AI Agent Làm Khoa Học: Không Bài Báo Nào Được Chấp Nhận, Cơn Sốt Blockchain Lặp Lại Lịch Sử

Zero. Đó là số bài báo khoa học do các tác nhân trí tuệ nhân tạo tự tạo ra được chấp nhận bởi các hội nghị AI hàng đầu thế giới. Một nghiên cứu đa tổ chức vừa công bố kết quả đánh giá các mô hình AI tiên tiến nhất trong nhiệm vụ nghiên cứu khoa học trọn gói. Kết quả phân tách rõ ràng hai lớp: AI thực hiện tốt các công việc cơ chế — viết mã, tổng hợp tài liệu, chạy thử nghiệm — nhưng không tạo ra được một phát hiện gốc nào đạt chuẩn hội nghị. Tôi không ngạc nhiên. Tôi đã thấy kịch bản này quá nhiều lần trong hai thập kỷ làm nghề. Mỗi chu kỳ công nghệ đều có một câu chuyện đẹp. Và mỗi câu chuyện đẹp đều có một mặt tối. Năm 2026, cơn sốt trí tuệ nhân tạo kết hợp chuỗi khối đang ở đỉnh. Nghiên cứu được thực hiện bởi nhiều tổ chức độc lập, sử dụng các mô hình AI tiên tiến nhất hiện có. Các tác nhân AI được giao nhiệm vụ tự đề xuất, thiết kế, thực hiện và viết báo cáo nghiên cứu khoa học. Sau đó, các bài báo này được gửi đến các hội nghị AI hàng đầu để đánh giá ẩn danh. Kết quả cho thấy: không có bài báo nào được chấp nhận. Hầu hết bị từ chối vì thiếu tính mới, thiếu chiều sâu phân tích và không có thí nghiệm đủ thuyết phục. Tại sao một nghiên cứu khoa học thuần túy lại xuất hiện trên các nguồn tin blockchain? Câu trả lời nằm ở dòng tiền. Các quỹ đầu tư mạo hiểm đang đổ hàng tỷ đô la vào các giao thức AI phi tập trung. Token AI đã trở thành một ngành công nghiệp riêng với vốn hóa hàng chục tỷ đô la. Bất kỳ tín hiệu nào từ giới học thuật cũng có thể là chất xúc tác cho thị trường. Và tín hiệu lần này là một cú sốc. Trong quá trình điều tra các dự án AI kết hợp chuỗi khối, tôi nhận ra một mô hình lặp lại: hầu hết các dự án đều không có sản phẩm khả thi, chỉ có bộ hồ sơ kêu gọi vốn và token. Nghiên cứu này cung cấp cho tôi một lăng kính kỹ thuật để nhìn xuyên qua những lời hứa. Trước tiên, hãy phân tích kỹ thuật. Nghiên cứu phân chia năng lực AI thành hai tầng: tầng thực thi và tầng nhận thức. Tầng thực thi — viết mã, đọc tài liệu, xử lý dữ liệu, chạy mô phỏng — AI đạt mức tương đương trợ lý nghiên cứu có kinh nghiệm. Nhưng tầng nhận thức — đặt câu hỏi đúng, đề xuất giả thuyết mới, nhận ra điều bất thường có ý nghĩa — AI hoàn toàn trống rỗng. Điều này không mới với những người làm kỹ thuật. Mô hình ngôn ngữ lớn là cỗ máy ghi nhớ và tái tổ hợp mẫu. Chúng không có "trực giác khoa học". Khi một tác nhân AI viết ra một đề xuất nghiên cứu, nó đang tổng hợp từ hàng triệu bài báo đã học. Nó không thực sự "hiểu" tại sao một phương pháp hoạt động. Nó chỉ biết rằng phương pháp đó thường được sử dụng trong các ngữ cảnh tương tự. Một chi tiết quan trọng khác: nghiên cứu cho thấy các tác nhân AI tạo ra kết quả rất nhanh. Chúng có thể viết một bài báo hoàn chỉnh trong vài giờ, trong khi con người cần vài tháng. Nhưng tốc độ không đồng nghĩa với chất lượng. Các bài báo AI trông rất chuyên nghiệp — đúng định dạng, đúng cấu trúc, đúng thuật ngữ — nhưng rỗng về ý tưởng. Đây chính là điểm nguy hiểm nhất. Tôi từng điều tra một dự án gọi là "Trí tuệ nhân tạo phi tập trung GPT" vào năm ngoái. Đội ngũ 5 người. Không ai có kinh nghiệm nghiên cứu AI. Họ xây dựng mạng lưới nút mạng để thu thập dữ liệu người dùng trên danh nghĩa "huấn luyện phi tập trung". Lỗi ở dòng 47. Mất hết. Còn lại một câu hỏi: họ thực sự đang bán sản phẩm gì — một mạng lưới AI hay một kế hoạch thu thập dữ liệu? Trở lại với nghiên cứu AI phục vụ khoa học. Kết quả này có ba tác động chính. Thứ nhất, về kỹ thuật: nó vẽ lại ranh giới năng lực của AI trong khoa học. Không phải "AI vô dụng trong khoa học", mà là "AI hữu ích ở tầng tự động hóa, vô dụng ở tầng sáng tạo". Ranh giới này sẽ dịch chuyển theo từng thế hệ mô hình, nhưng với công nghệ hiện tại, nó đứng yên. Nghiên cứu cũng đặt ra câu hỏi về phương pháp đánh giá: liệu chuẩn "hội nghị AI hàng đầu" có phải là thước đo phù hợp cho AI làm khoa học? Có thể chúng ta cần một bộ tiêu chuẩn riêng — giống như chúng ta cần các tiêu chuẩn riêng cho tài sản số sau sự sụp đổ của Terra. Thứ hai, về đầu tư: phân khúc "AI nhà khoa học tự động" đang bị định giá sai. Các giao thức blockchain huy động vốn với câu chuyện "AI sẽ tự khám phá thuốc, tự tìm vật liệu mới" — nghe rất hay, nhưng dữ liệu không ủng hộ. Trong khi đó, các công cụ AI hỗ trợ quy trình nghiên cứu — thu thập dữ liệu, phân tích, viết báo cáo — lại có giá trị thực và có doanh thu thật. Tôi đã thấy nhiều công ty trong lĩnh vực này tạo ra hàng triệu đô la doanh thu hàng năm mà không cần token. Thứ ba, về rủi ro: AI làm tốt việc tạo ra các kết quả "trông hợp lý". Trong môi trường nghiên cứu, điều đó nguy hiểm hơn là vô dụng. Nếu một nhà nghiên cứu quá tin tưởng vào kết quả do AI tạo ra, họ có thể đưa ra kết luận sai mà không có dấu hiệu cảnh báo. Đây là một vấn đề về trách nhiệm giải trình mà chưa ai giải quyết được. Tương tự, trong blockchain, chúng ta đã thấy các cuộc tấn công vào hợp đồng thông minh vì các nhà phát triển quá tin tưởng vào mã nguồn mà không kiểm tra kỹ. Đây cũng chính là điểm tôi muốn nhấn mạnh cho cộng đồng blockchain. Chúng ta đã trải qua điều này với ICO năm 2017, với DeFi năm 2020, với NFT năm 2021. Mỗi chu kỳ đều có một câu chuyện hay, một đội ngũ nhiệt huyết, và rất nhiều token. Vấn đề chưa bao giờ là công nghệ. Vấn đề luôn là sản phẩm có giải quyết được vấn đề thật hay không. 90% các dự án "Lớp 2 Bitcoin" tự xưng thực chất là các dự án Ethereum đổi thương hiệu. Tương tự, tôi ước tính 90% các dự án "AI trên blockchain" hiện nay là các công ty AI tập trung gắn nhãn "phi tập trung" để phục vụ câu chuyện token. Nghiên cứu này càng củng cố thêm sự hoài nghi đó. Nhưng tôi không dừng lại ở sự hoài nghi. Có một điểm mù trong phản ứng của thị trường: nhìn vào kết quả "0 bài báo được chấp nhận" và kết luận "AI phục vụ khoa học thất bại" là sai lầm. Hãy nghĩ về điều này: nếu một tác nhân AI có thể đọc một nghìn bài báo trong một giờ, viết mã thí nghiệm, chạy mô phỏng và tổng hợp kết quả — nhưng không tự đề xuất được giả thuyết mới — thì nó vẫn tăng gấp mười lần năng suất của một phòng thí nghiệm. Nó không cần phải đoạt giải Nobel. Nó chỉ cần làm nhanh phần việc nhàm chán. Phần lớn chi phí nghiên cứu khoa học nằm ở tầng thực thi, không phải tầng sáng tạo. Thị trường đang gộp hai khái niệm vào nhau: "AI hỗ trợ khoa học" và "AI thay thế nhà khoa học". Giá trị kinh tế của AI không nằm ở việc thay thế con người ở tầng sáng tạo, mà nằm ở việc tăng tốc tầng thực thi. Các dự án blockchain nào hiểu được sự khác biệt này sẽ tồn tại. Những dự án nào bán giấc mơ "AI tự khám phá" thì sẽ lặp lại lịch sử của Global Gold Token — một dự án tôi đã điều tra năm 2017, hứa hẹn token hóa vàng nhưng thực chất chỉ là một nhà kho bỏ hoang ở Nam Phi. Lỗi ở dòng 47. Mất hết. Còn... giá trị của một cỗ máy không nằm ở việc nó có biết ước mơ hay không, mà nằm ở việc nó có chạy đúng hay không. Câu hỏi tiếp theo không phải là "liệu AI có thể tự làm khoa học không?". Câu hỏi đúng là: "liệu thị trường có đủ tỉnh táo để phân biệt giữa AI tự động hóa và AI thay thế con người?". Lịch sử của chúng ta trong mười năm qua — từ ICO đến DeFi đến NFT — cho thấy câu trả lời thường là không. Nhưng blockchain có một lợi thế: dữ liệu trên chuỗi không biết nói dối. Hãy nhìn vào nơi tiền đang chảy. Đội ngũ nghiên cứu thực sự sẽ không cần đến token để chứng minh giá trị. Còn những dự án cần token để tồn tại — hãy để họ tự chứng minh điều ngược lại. Tôi sẽ ở đây, theo dõi từng giao dịch.