AI và vật lý: “Nới rộng” các ranh giới

Tháo gỡ những nút thắt

“Cách làm vật lý trong tương lai sẽ phải rất khác”, PGS. TS. Nguyễn Ái Việt - nguyên Viện trưởng Viện Công nghệ thông tin, Đại học Quốc gia Hà Nội đã nhận định như vậy tại Hội thảo phổ biến kiến thức bài giảng đại chúng “Trí tuệ nhân tạo, Vật lý - Ứng dụng” do Hội Vật lý Việt Nam, Viện Vật lý và Trung tâm Thông tin - Tư liệu (Viện Hàn lâm KH&CN Việt Nam) phối hợp tổ chức vào cuối tháng chín vừa qua. Vật lý, với tư cách là ngành khoa học cơ bản của các ngành khoa học, “nếu không có AI thì cũng sẽ không thể cạnh tranh được”.

Cho đến nay, AI (bao gồm AI tạo sinh, học máy, mạng thần kinh nhân tạo, học sâu và mô hình ngôn ngữ lớn) đã được ứng dụng rộng rãi trong nhiều lĩnh vực như chẩn đoán y tế, phân tích tài chính, tư vấn luật, điều khiển giao thông, và trợ lý ảo. Trong những lĩnh vực này, với khả năng tư duy, AI có vai trò rất đa dạng, từ giải quyết vấn đề (tối ưu, nhận dạng mẫu, dự báo, quyết định, xử lý ngôn ngữ); tư duy phê phán (phân tích, so sánh các góc nhìn, dự đoán kết quả, thẩm vấn, kiểm tra bằng chứng, tối ưu hóa quyết định); cho đến giải toán (chứng minh tự động, kiểm tra chứng minh, mô hình hóa, giải các bài toán Olympic quốc tế, tính toán ký hiệu, môi trường hợp tác AI); nghiên cứu khoa học (mô hình hóa, phân tích dữ liệu lớn, phát hiện quy luật, mô phỏng thực nghiệm).

Quay trở lại lĩnh vực vật lý, một trong những cái “khác” mà PGS.TS Nguyễn Ái Việt đề cập nằm ở việc thiết kế vật liệu mới, chẳng hạn như vật liệu cho pin và vật liệu nano. Theo PGS.TS Nguyễn Ái Việt, AI sẽ giúp các nhà vật lý phân tích và xử lý dữ liệu lớn - phân tích dữ liệu thí nghiệm và dự đoán tính chất vật liệu thông qua các thuật toán học máy. Bên cạnh đó, AI có thể tăng tốc khám phá vật liệu thông qua đề xuất các cấu trúc vật liệu mới với các tính chất tối ưu dựa trên các dữ liệu đã học, giảm đáng kể số lượng thí nghiệm cần. Không chỉ vậy, với AI, các nhà nghiên cứu có thể thiết kế vật liệu cho các ứng dụng cụ thể cho ngành hàng không vũ trụ, vật liệu siêu bền cho xây dựng, hay vật liệu bán dẫn mới cho ngành điện tử, vật liệu pin, vật liệu nano; cũng như mô phỏng và dự báo tính chất của các vật liệu dựa trên cơ học lượng tử.

Nhìn về tiềm năng tương lai, AI còn có thể giúp các nhà vật lý tự động hóa và tối ưu hóa quá trình nghiên cứu, đẩy nhanh các khám phá vật lý; nâng cao mô phỏng trong vũ trụ học, vật lý thiên văn, vật lý hạt, vật lý hạt nhân và vật lý lượng tử. Việc phân tích dữ liệu thực nghiệm, khám phá các định luật mới và dự đoán các hiện tượng mới cũng có thể trở nên dễ dàng hơn với AI, đặc biệt là trong các thí nghiệm lớn, như siêu va chạm hay xử lý hình ảnh từ kính viễn vọng không gian. “AI và vật lý lượng tử có thể phối hợp để tăng cường khả năng xử lý các bài toán phức tạp mà các hệ thống cổ điển không giải quyết được”, PGS.TS Nguyễn Ái Việt cho biết.

Matthew Mumpower - một nhà vật lý lý thuyết và đồng tác giả của nhiều bài báo miêu tả chi tiết nghiên cứu khối lượng nguyên tử, cũng từng chia sẻ những điều tương tự trong thông cáo báo chí của Phòng thí nghiệm Quốc gia Los Alamos (Mỹ) vào đầu năm nay. “Các thuật toán học máy vô cùng quyền lực, vì chúng có thể tìm thấy những tương quan phức tạp trong dữ liệu, một kết quả mà các mô hình vật lý hạt nhân lý thuyết phải vật lộn để tạo ra được một cách hiệu quả. Các tương quan có thể đem lại thông tin cho các nhà khoa học về “thứ vật lý bị mất” và có thể chuyển đổi thành thứ hữu dụng để tăng cường các mô hình hạt nhân hiện đại về khối lượng nguyên tử”, nhà vật lý này cho biết.

Theo đó, ông và cộng sự đã chứng tỏ các khối lượng nguyên tử do học máy tạo ra có thể mở ra cánh cửa cho dự đoán nằm ngoài vùng chúng ta có thể có dữ liệu thực nghiệm. Trong một bài báo khác, nhóm nghiên cứu đã sử dụng các thuật toán học máy để tái tạo các mức năng lượng gắn kết hạt nhân với những bất định; đó là, họ có thể chắc chắn mức năng lượng cần thiết để phân tách hạt nhân nguyên tử thành các proton và neutron, cùng với nhiễu liên quan đến mỗi dự đoán. Thuật toán này do đó cung cấp thông tin mà có thể sẽ mất nhiều thời gian và nguồn lực tính toán đáng kể mới có được, nếu sử dụng các mô hình hạt nhân hiện nay.

Là một trong những nhà vật lý tại Việt Nam tiên phong kết hợp AI như ChatGPT, MidJourney, và Gemini, từ các phiên bản đầu tiên cho đến hiện tại, vào thực tiễn nghiên cứu vật lý, đặc biệt là trong thiết kế hệ thống chiếu sáng và đo lường thị lực, PGS.TS Phạm Hồng Dương - chuyên gia về Vật lý bán dẫn và Công nghệ Nano chia sẻ, sự kết hợp này đã giúp ông và nhóm nghiên cứu có sáu bản thảo chỉ trong vòng một năm rưỡi, trong đó có ba bài báo đã xuất bản; và hai đơn đăng ký sáng chế đã được chấp nhận đơn. “Trước đây, mỗi năm cố lắm cũng chỉ được một bài,” PGS.TS Phạm Hồng Dương cho biết, dù ông cũng hóm hỉnh lưu ý rằng sự tăng trưởng “đột biến” này có thể còn phụ thuộc vào thời điểm nghiên cứu chứ không hoàn toàn là nhờ sự giúp sức của AI.

Nhớ lại thời điểm trước khi ứng dụng AI, PGS.TS Phạm Hồng Dương cho biết ông đã phải “đánh vật” với khoảng mười phần mềm chuyên gia trong quá trình nghiên cứu nguồn sáng, chiếu sáng nhằm chống cận thị và bảo vệ mắt. Theo đó, nhà nghiên cứu này cần dùng SolidWorks để thiết kế 3D cơ khí, TracePro để mô phỏng quang học chính xác, Dialux để thiết kế ánh sáng cho công trình kiến trúc, Corel Draw để thiết kế vector sắc nét, chính xác cho in ấn và logo,... “Đây là các công cụ chuyên dụng, chính xác nhưng không sáng tạo, không hiểu ngôn ngữ tự nhiên. Sai một chút là không biết sửa ở đâu!”, PGS.TS Phạm Hồng Dương cho biết.

Đây là lúc ông nghĩ đến việc thử kết hợp các AI như ChatGPT-4, Data Analyst, Consensus, ScieSpace, Gemini, DALL-E, MidJourney, trong đó Consensus giúp biên tập và chỉnh sửa bài báo khoa học, ScieSpace giúp tìm kiếm tài liệu,... “Từ nghiên cứu đến công bố là một vòng xoay bất tận với Consensus và trợ lý AI”, PGS.TS Phạm Hồng Dương cho biết. Một trong những thách thức chính khi ứng dụng AI là phải làm quen với các ngôn ngữ đa dạng của AI, bao gồm việc nhập liệu bằng lời nói, hình ảnh, hay dữ liệu. Mặc dù ban đầu gặp phải những khó khăn liên quan đến việc làm quen với các ngôn ngữ đa dạng của AI, việc ứng dụng AI đã giúp ích cho nhà nghiên cứu này trong việc thiết kế đèn LED, chiếu sáng tập trung vào con người (HCL), chiếu sáng để đo lường thị lực (VA), và nghệ thuật thiết kế tranh quảng cáo.

Không thể tách rời

Vai trò của AI đối với vật lý thì đã rõ, nhưng ngược lại, vật lý cũng đóng góp vào sự phát triển của AI. Trong một bài viết trên Tia Sáng vào năm 2020, TS. Nguyễn Quang (Đại học Quốc tế, ĐHQGTP.HCM) và PGS. TS Nguyễn Trần Thuật (Trung tâm Nano và năng lượng, ĐH Khoa học Tự nhiên, ĐHQGHN) giải thích, các hệ AI vẫn còn nhiều hạn chế, đặc biệt về hiệu suất tính toán và tiêu thụ năng lượng. Ví dụ như bộ não con người chỉ tiêu thụ một công suất khoảng 20W thì một hệ thống AI có khả năng suy nghĩ như não người (hiện chưa có) được dự đoán sẽ cần tiêu thụ một lượng điện năng lớn hơn ít nhất 1 triệu lần não người nếu dựa trên kiến trúc hiện tại.

Nhìn về tương lai, các hệ AI cần thêm các khả năng thông minh trừu tượng hơn (so với việc thực hiện xử lý thông tin trực tiếp từ các giác quan, hay phản xạ, tối ưu,…) như phát kiến, sáng tạo, đức tin, tính cách… mà cấu trúc hiện nay còn hạn chế. Trong bối cảnh đó, các hệ AI mới cần được chế tạo trên những vật liệu thực, với các cấu phần chính của chúng (neuron, liên kết giữa các neuron) là các thực thể vật chất thì mới có thể đạt được hiệu suất vượt trội. “Chúng tôi tạm gọi các hệ tiềm năng đó là ‘các hệ tính toán tự nhiên phục vụ AI’, với các nguyên lý của các ngành khoa học tự nhiên khác là cơ chế hoạt động chính”, hai tác giả viết.

Theo PGS.TS Nguyễn Ái Việt, tính toán lượng tử và mạng Hopfield có vai trò rất quan trọng trong việc phát triển các mô hình AI. “Việc tính toán lượng tử có thể giúp AI tăng tốc độ xử lý, cải thiện thuật toán học máy cũng như bảo mật dữ liệu”, ông cho biết. Các công nghệ vật lý như thủy tinh spin đã được áp dụng trong các mạng thần kinh nhân tạo sẽ có thể tối ưu hóa việc xử lý thông tin và lưu trữ trí nhớ. Một ví dụ khác, thông qua Memristor (vi điện trở nhớ), có thể tạo ra các mạng neuron nhân tạo phần cứng, giúp AI trở nên hiệu quả và gần gũi hơn với não bộ con người.

“Muốn chấn hưng lĩnh vực vật lý thì phải nhìn vào xu thế của thời đại, mà ‘thị trường’ lớn nhất nằm ở việc vật lý có thể giúp phát triển AI như thế nào. Điều may mắn là vật lý có vai trò rất lớn đối với AI”, PGS.TS Nguyễn Ái Việt cho biết. Đó là lý do “chương trình đào tạo phải thay đổi. Việc tích hợp AI vào giảng dạy vật lý là cần thiết để tạo ra một thế hệ nhà khoa học liên ngành, sẵn sàng đối mặt với những thách thức của tương lai”, ông nhận định.

Việc cần phải có những hệ thông minh tự nhiên phục vụ AI như đã đề cập ở trên cũng tạo ra một cơ hội cho Việt Nam theo kịp về công nghệ so với thế giới. “Hệ thông minh tự nhiên (điện hoặc quang) có thể coi là một chip AI thế hệ mới. Nếu sản xuất được chip AI thế hệ mới, chúng ta sẽ có thể triển khai các bài toán AI nhanh hơn rất nhiều lần so với máy tính thông thường hiện nay, ví dụ như ‘training’ hàng triệu bức ảnh trong vài phút. Điều này sẽ giúp cho việc học, thực hành và ứng dụng AI hay AI trên dữ liệu lớn được dễ dàng và phổ cập. Ngoài ra, chip AI thế hệ mới còn hứa hẹn tạo ra những tiến bộ mới trong khoa học tri thức, đưa AI gần với não bộ con người hơn, tạo ra những ứng dụng cao cấp như suy nghĩ, sáng tạo… có thể giúp Việt Nam vươn lên theo kịp trình độ quốc tế và thậm chí có tham vọng dẫn đầu về AI”, hai nhà nghiên cứu Nguyễn Quang và Nguyễn Trần Thuật cho biết trong bài viết năm 2020.

Để có được cơ hội đó, chúng ta cần thay đổi cách nhìn AI là một phần mềm chạy trên máy tính (PC). Cho đến nay, đã có rất nhiều nỗ lực tập trung cho “phần mềm” này - những đoạn code thiết kế ra các mạng neuron và thực hiện tính toán trên đó. “Chúng ta cần đầu tư thêm vào phần sau của khái niệm trên, tức là các hệ thống vật chất (như Vật lý, Hóa học, Sinh học,…) thực hiện AI nhanh hơn, thông minh hơn và không nhất thiết là các máy tính hiện nay. Hướng khả thi nhất theo chúng tôi là các nhà khoa học của ba ngành – khoa học vật liệu, công nghệ nano, trí tuệ nhân tạo – cùng ngồi lại và thiết kế ra các hệ thông minh tự nhiên nói trên”, hai tác giả đề xuất.