Điện toán khoa học trong thời đại AI tác nhân

Điện toán khoa học là một trụ cột cốt lõi của nghiên cứu hiện đại trong cả giới học thuật lẫn ngành công nghiệp. Tuy nhiên, phần mềm cần thiết để phân tích thông tin khoa học vẫn chật vật theo kịp tốc độ tạo dữ liệu nhanh chóng. Nhiều công cụ nghiên cứu được sử dụng rộng rãi ban đầu chỉ là mã nguồn đi kèm một bài báo, do các nhóm học thuật nhỏ xây dựng với kinh nghiệm kỹ thuật hạn chế và rất ít thời gian để đóng gói, kiểm thử, tối ưu hóa hay hỗ trợ lâu dài. Kết quả là hạ tầng khoa học thường phụ thuộc vào những quy trình chậm, mong manh và cần bảo trì liên tục. Những hạn chế này làm chậm tiến độ khám phá.

Các tác nhân AI đang bắt đầu thay đổi cục diện đó. Bằng cách giảm chi phí kỹ thuật và đảm nhận các công việc triển khai tẻ nhạt, chúng có thể giúp nhà nghiên cứu tạo nguyên mẫu ý tưởng nhanh hơn, theo đuổi những dự án trước đây không khả thi và bảo trì phần mềm lâu dài dễ dàng hơn. Nhờ đó, phần mềm khoa học trở nên hiệu quả hơn và được bảo trì tốt hơn, giúp các nhà nghiên cứu dành thêm thời gian cho khám phá.

Chúng tôi công bố một báo cáo thực địa mang tính thăm dò về tám dự án điện toán khoa học có tác nhân hỗ trợ, chủ yếu trong khoa học sự sống; năm dự án chỉ dùng Codex và ba dự án kết hợp Codex với Claude Code. Báo cáo tập hợp các nghiên cứu điển hình do đội ngũ đứng sau từng dự án biên soạn và xác định những chủ đề lặp lại. Các dự án trải rộng từ bảo trì thường lệ và tối ưu hóa có mục tiêu đến chuyển đổi ngôn ngữ quy mô lớn và thiết kế lại theo hướng ưu tiên GPU. Theo những người đóng góp, các tác nhân đã đẩy nhanh đáng kể việc phát triển và bảo trì phần mềm; trong một số trường hợp, chúng giúp các nhóm nhỏ đảm nhận công việc vốn cần nhiều thời gian hơn hẳn hoặc sự hỗ trợ kỹ thuật chuyên biệt. Tuy nhiên, họ cũng nhấn mạnh thách thức dai dẳng trong việc xác lập trách nhiệm rõ ràng và vai trò quản trị lâu dài đối với các công cụ tạo ra.

Những người đóng góp đều mô tả vai trò của nhà nghiên cứu đang chuyển từ triển khai sang xác minh và điều phối: nêu rõ cần xây dựng gì, xác định cách đo độ chính xác và quyết định khi nào dự án sẵn sàng phát hành. Trong mô hình mới nổi này, các nhà nghiên cứu vẫn kiểm soát định hướng khoa học và tiêu chuẩn chất lượng, nhưng được sự hỗ trợ của tác nhân giúp tăng tốc độ

Dù có phạm vi rất khác nhau, các dự án cho thấy tác nhân lập trình đang giúp nhân lực và chuyên môn kỹ thuật bớt trở thành rào cản trong điện toán khoa học. Giờ đây, điểm nghẽn nằm ở việc xác thực đầu ra của tác nhân AI, điều vẫn phụ thuộc vào phán đoán của con người.

Trong các nghiên cứu điển hình, tác nhân xử lý hiệu quả những yêu cầu cụ thể, có phạm vi rõ ràng nhưng không thể đánh giá đáng tin cậy liệu công việc của mình có hợp lệ về mặt khoa học hoặc đáp ứng kỳ vọng hay không. Thật vậy, tác nhân thường tỏ ra tự tin ngay cả khi công việc chứa những lỗi rõ ràng. Vì vậy, người đánh giá phải tìm ra những cách đáng tin cậy để xác thực kết quả. Những phương pháp hiệu quả nhất sử dụng tài liệu tham chiếu bên ngoài hoặc mục tiêu nghiệm thu có thể đo lường, chẳng hạn đầu ra khớp chính xác, tương đương với công cụ hiện có, có đặc tính thống kê phù hợp hoặc cho kết quả đã được xác lập trước bằng dữ liệu mô phỏng.

Một chủ đề lặp lại khác là các dự án thường tiến hành theo từng giai đoạn, lặp lại dựa trên phản hồi thay vì áp dụng cách tiếp cận một mẫu. Những người đóng góp chia mục tiêu lớn thành các thay đổi nhỏ hơn, rồi dùng điểm chuẩn trung gian và hệ thống kiểm thử để đánh giá, tinh chỉnh công việc của tác nhân. Tác nhân thường nhanh chóng tạo ra bản triển khai ban đầu, nhưng việc xử lý các trường hợp biên và khác biệt số học tinh vi mất nhiều thời gian hơn hẳn. Hoàn tất “chặng cuối” của một bản triển khai thường đòi hỏi nhiều công sức nhất.

Nhìn chung, các nghiên cứu điển hình này cho thấy tác nhân giúp nhà nghiên cứu dành ít thời gian hơn cho triển khai và nhiều thời gian hơn để định hướng công việc khoa học. Con người xác định mục tiêu, chia dự án phức tạp thành những phần dễ quản lý và đánh giá xem kết quả có hợp lệ về mặt khoa học hay không. Bằng cách tháo gỡ những hạn chế kỹ thuật lâu năm, tác nhân mở rộng khả năng xây dựng của nhà nghiên cứu, đồng thời giúp họ tập trung vào các câu hỏi và quyết định khoa học quan trọng nhất.

Khoảng trống bảo trì trong phần mềm nghiên cứu từ lâu đã làm chậm các vòng lặp và hạn chế khả năng tái lập cũng như độ tin cậy. Các nghiên cứu đã công bố về “mã nguồn nghiên cứu⁠(mở trong cửa sổ mới)” và công cụ omics⁠(mở trong cửa sổ mới) cho thấy phần mềm được công bố thường không cài đặt đúng trong môi trường điện toán mới hoặc không chạy như tài liệu mô tả, khiến nhà nghiên cứu phải dành nhiều thời gian để cấu hình và gỡ lỗi. Ngay cả những cải tiến thường lệ cũng có thể tiết kiệm thời gian cho nhà nghiên cứu và giảm nhu cầu điện toán, còn việc tái cấu trúc và viết lại để cải thiện hiệu năng có thể mang lại lợi ích lớn hơn.

Tuy nhiên, chi phí triển khai thấp hơn cũng khiến việc tạo ra nhiều bản viết lại tương tự trở nên dễ dàng, làm phân mảnh người dùng và phân tán sự quan tâm chuyên môn cần thiết để duy trì độ tin cậy của từng công cụ. Vì vậy, quản trị lâu dài và ghi nhận đóng góp là những yếu tố thiết yếu. Phần mềm khoa học trưởng thành chứa đựng những quy ước không được ghi lại, yêu cầu tương thích và niềm tin của người dùng mà chỉ chuyển đổi mã nguồn không thể tái tạo.

Các nghiên cứu điển hình minh họa một số hướng đi khả thi. Các thay đổi đối với MHCflurry và cyvcf2 đã được tích hợp vào dự án gốc tương ứng, còn rustar-aligner được chuyển sang cho cộng đồng mới quản trị vì dự án ban đầu đã bị bỏ dở. Nếu có thể phối hợp với những người bảo trì hiện tại, việc đó nên bắt đầu càng sớm càng tốt. Khi cần một bản triển khai riêng, bản đó phải có chủ sở hữu rõ ràng và kế hoạch bảo trì đáng tin cậy. Nếu không, bản viết lại hiện đại hôm nay có thể trở thành mã nguồn bị bỏ rơi ngày mai, thay vì hạ tầng khoa học đáng tin cậy.

Báo cáo thực địa này mang tính hồi cứu và thăm dò, nhưng các nghiên cứu điển hình cho thấy một thay đổi thiết thực trong cách phát triển phần mềm khoa học. Các tác nhân lập trình như Codex có thể giảm đáng kể chi phí bảo trì, chuyển đổi, tối ưu hóa và triển khai mới. Giá trị khoa học lâu dài của chúng vẫn phụ thuộc vào quyết định của con người về việc xây dựng gì, xác minh ra sao và ai sẽ bảo trì. Thay đổi sâu sắc hơn không chỉ là nhà nghiên cứu có thể tạo ra nhiều phần mềm hơn, mà còn là họ có thể tập trung nhiều công sức hơn vào việc xác định, xác thực và quản trị các công cụ.

Các nghiên cứu điển hình này cho thấy tác nhân đã có thể đẩy nhanh tốc độ lặp trong điện toán khoa học. Khi các tác nhân lập trình tiếp tục tiến bộ, nhà nghiên cứu sẽ có thể dành ít thời gian hơn để duy trì hoạt động của quy trình phân tích và nhiều thời gian hơn để thúc đẩy lĩnh vực của mình.