Google.org rót 20 triệu USD cho 12 dự án khoa học ứng dụng AI nhằm thúc đẩy các đột phá nghiên cứu
Cập nhật vào: Thứ năm - 23/04/2026 00:09
Cỡ chữ
Google.org - nhánh từ thiện của Google - vừa công bố danh sách 12 tổ chức nhận tài trợ từ quỹ AI for Science trị giá 20 triệu USD, nhằm thúc đẩy các nghiên cứu sử dụng trí tuệ nhân tạo để giải quyết một số thách thức khoa học lớn nhất của nhân loại.

Các dự án được lựa chọn trải rộng từ việc giải mã phần lớn bộ gene người vẫn chưa được hiểu rõ cho tới phát triển công nghệ phát hiện vi khuẩn nguy hiểm trong vòng chưa đầy một giờ. Quỹ này hướng tới một vấn đề đang được nhiều nhà khoa học quan ngại: trong khi các thách thức toàn cầu ngày càng phức tạp, tốc độ khám phá khoa học lại có xu hướng chậm lại.
Google.org đặt cược rằng trí tuệ nhân tạo có thể khởi động lại “động cơ” của tiến bộ khoa học. Theo lãnh đạo chương trình, mười hai tổ chức, bao gồm các trường đại học, tổ chức phi lợi nhuận và các công ty khởi nghiệp, sẽ cùng chia sẻ nguồn tài trợ 20 triệu USD để áp dụng AI vào những lĩnh vực nghiên cứu then chốt. Mục tiêu là rút ngắn thời gian nghiên cứu vốn kéo dài hàng thập kỷ xuống chỉ còn vài năm.
Thời điểm triển khai sáng kiến này được cho là không phải ngẫu nhiên. Nhiều nghiên cứu cho thấy tốc độ xuất hiện các đột phá khoa học mới đang chậm lại, ngay cả khi các vấn đề như biến đổi khí hậu, kháng kháng sinh hay an ninh lương thực ngày càng cấp bách. Trong bối cảnh đó, Google xem AI như một công cụ có thể phá vỡ nghịch lý này bằng cách tăng tốc quá trình phân tích dữ liệu, mô hình hóa và khám phá tri thức mới.
Theo thông tin công bố, các nhóm nghiên cứu không chỉ sử dụng AI để xử lý và tổng hợp dữ liệu mà còn để vượt qua những rào cản lớn nhất trong các lĩnh vực khoa học như y học, nông nghiệp và đa dạng sinh học, qua đó biến các phát hiện khoa học thành giải pháp thực tiễn.
AI thúc đẩy những hướng đột phá trong y học
Trong số các dự án được tài trợ, nhiều nhóm nghiên cứu tập trung vào lĩnh vực y học, nơi AI được kỳ vọng sẽ chuyển đổi mô hình chăm sóc sức khỏe từ phản ứng sau khi bệnh xảy ra sang dự đoán và phòng ngừa sớm. Trường UW Medicine đang triển khai công nghệ Fiber-seq kết hợp với AI để lập bản đồ cho khoảng 99% bộ gene người vẫn chưa được hiểu rõ, nhằm tìm kiếm nguồn gốc di truyền của các bệnh hiếm. Trong khi đó, Trung tâm Y tế Cedars-Sinai đang phát triển công cụ AI mang tên BAN-map, có khả năng phân tích dữ liệu thần kinh theo thời gian thực để giải mã cách suy nghĩ và ký ức hình thành trong não.
Một trong những dự án có thể mang lại tác động y tế nhanh nhất đến từ Spore.Bio, một công ty khởi nghiệp tại Pháp. Doanh nghiệp này đang phát triển máy quét sử dụng AI có khả năng phát hiện vi khuẩn kháng thuốc nguy hiểm chỉ trong vòng chưa đầy một giờ, trong khi các phương pháp hiện nay có thể mất tới vài ngày. Trong môi trường bệnh viện, nơi từng giờ đều có ý nghĩa sống còn, việc rút ngắn thời gian phát hiện như vậy có thể giúp cứu sống hàng nghìn bệnh nhân.
AI trong nông nghiệp, thực phẩm và khí hậu
Các dự án liên quan đến nông nghiệp đang giải quyết bài toán an ninh lương thực từ nhiều góc độ khác nhau. Phòng thí nghiệm Sainsbury đang triển khai dự án mang tên Bifrost, sử dụng hệ thống AlphaFold3 của Google DeepMind để dự đoán cách hệ miễn dịch của thực vật tương tác với các mầm bệnh chỉ dựa trên trình tự gene. Khả năng này có thể giúp tăng tốc quá trình lai tạo cây trồng kháng bệnh mà không cần trải qua nhiều năm thử nghiệm ngoài đồng ruộng.
Một sáng kiến khác mang tên Periodic Table of Food Initiative lại tiếp cận vấn đề ở cấp độ phân tử. Dự án đặt mục tiêu lập bản đồ cái gọi là “vật chất tối của thực phẩm” - hàng nghìn phân tử chưa được biết đến quyết định giá trị dinh dưỡng và hương vị của thực phẩm. Nền tảng AI của dự án nhằm xác định và phân loại toàn bộ các phân tử này, qua đó mở ra khả năng thiết kế chế độ ăn uống lành mạnh hơn dựa trên hiểu biết phân tử.
Ở lĩnh vực khí hậu và chăn nuôi, Viện Genomics Sáng tạo thuộc Đại học California, Berkeley đang sử dụng AI để phân tích hệ vi sinh vật trong dạ dày bò. Mục tiêu là xác định các tương tác vi khuẩn có thể được điều chỉnh nhằm giảm lượng methane do gia súc thải ra vốn là một nguồn phát thải khí nhà kính đáng kể góp phần vào biến đổi khí hậu.
Bảo tồn đa dạng sinh học và khoa học vật liệu
Trong lĩnh vực đa dạng sinh học, Đại học Rockefeller đang cải tiến quy trình giải trình tự gene bằng tự động hóa AI nhằm tăng tốc việc xây dựng bộ gene chuẩn cho khoảng 1,8 triệu loài sinh vật trên Trái Đất. Những bản đồ gene này có thể hỗ trợ các quyết định bảo tồn và thậm chí mở ra khả năng tìm kiếm các hợp chất y học mới.
Trung tâm Giám sát Bảo tồn Thế giới của Chương trình Môi trường Liên Hợp Quốc (UNEP-WCMC) cũng đang sử dụng các mô hình ngôn ngữ lớn để phân tích hàng triệu tài liệu khoa học, từ đó xây dựng bản đồ phân bố chính xác cho 350.000 loài thực vật đã biết. Những bản đồ này được kỳ vọng sẽ lấp đầy các “vùng trống dữ liệu” đang gây khó khăn cho công tác bảo tồn.
Một số dự án khác hướng tới tương lai của năng lượng và vật liệu. Trung tâm Plasma Thụy Sĩ tại EPFL đang chuẩn hóa dữ liệu toàn cầu về năng lượng nhiệt hạch để các mô hình AI có thể học hỏi từ kết quả thí nghiệm trên toàn thế giới, qua đó rút ngắn thời gian tiến tới điện nhiệt hạch thương mại. Trong khi đó, Đại học Liverpool đang thử nghiệm mô hình phòng thí nghiệm “Hive Mind”, nơi robot tự động, các nhà khoa học và các tác nhân AI phối hợp với nhau để phát hiện vật liệu mới phục vụ công nghệ thu giữ carbon quy mô toàn cầu.
Cam kết khoa học mở và tác động lan tỏa
Một điểm khác biệt của chương trình tài trợ này so với nhiều quỹ nghiên cứu khác là yêu cầu cam kết khoa học mở. Tất cả các nhóm nhận tài trợ đều đồng ý công khai dữ liệu và giải pháp nghiên cứu. Google.org cho rằng việc chia sẻ mở này sẽ giúp khuếch đại tác động của từng dự án, cho phép cộng đồng khoa học toàn cầu tiếp tục phát triển dựa trên các kết quả ban đầu.
Đại học Kỹ thuật Munich là một ví dụ tiêu biểu cho cách tiếp cận này khi đang xây dựng một mô hình nền tảng đa quy mô liên kết dữ liệu từ cấp độ tế bào đến toàn bộ cơ quan. Mô hình này có thể cho phép các bác sĩ mô phỏng tiến triển bệnh và thử nghiệm phương pháp điều trị trong môi trường kỹ thuật số trước khi áp dụng cho bệnh nhân thực.
Tại châu Phi, Viện Bệnh Truyền nhiễm thuộc Đại học Makerere ở Uganda đang tận dụng các công cụ AI mở như AlphaFold và khung phân tích EVE để dự đoán cách ký sinh trùng sốt rét tiến hóa và phát triển khả năng kháng thuốc. Những dự báo này có thể giúp hệ thống y tế phát hiện sớm các xu hướng kháng thuốc vốn hiện nay cần các xét nghiệm phòng thí nghiệm tốn kém.
AI và tương lai của khám phá khoa học
Quỹ mới của Google.org cũng được xem là một phần trong chiến lược rộng lớn hơn của Google nhằm thúc đẩy ứng dụng AI trong khoa học. Google DeepMind trước đó đã gây tiếng vang với AlphaFold, hệ thống dự đoán cấu trúc protein với độ chính xác chưa từng có. Nhiều dự án được tài trợ hiện nay đang trực tiếp xây dựng trên nền tảng công nghệ đó.
Khác với cách tiếp cận trước đây chủ yếu phát triển công cụ AI nội bộ, sáng kiến lần này tập trung tài trợ cho các nhóm nghiên cứu bên ngoài để áp dụng AI vào các lĩnh vực chuyên môn cụ thể. Điều này phản ánh nhận định rằng những đột phá lớn nhất sẽ xuất hiện khi các nhà khoa học hiểu sâu cả về công nghệ AI lẫn các vấn đề chuyên ngành của mình.
Khoản đầu tư 20 triệu USD tuy không lớn so với quy mô của các tập đoàn công nghệ, nhưng được thiết kế với mục tiêu chiến lược rõ ràng. Thay vì phân tán nguồn lực, Google.org lựa chọn mười hai nhóm có khả năng tạo ra kết quả đo lường được trong thời gian hợp lý, đồng thời xây dựng các nguồn tài nguyên khoa học mở cho cộng đồng.
Trong bối cảnh các tập đoàn công nghệ lớn đang cạnh tranh để chứng minh vai trò của AI vượt ra ngoài các ứng dụng tiêu dùng, cách tiếp cận này được xem là một thử nghiệm quan trọng. Microsoft đang hợp tác với các phòng thí nghiệm học thuật trong nghiên cứu thuốc bằng AI, Meta công bố các mô hình gấp nếp protein mã nguồn mở, còn Google đặt cược rằng việc hỗ trợ các nhóm nghiên cứu đa dạng kết hợp với khoa học mở có thể tạo ra tác động lan tỏa lớn hơn.
Đối với cộng đồng khoa học, câu hỏi không còn là liệu AI có thể tăng tốc khám phá khoa học hay không vì AlphaFold đã chứng minh điều đó, mà là tốc độ các tổ chức nghiên cứu có thể thích nghi với mô hình nghiên cứu mới dựa trên AI. Mười hai dự án được tài trợ lần này đang trở thành những thử nghiệm quan trọng cho khả năng rút ngắn thời gian nghiên cứu từ hàng thập kỷ xuống chỉ còn vài năm trong nhiều lĩnh vực khác nhau.
Nếu thành công, các dự án này không chỉ giải quyết những vấn đề cụ thể trong y học, nông nghiệp hay khí hậu mà còn có thể cung cấp một bản mẫu mới cho cách khoa học được tiến hành trong kỷ nguyên trí tuệ nhân tạo. Điều thực sự đáng chú ý có lẽ không phải là khoản tài trợ 20 triệu USD, mà là khả năng đánh dấu thời điểm tốc độ khám phá khoa học bắt đầu tăng trở lại sau một giai đoạn chậm lại kéo dài.
N.P.A (Nastis), theo Techbuzz.ai
Liên hệ
Tiếng Việt
Tiếng Anh











