AI mở đường đột phá sinh học và chuỗi sản xuất tuần hoàn

AI giúp rút ngắn thời gian nghiên cứu một cách đáng kinh ngạc

Công nghệ sinh học xuất hiện trong báo cáo 11 siêu xu hướng sẽ thay đổi thế giới về dài hạn của Viện Nghiên cứu Tương lai Copenhagen (CIFS). Theo CIFS, sự kết hợp giữa công nghệ sinh học và AI có thể đẩy nhanh tiến độ nghiên cứu, đặc biệt trong lĩnh vực phát triển thuốc.

AlphaFold, hệ thống dự đoán cấu trúc protein của Google DeepMind, đã giải quyết một bài toán khiến các nhà sinh học cấu trúc theo đuổi suốt nửa thế kỷ. Những người phát triển hệ thống này được trao giải Nobel Hóa học năm 2024.

Nhờ AI, quá trình nghiên cứu và phát triển thuốc vốn đòi hỏi hạ tầng lớn, có thể kéo dài nhiều thập niên, được rút ngắn xuống còn vài năm. Các nhóm nghiên cứu nhỏ hơn cũng có thể triển khai một số công việc bằng phương pháp tính toán với chi phí thấp hơn. Những căn bệnh ít được quan tâm, trong đó có các bệnh nhiệt đới ảnh hưởng đến hàng trăm triệu người, là một trong những lĩnh vực có thể hưởng lợi từ việc AI giúp xác định ứng viên thuốc nhanh hơn, giảm thời gian và chi phí phát triển phương pháp điều trị.

Theo Christopher Voigt, một trong những nhà nghiên cứu hàng đầu về sinh học tổng hợp tại Viện Công nghệ Massachusetts (MIT), đến năm 2030, phần lớn người dân tại các nước phát triển sẽ tiêu thụ, mặc, sử dụng hoặc được điều trị bằng những sản phẩm có liên quan đến sinh học tổng hợp ở một khâu nào đó trong chuỗi sản xuất.

Tranh cãi vì sinh vật biến đổi gene và nhân bản người

Tuy nhiên, tiềm năng lớn cũng đi kèm những tranh cãi kéo dài. Sinh vật biến đổi gene và nhân bản người là hai chủ đề từng gây nhiều phản ứng trái chiều. Đối với nhân bản sinh sản ở người, CIFS lưu ý rằng hiện chưa có một điều ước quốc tế duy nhất mang tính ràng buộc pháp lý cấm hoạt động này trên toàn thế giới. Tuyên bố của Liên Hợp Quốc về nhân bản người năm 2005 kêu gọi các quốc gia thành viên cấm những hình thức nhân bản đi ngược phẩm giá con người và việc bảo vệ sự sống.

“

Một trong những câu hỏi lớn trong tương lai là liệu những giới hạn đạo đức hiện nay có còn được duy trì khi công nghệ tăng cường năng lực con người trở nên an toàn và hiệu quả hơn hay không.

Các rủi ro khác bao gồm tác động đến hệ sinh thái, nguy cơ độc quyền nguồn giống khiến nông dân khó tự giữ lại và gieo trồng hạt giống, cũng như vấn đề niềm tin của công chúng đối với các sản phẩm liên quan đến sức khỏe. Những tranh cãi xung quanh nguồn gốc COVID-19, trong đó có giả thuyết virus được tạo ra trong phòng thí nghiệm rồi thoát ra ngoài, cho thấy các nghi vấn liên quan đến công nghệ sinh học có thể gây ra hệ quả xã hội tiêu cực, bất kể giả thuyết đó có được chứng minh hay không.

Công nghệ sinh học được kỳ vọng sẽ giúp thiết kế lại các hệ thống sinh học nhằm cải thiện sức khỏe, tạo ra nguồn thực phẩm có khả năng chống chịu tốt hơn, phát triển nhiên liệu bền vững và sản xuất vật liệu mới. Nhưng những thách thức của thế kỷ này khó có thể được giải quyết bằng một lĩnh vực khoa học đơn lẻ. Cuộc cách mạng sinh học vì thế vừa mở ra nhiều khả năng mới, vừa đòi hỏi các cơ chế quản lý, chuẩn mực đạo đức và sự đồng thuận xã hội theo kịp tốc độ phát triển công nghệ.

AI mở rộng khả năng dự báo, tối ưu hóa nông nghiệp tuần hoàn

Ông Trần Anh Tuấn - Phó Viện trưởng Viện Nghiên cứu & Đổi mới Sáng tạo Doanh nghiệp 3AI - cho rằng, trong mô hình nông nghiệp tuần hoàn, AI không đứng riêng lẻ mà nằm trong một hệ thống công nghệ nhiều tầng, kết nối từ khâu quan sát, thu thập dữ liệu đến phân tích, dự báo, chuyển hóa nguyên liệu và kiểm chứng kết quả.

Theo mô hình được ông Tuấn giới thiệu tại một hội thảo trong khuôn khổ iTECH Expo diễn ra tại TP.HCM đầu tháng 10/2026, lớp công nghệ đầu tiên giúp doanh nghiệp nhìn thấy dòng tài nguyên thông qua cảm biến, IoT, camera và thiết bị bay không người lái (drone). Dữ liệu thu thập được sẽ chuyển sang lớp thứ hai, nơi AI, học máy (ML) và các công cụ phân tích được sử dụng để phân tích hiện trạng, dự báo và tối ưu hoạt động.

Đối với nông nghiệp tuần hoàn, cách tiếp cận này mở ra khả năng theo dõi tốt hơn nguồn nguyên liệu đầu vào, nhận diện biến động về chất lượng và sản lượng, dự báo nhu cầu cũng như hỗ trợ tối ưu quá trình sản xuất. Khi dữ liệu được kết nối xuyên suốt chuỗi giá trị, doanh nghiệp có thêm cơ sở để xác định lượng nguyên liệu có thể thu hồi, mức hao hụt và hiệu quả sử dụng tài nguyên. Đây là những điều kiện quan trọng để giảm lãng phí và tổ chức dòng nguyên liệu tuần hoàn ổn định hơn.

Nhưng AI không trực tiếp thay thế các công nghệ khác

Tuy nhiên, AI không trực tiếp thay thế các công nghệ chuyển hóa sinh khối. Trong hệ thống công nghệ mà ông Tuấn đề cập, công nghệ sinh học, chiết xuất, lên men và chế biến nằm ở lớp tiếp theo, có nhiệm vụ bảo toàn và nâng cao giá trị nguyên liệu. Đây là nhóm công nghệ đặc biệt quan trọng khi doanh nghiệp muốn chuyển phụ phẩm nông nghiệp thành hoạt chất sinh học, nguyên liệu chức năng, mỹ phẩm hoặc những sản phẩm có giá trị cao hơn.

Có thể thấy, AI và công nghệ sinh học đảm nhiệm những vai trò khác nhau nhưng có thể bổ trợ cho nhau. AI giúp phân tích dữ liệu, dự báo và tối ưu quy trình; công nghệ sinh học đảm nhận việc chuyển hóa vật liệu sinh học thành sản phẩm hoặc nguyên liệu mới. Khi kết hợp với tự động hóa, thiết bị thông minh và hệ thống kiểm soát chất lượng, doanh nghiệp có thể nâng cao tính ổn định của quy trình, khả năng tái lập giữa các lô sản xuất và chất lượng đầu ra.

Một lớp công nghệ khác cũng được nhấn mạnh là truy xuất nguồn gốc, cân bằng vật chất, đo lường, báo cáo và xác minh (MRV), đánh giá vòng đời sản phẩm (LCA). Những công cụ này giúp doanh nghiệp chứng minh hiệu suất, tác động và nguồn gốc nguyên liệu, thay vì chỉ đưa ra tuyên bố về tính tuần hoàn của sản phẩm.

Dù vậy, ông Tuấn lưu ý doanh nghiệp nhỏ và vừa không nhất thiết phải bắt đầu bằng AI. Quá trình số hóa nên được triển khai theo từng tầng, từ Excel, điện toán đám mây, mã QR, mã lô và đồng hồ thông minh; sau đó kết nối IoT, bảng điều khiển và dữ liệu thời gian thực; tiếp đến mới ứng dụng AI/ML, dự báo, tối ưu và thị giác máy tính; cuối cùng là tự động hóa, tích hợp hệ thống, bản sao số (digital twin) và robot.

Vấn đề quan trọng ở đây không phải là doanh nghiệp có nên sử dụng AI hay không mà là quyết định nào đang thiếu dữ liệu để cải thiện. Cách tiếp cận này giúp tránh tình trạng đầu tư công nghệ hiện đại nhưng không giải quyết đúng điểm nghẽn của hoạt động sản xuất.

Thế Lâm