Tăng số lượng, giảm chất lượng
Ngành công nghiệp AI đang quảng cáo rầm rộ các sản phẩm mô hình ngôn ngữ lớn (LLM) cho giới khoa học như một công cụ thần kỳ để tăng năng suất.
Nếu chúng ta định nghĩa "năng suất" chỉ đơn thuần là số lượng bài báo được xuất bản, thì rõ ràng các sản phẩm AI đã làm được điều đó, nếu không muốn nói là làm rất tốt. Lượng bài báo do AI xào nấu nhiều đến mức các kho lưu trữ trực tuyến (trang đăng bài nghiên cứu trước khi xuất bản chính thức) như SocArXiv và PsyArXiv đã phải tạm dừng nhận bài viết bằng AI hoặc phải nhanh chóng cập nhật chính sách duyệt bài.
Hệ thống lưu trữ arXiv thông báo họ từ chối các bài luận trình bày quan điểm (position papers) trong ngành khoa học máy tính - loại bài mà AI có thể tự động sản xuất hàng loạt dễ dàng. Thậm chí, Viện Y tế Quốc gia Mỹ (NIH) đã phải ra quy định mới để siết lại số lượng, giới hạn mỗi nhà nghiên cứu chính (PI-phụ trách nhóm) chỉ được phép nộp tối đa 6 đề xuất xin tài trợ mỗi năm.
Những bí quyết nghề nghiệp quan trọng nhất chỉ có thể truyền lại qua con đường cầm tay chỉ việc rồi tự mình bắt tay vào làm. Ảnh: Julia Koblitz / Unsplash
Bên cạnh việc tăng năng suất, có những bằng chứng cho thấy các nhà khoa học dùng AI thường có số lượng trích dẫn nhiều hơn và nhờ năng suất và trích dẫn cao sẽ dễ thăng tiến lên vị trí trưởng nhóm nghiên cứu nhanh hơn những người không dùng. Cụ thể, những người dùng AI trong nghiên cứu trung bình công bố nhiều bài hơn 3 lần, nhận nhiều trích dẫn hơn gần 5 lần, và trở thành người dẫn dắt nhóm nghiên cứu sớm hơn khoảng 1,37 năm so với người không dùng AI.
Tuy nhiên, những lợi ích nghề nghiệp mà AI mang đến lại chủ yếu chỉ hiện lên rõ ràng qua các con số bề nổi, chẳng hạn như số lượng bài báo hay số lượt trích dẫn. Những con số này không thể chứng minh được là người ta thăng tiến nhờ đóng góp thực sự cho khoa học, hay vì họ đang chạy theo một lĩnh vực đang hot. Vì vậy, nếu chỉ nhìn vào số liệu rồi phấn khởi cho rằng khoa học đang phát triển thì sẽ là một sai lầm lớn, trừ khi chúng ta nhìn kỹ lại xem chất lượng của những nghiên cứu này thực sự ra sao.
"Đẻ" ra rác AI
Ngày càng có nhiều nghiên cứu cho thấy việc dùng AI để "đẻ" ra nhiều bài báo hơn dẫn đến sự xuất hiện của rác AI trong các tài liệu khoa học - như những hình ảnh minh họa vô nghĩa do AI vẽ ra, những tài liệu tham khảo bịa đặt.
Tạp chí Organization Science đã tiến hành kiểm tra toàn bộ 6.957 bài viết nộp về từ tháng 1 năm 2021 đến tháng 1 năm 2026. Kết quả cho thấy các bài viết có sự can thiệp của AI có chất lượng khoa học kém hơn (thể hiện qua tỷ lệ bài bị từ chối xuất bản rất cao).
Một nghiên cứu khác khảo sát hơn 264.000 bài báo từ một hội nghị về AI năm 2024 và ba kho lưu trữ trực tuyến lớn (arXiv, bioRxiv và SSRN) giai đoạn 2023-2024. Các nhà khoa học phát hiện đối với các bài báo dùng AI, những dòng văn trôi chảy không còn là thước đo chính xác cho chất lượng khoa học nữa (đo lường qua kết quả xuất bản và điểm số đánh giá từ các chuyên gia phản biện).
Nghiên cứu cho thấy, với những bài báo có "mùi AI", văn phong càng đao to búa lớn thì chất lượng khoa học lại càng tệ. AI rất giỏi tô vẽ cho câu chữ trông có vẻ "nguy hiểm", nhưng cái vỏ bóng bẩy đó không đi đôi với giá trị nghiên cứu thực tế; thậm chí, viết càng hoa mỹ bằng AI thì càng dễ bị đánh giá thấp.
Các nhà khoa học thâm niên ngày nay đang có nhiều lợi thế. Họ được đào tạo từ thời AI chưa phổ biến, nhờ đó họ có hàng chục năm kinh nghiệm thực. Trong ảnh, một nhà khoa học tại Phòng thí nghiệm Nghiên cứu Hệ gen Ung thư, thuộc Phân viện Dịch tễ học và Di truyền Ung thư (DCEG) của Viện Ung thư Quốc gia Mỹ. Ảnh: Viện Ung thư Quốc gia Mỹ/Unsplash
"Trông thì rất thuyết phục nhưng rỗng tuếch về mặt khoa học"
Các tác giả khảo sát 264.000 bài báo nói trên kết luận rằng điều này đang tạo ra "một mối nguy lớn cho toàn bộ nền khoa học, khi một làn sóng những nghiên cứu trông thì rất thuyết phục nhưng rỗng tuếch về mặt khoa học có thể tràn ngập và làm bão hòa các tài liệu nghiên cứu". Hiện tại, dù hầu hết các nhà khoa học đều cho rằng không được để tình trạng này tiếp diễn, chúng ta vẫn chưa có giải pháp nào thực sự rõ ràng để dọn dẹp và giảm thiểu ô nhiễm rác AI trong hệ sinh thái tri thức.
Các công cụ AI khi được cài cắm vào mọi ngóc ngách của quy trình nghiên cứu còn đang làm thu hẹp lại những vấn đề mà các nhà khoa học muốn tìm tòi, khám phá. AI thường gợi ý những đề tài xoay quanh các lĩnh vực đã có nhiều dữ liệu, dễ mô hình hóa, dễ cho AI xử lý.
Một phân tích trên 41,3 triệu bài báo nghiên cứu thuộc các ngành sinh học, y học, hóa học, vật lý, khoa học vật liệu và địa chất cho thấy việc sử dụng AI dường như đang "khiến các tác giả có xu hướng đi theo lối mòn, cùng khu trú lại vào một vài giải pháp giống nhau cho các vấn đề đã biết, thay vì tự mình sáng tạo ra những lối đi mới". AI rất có thể sẽ tạo ra những tác động tiêu cực dây chuyền, làm nghèo nàn đi toàn bộ hệ sinh thái tri thức của chúng ta.
Nguy cơ bị thui chột kỹ năng
Một sáng kiến đang được quan tâm gần đây là kế hoạch phát triển những "nhà khoa học AI" hoạt động bán tự động hoặc tự động hoàn toàn. Gần đây, nhiều nhà khoa học lẫn các tập đoàn công nghệ đã cổ súy hết lời các mô hình thử nghiệm của ý tưởng này. Các nhà phát triển đã trấn an dư luận rằng mục tiêu của họ "không phải là để AI thay thế con người, mà là để hỗ trợ và tăng tốc công việc của các nhà khoa học". Nói cách khác, những sản phẩm này vẫn sẽ được những nhà khoa học có chuyên môn giám sát, đó là những người sẽ định hướng và kiểm tra các kết quả mà AI trả về một cách có trách nhiệm.
Thế nhưng, nhiều người thắc mắc làm sao biết chắc nhà khoa học đó có đủ năng lực và chuyên môn để phân biệt được kết quả AI tạo ra là tốt hay tệ? Nhất là khi, rất nhiều công việc nhỏ nhặt cơ bản lại chính là bước khởi đầu quan trọng để các nhà khoa học trẻ vào nghề và rèn luyện - nay cũng đang bị AI thay thế.
Việc tự tay làm sạch dữ liệu thô giúp các nhà nghiên cứu trẻ cảm nhận được rõ ràng sự đa dạng và chất lượng của dữ liệu đó. Việc tự mình tìm kiếm, đọc và tóm tắt các tài liệu khoa học giúp họ hình dung được mảng nào đã quá đầy đủ, mảng nào còn nhiều dư địa để nghiên cứu.
Các nhà khoa học thâm niên ngày nay đang có nhiều lợi thế. Họ được đào tạo từ thời AI chưa phổ biến, nhờ đó họ có hàng chục năm kinh nghiệm thực tế - thứ mà các nghiên cứu viên trẻ bây giờ có thể sẽ khó có cơ hội tích lũy. Có thể một phần, hoặc thậm chí là toàn bộ những công việc tẻ nhạt, lặp đi lặp lại đó rốt cuộc không phải là con đường duy nhất để rèn nên một chuyên gia lão luyện như thế hệ đi trước. Thế nhưng, nếu cứ mặc định ngay từ đầu rằng ‘không làm cũng chẳng sao’ thì thực sự đó là một vấn đề lớn.
Hà Trang tổng hợp
---
Nguồn tham khảo:
The uncritical adoption of AI in science is alarming — we urgently need guard rails, Nature.
https://www.nature.com/articles/d41586-026-01557-x#ref-CR5
Artificial intelligence tools expand scientists’ impact but contract science’s focus, Nature.
https://www.nature.com/articles/s41586-025-09922-y
Scientific production in the era of large language models, Science
https://www.science.org/doi/10.1126/science.adw3000