên cứu hiện đang thử nghiệm xem AI-Newton có thể khám phá lý thuyết lượng tử hay không.
Các nhà nghiên cứu đã cung cấp cho AI dữ liệu từ các thí nghiệm vật lý liên quan đến các hệ thống có chuyển động con lắc để xem liệu nó có thể suy ra các định luật cơ bản của vật lý hay không. Ảnh: Getty
