Công ty AI Anthropic cho biết các hệ thống AI có thể giúp các nhà khoa học xây dựng, chạy, khớp và chỉnh sửa các mô hình khoa học nhằm kiểm tra xem dữ liệu ủng hộ những cách giải thích nào.
Những điểm chính
Anthropic đăng một cập nhật nghiên cứu trên X, cho biết AI có thể giúp các nhà nghiên cứu viết, chạy, khớp và chỉnh sửa các mô hình khoa học dưới dạng mã.
Bài đăng nêu bật công trình của các nghiên cứu viên nhận tài trợ Jakob Macke, Daniel Gedon và Stefan Wahl
Anthropic dùng mô hình tế bào thần kinh Hodgkin-Huxley để minh họa cách các nhà khoa học xây dựng, ràng buộc và diễn giải các mô hình khoa học.
Anthropic xem AI là công cụ để xây dựng mô hình khoa học, chứ không chỉ để viết.
Anthropic đăng thông tin cập nhật này trên X. Một trang nghiên cứu riêng của Anthropic về cách các nhà khoa học sử dụng Claude cho thấy công ty cũng đang nghiên cứu cách các nhà nghiên cứu dùng công cụ này trong nhiều nhiệm vụ khoa học.
Claude là dòng mô hình ngôn ngữ lớn của Anthropic, và bài viết đặt Claude vào một bối cảnh rất khác xa trò chuyện tiêu dùng: xây dựng mô hình cho khoa học.
Mô hình hóa khoa học vượt ra ngoài khung trò chuyện
Bài viết lập luận rằng AI có thể hỗ trợ viết, chạy, khớp và điều chỉnh các mô hình khoa học, cũng như khám phá nhiều cấu trúc mô hình khả dĩ.
Ví dụ của Anthropic bắt đầu với mô hình tế bào thần kinh kinh điển của Hodgkin và Huxley. Năm 1951, Andrew Huxley đã mất hơn ba tuần để giải các phương trình trên một chiếc máy tính quay tay sau khi máy tính của Đại học Cambridge bị hỏng.
Bài viết khách mời dùng câu chuyện đó để lập luận rằng ngày nay AI có thể đẩy nhanh quá trình xây dựng và điều chỉnh mô hình, thay vì thay thế khả năng phán đoán khoa học.
Anthropic đang hướng đến việc xây dựng và diễn giải các mô hình để các nhà khoa học có thể kiểm tra, so sánh với dữ liệu và điều chỉnh khi cần.
Từ dự đoán đến cơ chế
Mô hình khoa học không chỉ là một dự báo. Đó là một mô tả chính thức về cách các thành phần của một hệ thống tương tác với nhau.
Trong khoa học thần kinh, điều đó có thể là các phương trình mô tả cách ion di chuyển qua màng tế bào và khiến một nơ-ron phát xung.
Học máy hiện đại thường dự đoán tốt mà không làm rõ cấu trúc đó. Bài viết của Anthropic lập luận rằng AI có thể giúp thu hẹp khoảng cách này bằng cách đề xuất các dạng mô hình, so sánh kết quả với dữ liệu và thu hẹp phạm vi tìm kiếm giữa vô số lời giải thích tiềm năng.
Ngược lại, Anthropic tập trung vào khía cạnh suy luận trong công việc khoa học, nơi mục tiêu là đưa ra một câu trả lời cùng lời giải thích mà một nhà nghiên cứu khác có thể xem xét.
Đọc thêm: Claude Code của Anthropic đã gửi địa chỉ email của người dùng’. đến các trang web
Các nhà nghiên cứu đã đi đến bước này như thế nào
Bài viết do các nhà nghiên cứu nhận tài trợ từ chương trình AI vì Khoa học, Jakob Macke, Daniel Gedon và Stefan Wahl, thực hiện. Họ cho rằng trong nhiều lĩnh vực, các nhà khoa học vẫn thường tự viết mô hình.
Anthropic đang dùng công trình này để định vị AI như một công cụ xây dựng mô hình khoa học, chứ không chỉ để viết lách.
Các phòng thí nghiệm nghiên cứu thần kinh, sinh học và khí hậu thường gặp khó khăn không hẳn vì thiếu dữ liệu thô, mà vì phải chọn cấu trúc nào để khớp với dữ liệu. Nếu AI có thể giảm chi phí tìm kiếm đó, nó có thể thay đổi ngay từ đầu những ý tưởng nào được đem ra kiểm chứng.
Mô hình hóa khoa học có thể giúp bác bỏ giả thuyết nhanh hơn như thế nào
Mô hình hóa khoa học với Claude chỉ có ý nghĩa nếu hệ thống làm được nhiều hơn là tóm tắt các bài báo.
Các nhà nghiên cứu cần một công cụ có thể chuyển các giả định thành phương trình, so sánh kết quả với dữ liệu quan sát được và điều chỉnh cấu trúc khi mô hình không khớp.
Đó là lý do bài viết của Anthropic tập trung vào mô hình hóa cơ chế. Trong ví dụ Hodgkin–Huxley, giá trị nằm ở một mô hình có các thành phần tương ứng với những hoạt động vật lý bên trong tế bào thần kinh.
Một mô hình ngôn ngữ như Claude có thể giúp tìm kiếm các cấu trúc tiềm năng nhanh hơn, nhưng các nhà khoa học vẫn cần đảm bảo mối liên hệ đó dễ hiểu.
Bằng chứng tiếp theo sẽ là liệu hướng nghiên cứu này có mang lại kết quả cụ thể trong các phòng thí nghiệm đang hoạt động hay không, chứ không chỉ tạo ra những bài luận thuyết phục. Với các nhà nghiên cứu, câu hỏi là liệu Claude có thể giúp họ sớm bác bỏ những giả thuyết yếu và dành nhiều thời gian hơn cho số ít giả thuyết đứng vững khi đối chiếu với dữ liệu hay không.
Vì sao Claude giúp thu hẹp phạm vi tìm kiếm mô hình
Bài viết cho biết các nhà khoa học vẫn thường tự viết mô hình và cân nhắc nhiều phiên bản cạnh tranh. Bài viết cũng nói AI có thể đề xuất các mô hình tiềm năng, viết mã để kiểm tra chúng và so sánh kết quả với dữ liệu.
Các tác giả là những nhà nghiên cứu tại Viện Ellis ở Tübingen và Đại học Tübingen. Bài viết cho biết các hệ thống AI có thể đề xuất nhiều mô hình tiềm năng để các nhà khoa học so sánh với dữ liệu và điều chỉnh khi cần.
Hãy theo dõi các nghiên cứu tương lai của Anthropic nhằm biến cách tiếp cận này thành một phép đánh giá có thể tái lập.
Khi mô hình hóa khoa học có một chuẩn đánh giá chung, vai trò của Claude có thể được đo lường thay vì chỉ được mô tả bằng lời.
Đọc tiếp: Claude của Anthropic có thể đọc số dư tài khoản ngân hàng để trả lời câu hỏi