Giải quyết mọi bệnh tật? Thực tế đằng sau tham vọng AI của Google DeepMind

Giải quyết mọi bệnh tật? Thực tế đằng sau tham vọng AI của Google DeepMind

Demis Hassabis tại Google I/O 2026

Towards the end of this year’s Google I/O keynote, Google DeepMind CEO Demis Hassabis declared, with a completely deadpan face, that the company hopes to “reimagine the drug discovery process with the goal of one day solving all disease.”

Đây chính xác là loại tuyên bố mà cụm từ "nếu điều này đúng thì quả là to lớn" (big, if true) được sinh ra để mô tả. Tuy nhiên, đằng sau những hứa hẹn hào nhoáng trên sân khấu, thực tế về vai trò của Trí tuệ nhân tạo (AI) trong y học phức tạp hơn nhiều so với những gì người nghe thường lầm tưởng.

Gemini for Science: Bộ công cụ AI cho các nhà nghiên cứu

Những gì Hassabis thực sự mô tả là Gemini for Science — một bộ sưu tập các công cụ AI thử nghiệm được thiết kế để giúp các nhà nghiên cứu khám phá và đưa ra những phát kiến mới. Trong nhiều thập kỷ qua, AI đã là một phần không thể thiếu của nghiên cứu y học. Các thuật toán mà thiết bị đeo (wearables) sử dụng để theo dõi sức khỏe, hay các tính năng phát hiện bệnh không xâm lấn đều dựa trên Machine learning.

AI tạo sinh (Generative AI) là thành viên mới hơn trong lĩnh vực này, nhưng nó mang lại tiềm năng to lớn. Ví dụ, một đánh giá tổng hợp (meta review) đã chỉ ra rằng AI đóng vai trò chính trong việc rút ngắn thời gian phát triển vắc-xin Covid-19 — một thành quả mà cả thế giới đều được hưởng lợi.

Màn hình trình bày tại Google I/O

AlphaFold và AlphaGenome: Những bước tiến cụ thể

Trong bài phát biểu, Hassabis đã nhấn mạnh vào các dự án AlphaFold và AlphaGenome của Google.

• AlphaFold: Giúp các nhà nghiên cứu hiểu rõ hơn về cấu trúc protein. Điều này cực kỳ quan trọng vì protein đóng vô số vai trò trong các quá trình sinh học. Việc hiểu rõ protein hoặc thiết kế các protein tổng hợp mới có thể là chìa khóa để mở ra phương pháp điều trị ung thư. Trước đây, việc khám phá protein và cách chúng tương tác mất nhiều năm, nhưng AlphaFold giúp rút ngắn đáng kể thời gian này. Các nhà nghiên cứu đã sử dụng mô hình này để giúp phát triển vắc-xin sốt rét, phát hiện protein đằng sau cholesterol xấu (LDL) và hiểu về protein gây bệnh Parkinson khởi phát sớm.
• AlphaGenome: Một mô hình khác giúp dự đoán các đột biến trong trình tự DNA của con người. Mặc dù có tiềm năng giúp hiểu nguyên nhân gây bệnh, Google cũng thừa nhận những hạn chế quan trọng, chẳng hạn như mô hình chưa được xác thực cho dự đoán bộ gen cá nhân và gặp khó khăn trong việc nắm bắt các mô hình đặc thù của tế bào và mô.

Khoảng cách giữa tuyên bố và thực tế

Về nhiều mặt, những gì Hassabis nói trên sân khấu không thực sự dành cho bạn hay tôi — những người dùng phổ thông. Các mô hình AI và công cụ Gemini for Science này sẽ không magically (như phép màu) xóa sổ ung thư hay mọi bệnh nan y trong 3, 5 hay thậm chí 10 năm tới. Thực tế, điều này có thể mất ít nhất 20 năm, hoặc lâu hơn.

Vấn đề nằm ở việc truyền thông khoa học. Khi một CEO công nghệ lớn tuyên bố "giải quyết mọi bệnh tật", công chúng dễ dàng hiểu lầm rằng AI sẽ chữa khỏi mọi thứ ngay lập tức. Điều này dẫn đến hiện tượng "sciencewashing" (tẩy trắng bằng khoa học), nơi các từ ngữ buzzword hoặc những tuyên bố táo bạo tạo ra vẻ hợp pháp của công nghệ cao, xóa bỏ đi những sắc thái quan trọng.

Hơn nữa, việc thiếu ngữ cảnh này có thể dẫn đến những liên kết gây hiểu lầm. Ví dụ, gần đây Bộ trưởng Y tế RFK Jr. đã tuyên bố rằng AI có thể làm cho Cục Quản lý Thực phẩm và Dược phẩm (FDA) trở nên "không còn cần thiết". So sánh nhận định này với tuyên bố của Hassabis — dù hoàn toàn khác nhau về ngữ cảnh — ta có thể thấy công chúng dễ dàng nhảy đến những kết luận sai lầm rằng Google đang ủng hộ quan điểm loại bỏ các quy trình kiểm định nghiêm ngặt.

Kết luận: AI là công cụ, không phải thần dược

Bối cảnh là vua, và thường là thứ đầu tiên bị mất đi trong những đoạn clip ngắn trên mạng xã hội. AI chắc chắn có tiềm năng lớn, và có thể một ngày nào đó nó sẽ giúp giải quyết mọi bệnh tật. Nhưng nếu điều đó xảy ra, con đường sẽ không đơn giản.

Demis Hassabis

Rất nhiều điều có thể xảy ra trong 20 năm tới, đặc biệt là về mặt chính trị, xã hội và văn hóa, những thứ sẽ tác động đến năng lực nghiên cứu lâm sàng. Vì vậy, hãy tha thứ nếu hiện tại, chúng ta không nên quá lạc quan như Hassabis. AI cuối cùng vẫn là một công cụ đòi hỏi sự đầu vào và hợp tác của các chuyên gia, và sự nghiêm ngặt của khoa học không phải là bước có thể bỏ qua tùy tiện.