Một nửa giải Nobel Hóa học năm 2024 được trao cho David Baker（David Baker），“nhằm ghi nhận những đóng góp trong thiết kế protein bằng tính toán”；nửa còn lại được trao chung cho Demis Hassabis（Demis Hassabis）và John M. Jumper（John M. Jumper），“để ghi nhận thành tựu của họ trong dự đoán cấu trúc protein”.
David Baker là giám đốc Viện Thiết kế Protein thuộc Đại học Washington, được ca ngợi là người tiên phong trong lĩnh vực thiết kế protein. Từ năm 2003, ông đã thiết kế thành công nhiều protein sáng tạo hoàn toàn mới như Top7, được ứng dụng rộng rãi trong các lĩnh vực thuốc, vắc-xin, vật liệu nano, cảm biến siêu nhỏ và nhiều lĩnh vực khác. Đồng thời, ngay từ năm 1999, ông đã đề xuất thuật toán dự đoán cấu trúc protein RoseTTA, sớm hơn AlphaFold của Deepmind.
Hai người đoạt giải còn lại càng quen thuộc hơn. Demis Hassabis là đồng sáng lập kiêm CEO của Google DeepMind, John M. Jumper hiện là giám đốc tại Google DeepMind.Hai người đã lãnh đạo nhóm phát triển mô hình AI AlphaFold 2, giải quyết bài toán làm đau đầu giới khoa học suốt 50 năm: dự đoán cấu trúc phức tạp của protein từ trình tự axit amin.
Protein là công cụ hóa học nền tảng của sự sống, kiểm soát và thúc đẩy mọi phản ứng sinh hóa, giữ vai trò then chốt làm hormone, chất truyền tín hiệu, kháng thể và xây dựng mô. Trong protein, các axit amin nối với nhau thành chuỗi dài và gấp lại thành cấu trúc ba chiều. Từ thập niên 70 của thế kỷ trước, các nhà nghiên cứu đã cố gắng dự đoán cấu trúc protein dựa trên trình tự axit amin, nhưng tiến triển chậm chạp, mãi đến bước đột phá đáng kinh ngạc do DeepMind mang lại bốn năm trước.
Năm 2020, Demis Hassabis và John Jumper đã phát triển AlphaFold 2 dựa trên AlphaFold thế hệ đầu. Nó có thể dự đoán cấu trúc của gần như toàn bộ 2 trăm triệu protein mà các nhà nghiên cứu đã xác định, đến nay đã được trích dẫn hơn 2 chục nghìn lần, được hơn 200 triệu người từ 190 quốc gia sử dụng, thúc đẩy những bước tiến to lớn trong các lĩnh vực như vắc-xin sốt rét, điều trị ung thư, thiết kế enzyme và nghiên cứu tình trạng kháng kháng sinh. Thực tế, trước giải Nobel, năm ngoái hai người đã nhận Giải thưởng Đột phá về Khoa học Sự sống, vốn được mệnh danh là “Oscar của giới khoa học”, và Giải thưởng Lasker, được coi là “chỉ dấu cho giải Nobel”, nhằm ghi nhận những đóng góp nổi bật của họ cho nghiên cứu y học cơ bản.
Viện Hàn lâm Khoa học Hoàng gia Thụy Điển nêu trong tuyên bố，“Không có protein thì sự sống không thể tồn tại. Ngày nay, chúng ta có thể dự đoán cấu trúc protein và thiết kế protein của riêng mình, điều này mang lại lợi ích to lớn cho nhân loại.”
Sau khi biết tin đoạt giải, tài khoản chính thức của Google DeepMind lập tức đăng bài “báo tin vui”.
Demis Hassabis cũng đưa ra tuyên bố rằng:
“Được nhận giải Nobel là vinh dự của cả cuộc đời tôi. Xin cảm ơn Viện Hàn lâm Khoa học Hoàng gia Thụy Điển, cảm ơn John Jumper và nhóm AlphaFold, cảm ơn các nhóm rộng lớn hơn tại DeepMind và Google, cùng tất cả đồng nghiệp đã góp phần tạo nên khoảnh khắc này. Tôi dành sự nghiệp của mình cho sự tiến bộ của AI, bởi nó có tiềm năng vô song trong việc cải thiện cuộc sống của hàng tỷ người. AlphaFold đã được hơn 200 vạn nhà nghiên cứu sử dụng để thúc đẩy những công việc then chốt, từ thiết kế enzyme đến khám phá thuốc. Tôi hy vọng trong tương lai, chúng ta có thể xem AlphaFold là minh chứng thực tế đầu tiên cho tiềm năng to lớn của AI trong việc đẩy nhanh các khám phá khoa học.”
John Jumper liền bày tỏ：“Đây là một minh chứng quan trọng cho thấy AI có thể đẩy nhanh nghiên cứu khoa học và cuối cùng giúp hiểu về bệnh tật cũng như phát triển các phương pháp điều trị. Công trình này có được nhờ đội ngũ xuất sắc của Google DeepMind, giải thưởng này cũng ghi nhận những đóng góp nổi bật của họ.”
Đến đây, tính cả Geoffrey E. Hinton, “cha đỡ đầu AI” đã nhận giải Vật lý trước đó và làm dấy lên nhiều bàn luận, có thể thấy rõ điểm chung đằng sau những người đoạt giải được chú ý nhất năm nay——Hinton là nhân vật cốt lõi của Google Brain, nơi mang tham vọng AI thuở đầu của Google, còn Demis Hassabis là linh hồn của Google Deepmind, nơi đảm nhiệm các nhiệm vụ nghiên cứu AI của Google trong những năm gần đây.
Thảo nào ngay cả “tiệc Nobel” cũng được tổ chức ngay tại khuôn viên Google。
Đằng sau việc giải Nobel liên tiếp được trao cho các nhà khoa học AI, Google cũng “thắng đậm”.
Cuộc tấn công của Google
Xét theo dòng thời gian, Google chắc chắn là doanh nghiệp lớn tham gia lĩnh vực trí tuệ nhân tạo sớm nhất.
Dù nhiều phiên bản câu chuyện đều mô tả cuộc đấu giá bí mật diễn ra vào mùa đông năm 2012 tại một khách sạn sòng bạc bên hồ Tahoe, Mỹ là cuộc cạnh tranh công bằng giữa ba ông lớn công nghệ Google, Microsoft, Baidu cùng DeepMind để giành DNNResearch—công ty nhỏ Hinton vừa thành lập, ngoài vài bài báo khoa học thì chưa có sản phẩm thực chất nào. Nhưng nhìn lại sau đó, kết cục cuộc đấu giá này thực ra đã được định đoạt từ lâu. Bởi một trong những nguồn cơn của nó chính là sự thúc đẩy từ Google trước đó 6 tháng.
Tháng 6 năm 2012, Google Brain công khai khởi động dự án “Mèo Google（The Cat Neurons）”, dùng thuật toán nhận diện mèo trong video YouTube. Dự án do Ngô Ân Đạt lãnh đạo, có Jeff Dean tham gia và nhận được sự ủng hộ mạnh mẽ từ Larry Page, nhà sáng lập công ty.
Dự án đã xây dựng một mạng nơ-ron lớn với 10 trăm triệu kết nối, sử dụng 1000 vạn đoạn video chưa gán nhãn từ YouTube để huấn luyện trên 16,000 CPU. Thông qua học không giám sát, hệ thống đã tự học thành công cách nhận diện mặt mèo, đạt độ chính xác 74.8%, đồng thời có thể nhận diện khuôn mặt người và các đối tượng khác.
Tuy nhiên, vào giai đoạn cuối của dự án, Ngô Ân Đạt đã chọn rút lui khi đang trên đà thành công, và trước khi rời đi đã tiến cử người thầy của mình là Hinton với Google để tiếp quản công việc. Hinton cho biết ông sẽ không rời trường đại học, chỉ sẵn lòng đến Google “ở một mùa hè”. Cứ như vậy, ông trở thành thực tập sinh lớn tuổi nhất trong lịch sử Google.
Là một chuyên gia hàng đầu trong lĩnh vực học sâu, Hinton nhanh chóng nhận ra khuyết điểm của dự án, chỉ ra rằng mèo Google “đã chạy sai mạng nơ-ron và sử dụng sai năng lực tính toán.” Vì vậy, ngay sau khi kết thúc “kỳ thực tập” ngắn ngủi, Hinton lập tức tập hợp các học trò Ilya Sutskever và Alex Krizhevsky thành một nhóm, phát triển kiến trúc mạng nơ-ron mới AlexNet. Họ mang thành quả được huấn luyện chỉ bằng 4 GPU NVIDIA tham gia cuộc thi nhận dạng hình ảnh ImageNet năm 2012, cuối cùng giành chiến thắng mang tính đột phá với độ chính xác 84%.
Tháng 10 cùng năm, nhóm của Hinton chính thức giới thiệu thuật toán vô địch AlexNet tại hội nghị thị giác máy tính ở Florence. Một nhóm học thuật đã lội ngược dòng đánh bại Google dù có sự chênh lệch rất lớn về phần cứng và nguồn lực nghiên cứu phát triển, gây chấn động toàn bộ giới học thuật và công nghiệp. Bài báo về AlexNet cũng trở thành một trong những bài báo có ảnh hưởng nhất trong lịch sử khoa học máy tính, với hơn 12 vạn lượt trích dẫn.
Tiếp đó, công ty DNNResearch của ba người được đăng ký thành lập. Diễn biến đấu giá sau đó càng trở nên thuận lý thành chương; khi mức giá được nâng lên 4400 vạn đô la Mỹ, Hinton cho dừng cuộc đấu giá và chính thức gia nhập Google cùng hai học trò, đảm nhiệm vai trò phó chủ tịch và nghiên cứu viên kỹ thuật tại Google Brain.
Khi ấy, Hinton viết trong một tuyên bố：“Tôi sẽ tiếp tục giảng dạy bán thời gian tại Đại học Toronto, nhưng ở Google, tôi có thể thấy cách chúng tôi xử lý tính toán ở quy mô cực lớn.”
Trong mười năm làm việc tại Google kéo dài đến tháng 5 năm 2023, Hinton tiếp tục tham gia nghiên cứu mạng nơ-ron nhân tạo quy mô lớn, có những đóng góp nền tảng cho công nghệ cốt lõi của các hệ thống AI hiện đại như Bard và ChatGPT. Ông cũng tham gia phát triển thư viện phần mềm học máy mã nguồn mở TensorFlow, thúc đẩy việc nâng cao năng lực của các ứng dụng AI như nhận dạng hình ảnh và hiểu ngôn ngữ, đồng thời đưa công nghệ học sâu vào ứng dụng rộng rãi trong các sản phẩm và dịch vụ của Google.
Google chưa bao giờ chậm lại trong việc quy tụ nhân tài và công nghệ. Chỉ hai năm sau khi mua lại DNNResearch, Google cũng thâu tóm DeepMind do Hassabis sáng lập, một trong những đối thủ từng tham gia đấu giá năm đó.
Theo thông tin được biết, khi đó Google còn thuê riêng một máy bay tư nhân đưa Hinton đến London để ”kiểm hàng“, đồng thời cải tạo riêng ghế ngồi để giải quyết việc ông không thể đi máy bay vì đau lưng. Còn Facebook, lúc ấy bị Google vượt mặt, sau khi bỏ lỡ DeepMind đã chuyển sang chiêu mộ Yann LeCun, một trong “ba cây đại thụ của học sâu”, với mức đãi ngộ cao.
Câu chuyện về Deepmind
Về phía DeepMind, thực ra trước khi được Google mua lại, DeepMind đã gặp khó khăn tài chính, công ty liên tục đốt tiền nhưng vẫn chưa tìm được mô hình kinh doanh bền vững, thậm chí đứng bên bờ vực phá sản.
Thương vụ mua lại trị giá 6 trăm triệu đô la Mỹ của Google đã cứu DeepMind, không chỉ giữ lại đội ngũ kỹ thuật nòng cốt mà còn cung cấp tài nguyên tính toán mạnh mẽ, bao gồm hỗ trợ từ nền tảng điện toán đám mây và trung tâm dữ liệu. Nhờ vậy, DeepMind có thể tận dụng năng lực tính toán mạnh hơn để huấn luyện mạng nơ-ron sâu, đặc biệt trong quá trình phát triển AlphaGo, giúp tăng đáng kể tốc độ tính toán và độ chính xác của mô hình. Ngoài ra, Google còn cung cấp TPU (bộ xử lý tensor) được thiết kế chuyên biệt, tiếp tục tối ưu hóa hiệu suất huấn luyện và suy luận của mô hình học sâu; công cụ nền tảng AI TensorFlow cũng được ứng dụng rộng rãi trong nghiên cứu của DeepMind, góp phần nâng cao hiệu năng của AlphaGo.
AlphaGo là chương trình trí tuệ nhân tạo chơi cờ vây do nhóm DeepMind phát triển. Thông qua phân tích hàng triệu kỳ phổ và học tăng cường bằng cách tự đấu với chính mình, nó đã nắm vững các chiến thuật cờ vây phức tạp, có thể vượt qua những kỳ thủ cờ vây hàng đầu của con người. Năm 2016, AlphaGo giành chiến thắng với tỷ số 4 so với 1 trong trận đấu với nhà vô địch cờ vây thế giới Lee Sedol, từ đó nổi danh chỉ sau một trận, gây chấn động toàn cầu.
Tuy nhiên, trong mắt Hassabis, việc kiểm chứng tiềm năng giải quyết các vấn đề phức tạp của AI thông qua trò chơi bàn cờ chỉ là khởi đầu. Điều quan trọng hơn là dùng nó để dẫn dắt các hệ thống học tổng quát ứng phó với những thách thức của thế giới thực, qua đó thực sự cải thiện cuộc sống con người, đổi mới các ngành và thúc đẩy khoa học phát triển.
Vì vậy, chỉ trong vài tháng, DeepMind đã nhanh chóng tuyển dụng các nhà sinh học, thành lập một nhóm liên ngành tập trung giải quyết bài toán gấp cuộn protein, cuối cùng dẫn đến sự ra đời của dự án AlphaFold vào năm 2018. Qua nhiều lần cải tiến, AlphaFold đã thay đổi hoàn toàn nghiên cứu sinh học nhờ khả năng dự đoán cấu trúc protein mang tính đột phá, cho thấy triển vọng ứng dụng mạnh mẽ của AI trong lĩnh vực khoa học.
Ngay trong tháng 5 năm nay, Google Deepmind lại chính thức công bố cùng Isomorphic Labs ra mắt mô hình dự đoán protein thế hệ mới AlphaFold 3, bài báo liên quan cũng lập tức được đăng trên tạp chí 《Nature》.
So với phiên bản trước, AlphaFold 3 không chỉ đạt tiến bộ trong dự đoán sự gấp cuộn protein, mà còn lần đầu tiên dự đoán với độ chính xác cao cấu trúc và tương tác giữa các phân tử sinh học như protein, DNA, RNA và phối tử. Bước đột phá này giúp các nhà khoa học hiểu sâu hơn về cơ chế bệnh tật và các quá trình sống, đồng thời giảm đáng kể thời gian và chi phí nghiên cứu phát triển. Dù là phát triển vật liệu tái tạo, hay đẩy nhanh thiết kế thuốc và nghiên cứu hệ gen, AlphaFold 3 đều mở ra phạm vi ứng dụng rộng hơn cho lĩnh vực phân tử sinh học.
Không chỉ vậy, nhóm còn dựa trên AlphaFold 3 để ra mắt một nền tảng miễn phí có tên AlphaFold Server, phục vụ nghiên cứu phi thương mại của các nhà khoa học trên toàn thế giới, qua đó tiếp tục mở rộng cơ hội tiếp cận khám phá khoa học.
Thông qua DeepMind, Google không ngừng thu hút những nhân tài nghiên cứu hàng đầu thế giới và cung cấp nguồn tài trợ dài hạn, giúp họ tập trung vào nghiên cứu đột phá mà không phải phụ thuộc vào lợi nhuận thương mại ngắn hạn. Google còn trao cho DeepMind quyền tự chủ chiến lược cao, cho phép công ty tự do lựa chọn hướng nghiên cứu. Chính sự độc lập và hỗ trợ lâu dài này đã đặt nền tảng vững chắc cho DeepMind tiến hành những nghiên cứu đón đầu tương lai.
Ngoài những đột phá trong lĩnh vực trò chơi và sinh học, DeepMind còn phát triển WaveNet, mô hình tổng hợp giọng nói chân thực dùng cho Google Assistant, giúp cải thiện trải nghiệm tương tác bằng giọng nói. Thông qua mô hình thị giác-ngôn ngữ-hành động RT-2, họ nâng cao khả năng thực hiện nhiệm vụ của robot trong nhiều môi trường khác nhau. Nghiên cứu của họ còn đề cập đến những vấn đề phức tạp như dự báo thời tiết, lò phản ứng nhiệt hạch, đồng thời thúc đẩy sự phát triển hơn nữa của các thuật toán máy tính qua những dự án như AlphaCode và AlphaDev.
“Vốn liếng” của Google vẫn rất dày
Trong cuộc cạnh tranh trí tuệ nhân tạo ngày nay, sự trỗi dậy nhanh chóng của những công ty nổi bật như OpenAI và Anthropic, cùng sự “áp đảo” của ChatGPT, Claude trước Gemini, từng khiến mọi người hoài nghi về chiến lược AI của Google. Đặc biệt trong quá trình thương mại hóa sản phẩm AI tạo sinh và công cụ dành cho nhà phát triển, tốc độ phát triển nhanh của những công ty như OpenAI tạo nên sự tương phản rõ rệt với bước tiến tương đối chậm của Google.
Tuy nhiên, hai giải Nobel trước mắt dường như đang nhắc chúng ta rằng nền tảng nghiên cứu khoa học sâu dày và vốn tích lũy công nghệ của Google vẫn là lợi thế mà các công ty khác khó tái tạo.
Trước năm 2006, tình hình học sâu có thể được khái quát bằng câu nói nổi tiếng của Nam tước Kelvin：“Tòa nhà học sâu về cơ bản đã được xây dựng xong, chỉ có ba đám mây đen nhỏ đang lơ lửng dưới bầu trời nắng rực rỡ.”
Ba đám mây đen nhỏ này lần lượt là thuật toán, năng lực tính toán và dữ liệu.
Google lại có lợi thế rõ rệt trong chính những lĩnh vực then chốt này. Trước hết, hãng nắm giữ nguồn tài nguyên dữ liệu khổng lồ hàng đầu thế giới. Thông qua các nền tảng như YouTube, Google Scholar và Google Search, Google cung cấp dữ liệu huấn luyện phong phú, đa dạng cho các mô hình AI về thị giác, nhận dạng giọng nói và xử lý ngôn ngữ tự nhiên.
Thứ hai, Google có ưu thế rõ rệt về tài nguyên tính toán. Phần cứng TPU do hãng tự phát triển giúp tăng đáng kể tốc độ huấn luyện các mô hình học sâu, Google Cloud không chỉ cung cấp năng lực tính toán mạnh mẽ cho nghiên cứu nội bộ mà còn cung cấp công cụ cho các nhà phát triển trên toàn thế giới, giúp họ nhanh chóng xây dựng và triển khai các ứng dụng AI phức tạp.
Trong lĩnh vực nghiên cứu và phát triển thuật toán, Google cũng ở vị trí tiên phong trong ngành. Kiến trúc Transformer ra đời từ nhóm Google Brain đã đặt nền móng cho xử lý ngôn ngữ tự nhiên hiện đại, thúc đẩy sự phát triển của gần như tất cả mô hình AI tiên tiến ngày nay. Những công nghệ này không chỉ thúc đẩy tiến bộ học thuật mà còn được ứng dụng rộng rãi trong các sản phẩm cốt lõi của Google.
Năm 2024, lĩnh vực AI vẫn đối mặt với các thách thức về thuật toán, năng lực tính toán và dữ liệu。Mặc dù nhiều công ty cũng có những đột phá riêng trong một số lĩnh vực, nhưng xét tương quan, có vẻ Google vẫn là bên đồng thời có lợi thế ở cả ba mặt và liên tục kết hợp chúng một cách hiệu quả。
Trong cuộc cạnh tranh với OpenAI, Microsoft và các công ty khác, “vốn liếng” của Google vẫn dày dặn, và họ cũng chưa bị đánh bại trong cuộc đua AI. Tiềm năng của trí tuệ nhân tạo còn lâu mới được khai thác hết; trong cuộc chạy đường dài này, có lẽ chiều sâu và bề rộng của đổi mới công nghệ mới quyết định người chiến thắng cuối cùng.
