Khoa học máy tính
Một ngôn ngữ không ảnh hưởng đến cách bạn tư duy về lập trình thì không đáng học.
— (1982)
Lập trình viên giàu kinh nghiệm cảm thấy nhanh hơn với AI trong khi đo được là chậm hơn — phát hiện thật, và không phải phán quyết về AI coding
Một RCT của METR cho 16 lập trình viên open-source giàu kinh nghiệm làm 246 tác vụ thật trên codebase họ biết rõ, với công cụ AI đầu năm 2025 (Cursor Pro + Claude 3.5/3.7 Sonnet) được cho phép ngẫu nhiên ở một nửa. Họ kỳ vọng AI giảm thời gian khoảng 24%; thực tế thời gian hoàn thành tăng 19% — và sau đó vẫn tin AI tăng tốc mình khoảng 20%. Khoảng cách nhận thức là lõi sắc và vững của nghiên cứu. Nhưng đây là 16 lập trình viên, một bối cảnh hẹp và ảnh chụp đầu năm 2025: tác giả nói rõ nó không cho thấy AI không giúp phần lớn lập trình viên, và follow-up 2026 của chính họ đã nghiêng về tăng tốc, với lưu ý riêng.
Một bằng chứng mật mã có thể che bí mật bằng cách khiến việc chứng minh rằng bộ mô phỏng không tồn tại trở nên khó
Bằng chứng zero-knowledge cho phép ai đó chứng minh một mệnh đề mà không tiết lộ witness. Lý thuyết cổ điển nói rằng, theo nghĩa đầy đủ, bạn không thể có đồng thời một thông điệp duy nhất, không thiết lập đáng tin cậy và tính đúng đắn hoàn hảo. Bài báo của Rahul Ilango không làm kết quả bất khả thi đó biến mất. Nó đổi mục tiêu: thay vì đòi hỏi một bộ mô phỏng thực sự tồn tại, nó yêu cầu rằng không hệ chứng minh được chọn nào có thể chứng minh hiệu quả rằng bộ mô phỏng không tồn tại. Dưới các giả định lớn của độ phức tạp chứng minh và mật mã học, điều đó đủ để khôi phục từng hệ quả có thể kiểm nghiệm bằng trò chơi của zero-knowledge. Mục tiêu không phải một primitive mật mã có thể cắm vào Internet để dùng ngay, mà là một cách dựa trên lý thuyết chứng minh để biến tính không chứng minh được trong toán học thành một lớp che phủ mật mã.
Một AI y tế có thể “riêng tư trung bình” mà vẫn phơi lộ từng bệnh nhân — đặc biệt là nhóm thiếu đại diện
Một mô hình AI y tế được gọi là “bảo vệ quyền riêng tư” thường dựa trên một con số trung bình. Nghiên cứu này lập luận đó là phép kiểm tra sai. Với membership inference attack — suy ra hồ sơ một người cụ thể có nằm trong dữ liệu huấn luyện hay không, từ đó có thể tiết lộ họ từng mắc một bệnh — các tác giả đo rủi ro theo từng bệnh nhân thay vì gộp, trên bảy bộ dữ liệu y tế (ảnh, ECG, bệnh án điện tử) và nhiều mô hình mỗi bộ. Mẫu hình: mô hình trông an toàn trung bình vẫn có thể cho kẻ tấn công nhận diện một số cá nhân gần như hoàn hảo (AUC tấn công ≥ 0,95); người bị phơi lộ có hệ thống thuộc nhóm thiếu đại diện (sắc tộc thiểu số, bệnh hiếm, hình ảnh bất thường); và vấn đề tệ hơn khi mô hình lớn. Tác giả không nói bỏ AI y tế — họ nói phải đo quyền riêng tư theo từng bệnh nhân, kiểm soát truy cập mô hình và dùng differential privacy. Cốt lõi khó chịu: “riêng tư trung bình” không phải bảo đảm quyền riêng tư, và nó thất bại chính với những bệnh nhân vốn ít được bảo vệ nhất.
Dạy AI vẽ biết nhìn vào trang giấy
Các mô hình ngôn ngữ tạo đồ họa vector làm việc như bị bịt mắt — viết lệnh vẽ mà không bao giờ nhìn kết quả. Một phương pháp mới cho mô hình xem canvas của chính nó đầy lên từng nét, và điều thú vị trung thực là chỉ “cho mắt” khiến nó tệ hơn: phải huấn luyện lại để biết dùng mắt. Kết quả là một mô hình ngang hoặc hơi vượt các đối thủ được huấn luyện với dữ liệu nhiều hơn đến hai mươi lần — một kết quả thật và cẩn thận trên một benchmark, không phải cuộc cách mạng.
Một agent AI tự xử lý toàn bộ ca bệnh — trong mô phỏng, trên hồ sơ cũ
MIRA là một kiểu AI y tế mới: thay vì trả lời một câu hỏi, nó xử lý toàn bộ ca bên trong hồ sơ bệnh viện mô phỏng — lấy bệnh sử, chỉ định và đọc xét nghiệm, đi đến chẩn đoán rồi ghi y lệnh. Trên 574 ca hồi cứu từ cơ sở dữ liệu công khai thuộc tám chẩn đoán chọn trước, các tác giả báo cáo nó đạt độ chính xác chẩn đoán cao hơn bác sĩ và phần lớn đưa ra quyết định phù hợp hướng dẫn, an toàn về thuốc. Mọi điều kiện trong câu này đều quan trọng: nó chạy trong sandbox trên hồ sơ cũ, chỉ bằng văn bản; phần lớn lợi thế ở các bệnh có xét nghiệm rõ; nó dùng khoảng gấp đôi số xét nghiệm máu so với bác sĩ; và một số kết cục được chấm theo điều hồ sơ gốc đã ghi. Tiến bộ thật là một agent hành động xuyên toàn quy trình — không phải bằng chứng máy giờ chẩn đoán tốt hơn bác sĩ. Chính tác giả cũng nói vậy: khả năng khái quát, an toàn và quản trị vẫn cần nghiên cứu tiền cứu ngoài đời.
Robot “foundation model” lớn có thật sự tốt hơn? Câu trả lời cẩn thận: có, vừa phải — và nhiều nghiên cứu khó phân biệt được
Toyota Research Institute huấn luyện “large behavior models” trên ~1.700 giờ thao tác robot đa dạng và so với chính sách một nhiệm vụ huấn luyện từ đầu bằng thử nghiệm mù, ngẫu nhiên hóa, cỡ mẫu lớn (~1.800 lượt thật, >47.000 mô phỏng) và thống kê đúng. Sau fine-tune theo nhiệm vụ, mô hình lớn tốt hơn trung bình, cần ít hơn khoảng 3–5× dữ liệu đặc thù và bền hơn khi điều kiện đổi; hiệu năng tăng trơn tru theo dữ liệu. Nhưng không fine-tune chúng không nhất quán thắng baseline, nhiều hiệu ứng rất nhỏ, và chuẩn hóa dữ liệu tầm thường còn quan trọng hơn kiến trúc. Đây là ủng hộ vừa phải cho hướng robot foundation model — không phải robot đa dụng, generalist zero-shot hay “cú nhảy emergent” — cùng cảnh báo rằng nhiều nghiên cứu robot có thể đang đo nhiễu.
Vì sao mô hình ngôn ngữ “ảo giác” — và vì sao cách chúng ta chấm điểm khiến nó tiếp tục
Những phát biểu sai nhưng đầy tự tin mà ta gọi là “ảo giác” không phải một trục trặc bí ẩn: một phần là hệ quả thống kê của huấn luyện, và chúng tồn tại dai dẳng vì benchmark phổ biến thưởng cho một câu đoán tự tin hơn một lời trung thực “tôi không biết”. Một nghiên cứu tình huống trên bốn mô hình frontier cho thấy việc nêu quy tắc chấm ngay trong prompt (“open rubric”) có thể đảo chiều động lực này.