Điều gì sẽ xảy ra nếu bạn trộn Aspirin và Ibuprofen lại với nhau? Cả hai loại thuốc này đều có tác dụng giảm đau và hạ sốt.
Giáo sư Aspuru-Guzik đến từ Đại học Harvard cũng không biết chắc chắn. Nhưng ông có thể hỏi một người trợ lý đặc biệt của mình. Nó là một hệ thống trí tuệ nhân tạo có thể hỗ trợ đắc lực con người trong công cuộc tìm kiếm những loại thuốc mới.
Ngày nay, những nghiên cứu dược phẩm tiên tiến nhất đang dựa trên nền tảng phần mềm và mô phỏng máy tính.
Phần mềm thực chất được viết ra từ những quy tắc mà các nhà hóa học phát hiện được. Nó được dùng để thu thập dữ liệu từ một kho khổng lồ, chứa những phân tử tiềm năng có thể được sử dụng để chế tạo thuốc.
Trong khi đó, mô phỏng máy tính được sử dụng để tiên đoán những cấu trúc phân tử hữu ích chưa từng tồn tại trong thực tế.
Cả hai công cụ này đều có những hạn chế riêng. Phần mềm thì bị giới hạn bởi những quy tắc ban đầu của nó, đôi khi chúng không được cập nhật nhất.
Trong khi đó, mô phỏng máy tính bị giới hạn bởi độ chính xác mà nó được thiết lập. Nghiên cứu dược phẩm vẫn phải dựa nhiều vào yếu tố con người.
Trên con đường tìm ra những công cụ mới trong lĩnh vực này, Aspuru-Guzik và nhóm nghiên cứu của ông đã phát triển một hệ thống trí tuệ nhân tạo có thể đảm nhiệm thay vai trò của con người.
Cho dù chưa thể trở thành một nhà hóa học, nó ít nhất cũng sẽ trở thành một người trợ lý đắc lực có suy nghĩ và trực giác khoa học.
Hệ thống trí tuệ nhân tạo của Aspuru-Guzik có thể tự nó “tưởng tượng” ra những cấu trúc phân tử. Quá trình này không phụ thuộc nhiều vào con người và cũng không cần đến những mô phỏng dài dòng.
Lí do vì nó có thể tự trau dồi những kinh nghiệm riêng của mình từ những thuật toán máy học (machine-learning) và dữ liệu của hàng trăm ngàn phân tử.
“Nó thực hiện các khám phá một cách có trực giác hơn, sử dụng kiến thức đã được học, giống như những điều mà một nhà hóa học sẽ làm”, Aspuru-Guzik nói. “Con người có thể trở thành những nhà hóa học uyên bác hơn, nếu có một hệ thống như vậy làm trợ lý”.
Hệ thống của Giáo sư Aspuru có thể tạo ra hàng tỷ tỷ phân tử
Hệ thống của Giáo sư Aspuru-Guzik được xây dựng, sử dụng một kỹ thuật máy học được gọi là “deep learning”. Kỹ thuật này ngày nay đã rất phổ biến trong ngành công nghệ, đặc biệt là tin học và máy tính. Tuy nhiên trong lĩnh vực khoa học tự nhiên, nó còn khá mới mẻ.
Deep learning sử dụng một thứ như mô hình sinh mẫu (generative model). Trong đó, nó được cung cấp một kho dữ liệu khổng lồ và sử dụng những gì học được để tạo ra những dữ liệu mới.
Trong lĩnh vực công nghệ tin học, mô hình này thường được sử dụng để tạo ra hình ảnh, lời nói hoặc văn bản. Ví dụ như tính năng trả lời thông minh (Smart Reply) của Google với email.
Tuy nhiên trong tháng trước, Aspuru-Guzik và các đồng nghiệp của ông tại Đại học Harvard, Đại học Toronto và Đại học Cambridge đã chứng minh rằng deep learning có thể vượt ra ngoài những giới hạn của nó hiện tại.
Họ công bố kết quả nghiên cứu cho thấy deep learning có thể được áp dụng vào cả nghiên cứu khoa học tự nhiên.
Một mô hình deep learning đã được tạo ra, và các nhà khoa học đào tạo nó với 250.000 phân tử dạng thuốc. Sau đó, hệ thống này có thể tạo ra các cấu trúc phân tử mới bằng việc kết hợp những tính chất của các loại thuốc hiện có.
Không những vậy, nó còn có thể đưa ra dữ liệu về tính chất của loại phân tử mới, ví dụ như khả năng hòa tan hoặc nó có thể dễ dàng được tạo ra trong thực tế hay không.
Liệu trong tương lai, trí tuệ nhân tạo có thể thay thế vai trò của các nhà khoa học?
Vijay Pande, một Giáo sư Hóa học tại Đại học Stanford cho biết nghiên cứu mới này đã tiếp tục chứng tỏ cho chúng ta thấy:
Trí tuệ nhân tạo sẽ thay đổi cả lĩnh vực nghiên cứu khoa học tự nhiên. Nó gợi ý rằng một phần mềm deep learning có thể lấy kiến thức hóa học làm đầu vào.
Điều này chắc chắn sẽ giúp ích rất nhiều cho các nhà khoa học. “Tôi nghĩ rằng nó có thể được áp dụng rộng rãi", Giáo sư Pande cho biết.
“Nó có thể giữ vai trò trong việc tìm kiếm và tối ưu hóa các loại thuốc tiềm năng, hoặc trong nhiều lĩnh vực khác như năng lượng mặt trời hoặc nghiên cứu chất xúc tác”.
Thật vậy, ngay lúc này, các nhà nghiên cứu đã tiếp tục thử nghiệm hệ thống trí tuệ nhân tạo này trên một cơ sở dữ liệu mới trong ngành khoa học vật liệu. Họ đào tạo nó với những phân tử LED hữu cơ, thứ mà tạo nên những màn hình cong trên các thiết bị điện tử.
Mặc dù tiềm năng là rất lớn, các nhà nghiên cứu sẽ phải tiếp tục cải thiện hệ thống của họ. Nó phải được đào tạo để nâng cao những kỹ năng hóa học, bởi một số cấu trúc phân tử mà hệ thống tạo ra được các nhà khoa học đánh giá là vô nghĩa.
Pande nói rằng một thách thức để làm cho những phần mềm có thể học được kiến thức hóa học là phải có một nguồn dữ liệu đầu vào tốt. Đây có thể là điều mà nhóm nghiên cứu chưa thực hiện được.
Hình ảnh, lời nói, văn bản đã được chứng minh là nguồn dữ liệu hoàn hảo cho các hệ thống trí tuệ nhân tạo. Vì vậy mà những phần mềm ngày nay đã có thể nhận dạng được hình ảnh, giọng nói và dịch quá tốt những văn bản ra các ngôn ngữ khác nhau.
Tuy nhiên, khi làm việc với những cấu trúc hóa học, chúng chưa thể hiện được đúng khả năng của mình.
Giáo sư Aspuru-Guzik từ Đại học Harvard
Aspuru-Guzik và các đồng nghiệp của ông cũng đang suy nghĩ về điều đó. Họ tiếp tục phải nghiên cứu thêm những tính năng để giảm tỉ lệ sai sót của hệ thống trí tuệ nhân tạo này.
Aspuru-Guzik cũng hi vọng rằng có thể đưa vào hệ thống của ông nhiều dữ liệu hơn, cải thiện kiến thức hóa học của nó. Điều này tương tự như tính năng nhận dạng hình ảnh phải được xây dựng trên một cơ sở dữ liệu với hàng triệu bức ảnh.
Bây giờ, khi nhìn vào lĩnh vực khoa học tự nhiên, Aspuru-Guzik đã thấy khoảng 100 triệu công bố nghiên cứu liên quan đến cấu trúc hóa học. Tất cả chúng đang được lưu trữ bởi Hiệp hội Hóa học Hoa Kỳ.
Trong tương lai, ông hi vọng có thể đưa tất cả những dữ liệu này vào một phiên bản chương trình trí tuệ nhân tạo của mình. Nếu Aspuru-Guzik thành công, chúng ta khó có thể tưởng tượng ra "người trợ lí" của ông có thể thực hiện được những gì.
Tham khảo Technologyreview