Chủ nhân giải Nobel: 'Bám đuổi AI vì nghĩ rằng sẽ có lợi cho nhân loại'

Demis Hassabis chủ nhân giải Nobel Hóa học 2024 - nhà tiên phong trong những kỹ thuật trí tuệ nhân tạo (AI) nghĩ rằng "làm việc cả đời vì đây sẽ là công nghệ có lợi nhất đối với nhân loại".

Demis Hassabis là giám đốc điều hành và nhà đồng sáng lập Google DeepMind. Ảnh: AFP

Hassabis sinh tại London, là con trai trong gia đình có bố là người Hy Lạp - Cyprus và mẹ là người Singapore. Ông bắt đầu chơi cờ vua khi mới 4 tuổi và trở thành kiện tướng năm 13 tuổi. "Đó là thứ đưa tôi đến với AI lúc đầu, chơi cờ từ khi còn nhỏ, suy nghĩ và tìm cách cải thiện quá trình tư duy của chính mình", học giả 48 tuổi chia sẻ với phóng viên sau khi đoạt giải Nobel Hóa học năm nay cùng với hai nhà khoa học khác hôm 9/10, theo AFP.

Đây là giải Nobel thứ hai trong nhiều ngày qua liên quan tới trí tuệ nhân tạo (AI). Hassabis theo chân các học giả Nobel Vật lý cảnh báo công nghệ mà họ phát triển có thể "được sử dụng cho mục đích gây hại". Nhưng thay vì những cảnh báo u ám về AI, giám đốc điều hành phòng thí nghiệm DeepMind của Google mô tả bản thân như một người "lạc quan cẩn trọng". "Tôi đã làm việc cả đời vì cho rằng đây sẽ là công nghệ có lợi nhất đối với nhân loại, nhưng một thứ mạnh mẽ có tính cách mạng như vậy luôn đi kèm rủi ro", Hassabis nói.

Hassabis học xong trung học ở phía bắc London ở tuổi 16 và nghỉ một năm để làm việc về video game. Ông đồng thiết kế game "Công viên Chủ đề" năm 1994. Ở tuổi ngoài 20, Hassabis 5 lần vô địch giải Pentamind, một sự kiện ở London kết hợp kết quả từ các lượt chơi bài, cờ vua, cờ vây, Mastermind và Scrabble.

Sau đó, ông nghiên cứu khoa học thần kinh ở Đại học London, hy vọng tìm hiểu nhiều hơn về não người với mục tiêu cải tiến AI. Năm 2007, tạp chí Science xếp nghiên cứu của ông vào top 10 đột phá của năm. Ông là nhà đồng sáng lập công ty DeepMind năm 2010, tập trung vào sử dụng mạng thần kinh nhân tạo dựa trên bộ não con người và AI để đánh bại người chơi trong chơi cờ và video game.

Google mua lại công ty 4 năm sau đó. Năm 2016, DeepMind trở nên nổi tiếng trên khắp thế giới khi chương trình vi tính AI của họ AlphaZero đánh bại kiện tướng cờ vây hàng đầu thế giới. Một năm sau, AlphaZero đánh bại phần mềm đánh cờ vua vô địch thế giới Stockfish, đồng thời chinh phục một số video game. Trọng tâm của chương trình không phải giải trí hoặc giành chiến thắng mà là mở rộng khả năng của AI. "Đó là loại kỹ thuật học hỏi châm ngòi cho sự phục hưng của AI hiện đại", Hassabis nhận định.

Hassabis sau đó hướng sức mạnh mà ông xây dựng vào protein. Đây là những khối xây dựng sự sống, lấy thông tin từ ADN và biến tế bào thành thứ chuyên biệt như tế bào não hoặc tế bào cơ bắp.

Cuối thập niên 1960, các nhà hóa học biết trình tự của 20 axit amin cấu thành protein sẽ cho phép họ dự đoán cấu trúc 3 chiều mà có thể xoắn và gập lại. Nhưng suốt 50 năm, không ai có thể dự đoán chính xác những cấu trúc 3D này. Thậm chí có một cuộc thi nửa năm một lần mang tên "protein olympics" dành cho nhà hóa học muốn thử sức.

Năm 2018, Hassabis và chương trình AlphaFold của ông tham gia cuộc thi. Những dự đoán trước đây có độ chính xác cao nhất là 40%. AlphaFold đạt độ chính xác gần 60%. Hai năm sau, chương trình hoạt động tốt đến mức vấn đề tồn tại suốt 50 năm đã được giải quyết. Khoảng 30.000 bài báo khoa học ngày nay trích dẫn AlphaFold, theo nhà khoa học John Jumper ở DeepMind, người đồng chia sẻ giải Nobel Hóa học cùng với Hassabis và nhà hóa sinh người Mỹ David Baker.

Năm 2022 TS Demis Hassabis cùng với John Jumper nhận giải đặc biệt Giải thưởng VinFuture trị giá 500.000 USD dành cho nhà khoa học trong lĩnh vực mới tiên phong với chương trình AlphaFold. Demis Hassabis cùng cộng sự phát triển đã sử dụng phương pháp học sâu để dự đoán cấu trúc protein. Với AlphaFold, trí tuệ nhân tạo được chứng minh có thể dự đoán chính xác hình dạng của protein với độ chính xác đến mức nguyên tử, ở quy mô và tính bằng phút.

Ứng dụng hệ thống này các nhà sinh học có thể nghiên cứu để hiểu cách protein tương tác và hoạt động. Hơn thế nữa, thiết kế các protein mới, cho phép khám phá thuốc nhanh hơn, giải mã các biến thể gene gây bệnh.

"AlphaFold được sử dụng bởi hơn hai triệu nhà nghiên cứu để thúc đẩy công trình quan trọng từ thiết kế enzyme tới phát hiện thuốc", Hassabis cho biết.

An Khang (Theo AFP)