AI tác nhân (agentic AI) đang chứng tỏ khả năng đẩy nhanh tiến độ phát triển phần mềm khoa học, cho phép các nhà nghiên cứu dành nhiều thời gian hơn cho khám phá thay vì bảo trì mã nguồn. Một báo cáo thực địa của OpenAI khảo sát 8 dự án khoa học tính toán, chủ yếu trong lĩnh vực khoa học sự sống, cho thấy các tác nhân như Codex và Claude Code giúp hiện đại hóa phần mềm từ bảo trì hàng ngày đến tối ưu hiệu năng và di chuyển ngôn ngữ quy mô lớn.

8 dự án khoa học tính toán được hỗ trợ bởi AI tác nhân

Báo cáo tổng hợp tám trường hợp nghiên cứu, trong đó năm dự án sử dụng một mình Codex – mô hình AI lập trình của OpenAI – và ba dự án kết hợp giữa Codex và Claude Code của Anthropic. Các dự án bao gồm bảo trì thường nhật, tối ưu hóa có mục tiêu, di chuyển ngôn ngữ lập trình quy mô lớn và thiết kế lại phần mềm với GPU. Một ví dụ điển hình là thư viện cyvcf2, một công cụ Python dùng để đọc và ghi file biến thể gen. Với sự hỗ trợ của GPT-5.5 (phiên bản Codex), hệ thống build và packaging cũ của thư viện đã được thay thế bằng quy trình hiện đại, thống nhất, giúp việc cài đặt, kiểm thử và phát hành trở nên dễ dàng hơn.

Vai trò của AI tác nhân trong nghiên cứu: Triển khai nhanh, xác thực chậm

Các nhà nghiên cứu tham gia dự án mô tả sự chuyển dịch từ vai trò “người thực hiện” sang “người xác thực và dàn xếp”. Họ là người đặt ra mục tiêu khoa học, định nghĩa tiêu chí đúng đắn và quyết định thời điểm phát hành. AI tác nhân đảm nhận các công việc triển khai chi tiết, giúp tăng tốc độ đáng kể, nhưng vẫn cần con người kiểm tra tính chính xác. Một điểm đáng chú ý là AI tác nhân thường tỏ ra tự tin ngay cả khi chứa lỗi rõ ràng, do đó các nhà khoa học phải xây dựng các phương pháp xác thực đáng tin cậy, như dựa trên đầu ra giống hệt bộ dữ liệu tham chiếu, sự tương đồng với công cụ hiện có, hoặc hành vi thống kê phù hợp.

Bài học từ các dự án: Chu trình lặp và “dặm cuối” khó khăn

Các dự án không được thực hiện một lần duy nhất mà thường tiến hành qua nhiều vòng lặp phản hồi. Nhóm nghiên cứu chia mục tiêu lớn thành các thay đổi nhỏ, sau đó dùng các benchmark và hệ thống kiểm tra trung gian để đánh giá và tinh chỉnh công việc của AI. Mặc dù AI tác nhân thường tạo ra bản triển khai ban đầu rất nhanh, nhưng việc xử lý các trường hợp ngoại lệ và khác biệt số liệu nhỏ lại mất nhiều thời gian hơn. “Dặm cuối” của quá trình thực hiện – những bước hoàn thiện cuối cùng – thường chiếm nhiều công sức nhất. Ngoài ra, việc bảo trì lâu dài phần mềm khoa học vẫn là thách thức: nếu không có kế hoạch và chủ sở hữu rõ ràng, các bản viết lại hiện đại có thể trở thành mã bị bỏ hoang, làm mất đi giá trị khoa học.

Tương lai của khoa học tính toán trong kỷ nguyên AI tác nhân

Báo cáo kết luận rằng AI tác nhân giúp giảm chi phí kỹ thuật và mở rộng khả năng của các nhà nghiên cứu, nhưng giá trị lâu dài vẫn phụ thuộc vào quyết định của con người về việc xây dựng cái gì, cách xác thực và ai sẽ duy trì nó. Sự thay đổi sâu sắc không chỉ là các nhà nghiên cứu có thể tạo ra nhiều phần mềm hơn, mà còn có thể tập trung nhiều hơn vào việc xác định, xác thực và quản lý các công cụ. Khi các AI tác nhân ngày càng hoàn thiện, các nhà khoa học sẽ dành ít thời gian hơn để giữ cho các quy trình phân tích hoạt động và dành nhiều thời gian hơn để thúc đẩy lĩnh vực của họ tiến lên.

Theo OpenAI

Ảnh: Andrew Neel / Pexels