Một nhóm nghiên cứu vừa công bố hai khung làm việc (framework) mới nhằm phát triển các AI agent tự hành trong quy trình nghiên cứu khoa học, sử dụng kiến trúc kết hợp giữa điều phối cục bộ và xử lý đám mây.
Diễn biến
Hệ thống dựa trên kiến trúc 'Local Body, Remote Brain' thông qua Google Colab, sử dụng các bộ điều phối Python cục bộ để gọi các mô hình ngôn ngữ lớn (LLM) trên đám mây. Framework đầu tiên là DeepTS/DeepCollector, chuyên tự động hóa việc thu thập, trích xuất và loại bỏ trùng lặp các tập dữ liệu chuỗi thời gian quy mô lớn. Framework thứ hai, DeepScribe, là một trình phân tích bài thuyết trình tự hành, có khả năng chuyển đổi các bài giảng vật lý dày đặc hình ảnh và toán học phức tạp thành các báo cáo khoa học có cấu trúc.
Để đạt được điều này, nhóm nghiên cứu đã áp dụng các kỹ thuật kỹ thuật hệ thống thực tế như trích xuất thuộc tính chi tiết (Cellular RAG), kiểm tra dữ liệu từ xa và kiểm soát đồng thời phân tán. Cách tiếp cận này giúp AI agent vượt qua các hạn chế về ngữ cảnh và khả năng suy luận của các hệ thống hiện tại, hỗ trợ chặt chẽ cho các quy trình khoa học.
Vì sao đáng chú ý
Việc ứng dụng agentic AI vào khoa học đánh dấu sự chuyển dịch từ việc dùng AI như công cụ hỗ trợ sang các hệ thống tự vận hành quy trình nghiên cứu. Với cộng đồng khoa học tại Việt Nam, các framework mã nguồn mở như thế này có thể giúp giảm bớt gánh nặng xử lý dữ liệu thô, cho phép nhà nghiên cứu tập trung vào việc hình thành giả thuyết và phân tích chuyên sâu. Ngoài ra, hướng đi mở rộng sang đồ thị tri thức (Knowledge Graph) và vật lý năng lượng cao (DeepQCD) hứa hẹn sẽ mở ra nhiều không gian ứng dụng mới cho AI trong nghiên cứu cơ bản.