Tương Lai Của Ngành Sinh Học Qua Góc Nhìn Của Các Chuyên Gia Thế Giới: Phòng Thí Nghiệm Tự Động Với AI Và Robot

Dự báo rằng trí tuệ nhân tạo (AI) sẽ thiết kế thí nghiệm và robot sẽ thực hiện các thí nghiệm trong 'phòng thí nghiệm tự động', cùng với 'robot sinh học' hoạt động bằng cơ bắp sống, sẽ trở thành những trụ cột chính trong tương lai của ngành sinh học. Tuy nhiên, việc đảm bảo dữ liệu thí nghiệm chất lượng cao và thiết lập các biện pháp an toàn quốc tế để ngăn chặn lạm dụng công nghệ vẫn là những thách thức cần giải quyết.

Giáo sư Huimin Zhao từ Đại học Illinois tại Urbana-Champaign và giáo sư Shoji Takeuchi từ Đại học Tokyo đã đưa ra những đánh giá này trong buổi họp báo tại Hội Nghị Khoa Học Mùa Thu 2026 diễn ra tại Trung Tâm Hội Nghị Quốc Tế Jeju vào ngày 1 tháng 10.
  Giáo sư Zhao, một chuyên gia trong lĩnh vực sinh học tổng hợp và công nghệ enzyme, nhấn mạnh rằng AI đang làm giảm đáng kể rào cản gia nhập vào biofoundry. Biofoundry là cơ sở tự động hóa quy trình nghiên cứu sinh học từ thiết kế gen đến sản xuất và thử nghiệm.

Ông cho biết: "Trước đây, để sử dụng biofoundry, cần ít nhất vài tháng đào tạo, và sinh viên trong phòng thí nghiệm của tôi cũng không phải là ngoại lệ. Giờ đây, chúng ta có thể thiết kế quy trình thí nghiệm bằng cách trò chuyện với AI bằng ngôn ngữ tự nhiên, và AI cũng cho biết liệu nó có thể thực hiện trong biofoundry hay không." Ông cũng cho biết thêm: "Bước tiếp theo là AI sẽ liên kết trực tiếp với robot trong 'AI thể chất'."

Dự báo rằng tác động công nghiệp sẽ rất lớn. Ông nói: "Enzyme và vi sinh vật đã được sử dụng rộng rãi trong hóa chất và bột giặt, nhưng việc thiết kế và cải tiến hệ thống sinh học vẫn gặp khó khăn, dẫn đến phạm vi ứng dụng bị hạn chế. Nếu chúng ta có thể rút ngắn thời gian phát triển nhờ biofoundry dựa trên AI, các loại thuốc dựa trên protein như kháng thể cũng có thể được phát triển rất nhanh chóng."

Giáo sư Zhao cho rằng: "Hàn Quốc đã có nguồn lực để mở rộng biofoundry nhờ sự hỗ trợ của chính phủ." Ông nhấn mạnh: "Bây giờ, chúng ta cần xác định ưu tiên cho việc tích hợp AI vào biofoundry, đó là cơ hội dành cho Hàn Quốc."

Ông chỉ ra rằng vấn đề lớn nhất trong nghiên cứu thuốc và sinh học AI là 'dữ liệu'. Ông nói: "Trong ba yếu tố chính của AI là thuật toán, tính toán và dữ liệu, thì dữ liệu là yếu tố hạn chế lớn nhất trong nghiên cứu khoa học. Dữ liệu trong tài liệu thường thiếu các kết quả thất bại và nhiều trường hợp không thể tái hiện, nên rất khó để sử dụng cho việc học của AI." Ông đề xuất rằng: "Nếu chúng ta chuẩn hóa dữ liệu do robot sản xuất, chúng ta có thể kết hợp dữ liệu từ nhiều tổ chức," và đưa ra giải pháp là phòng thí nghiệm tự động.

Ông cũng nhấn mạnh rằng cần phải cảnh giác với việc lạm dụng công nghệ. Ông nói: "Chúng ta không nên quá nghiêm ngặt đến mức cản trở sự phát triển, nhưng sự giám sát của chính phủ là cần thiết." Ông chỉ ra rằng: "Phòng thí nghiệm tự động thực hiện thí nghiệm sinh học trong thế giới vật lý, khác với AI trong máy tính, có thể phát sinh thêm các vấn đề an toàn." Do đó, ông đề xuất rằng 'cần có thỏa thuận quốc tế'.

Một số ý kiến lo ngại rằng AI sẽ thay thế các nhà nghiên cứu do sự phát triển nhanh chóng của nó. Về vấn đề này, giáo sư Zhao cho biết: "Hiện nay, sinh viên trong lĩnh vực sinh học phân tử dành khoảng một nửa thời gian cho các công việc lặp đi lặp lại như sản xuất plasmid. Những công việc này có thể được giao cho robot, và các nhà nghiên cứu sẽ có cơ hội đối mặt với những vấn đề phức tạp hơn mà trước đây họ không thể giải quyết do giới hạn công nghệ."
  Giáo sư Shoji Takeuchi, một người tiên phong trong lĩnh vực robot sinh học, đã giới thiệu những thành tựu và thách thức trong nghiên cứu sử dụng cơ bắp sống tại hội nghị này.

Ông cho rằng tuổi thọ của mô cơ là thách thức lớn nhất. Ông cho biết: "Chúng tôi đã thu thập dữ liệu về việc hoạt động của cơ bắp trong khoảng 100 ngày," và để kéo dài tuổi thọ, cần phải thực hiện hệ thống 'turnover' (thay thế) để các sợi cơ bị tổn thương có thể tự tái sinh như cơ thật.

Ông cũng đề xuất khả năng ứng dụng trong lĩnh vực y tế. Ông nói: "Nếu bàn tay sinh học hoạt động bằng cơ bắp sống được kết nối với thần kinh hoặc cơ của bệnh nhân, nó có thể hoạt động mà không cần điện hoặc động cơ điện," và cho biết thêm: "Điều này sẽ không cần thay pin và nhẹ hơn, rất hữu ích cho bệnh nhân." Ông cũng nhấn mạnh rằng: "Các mô được tạo ra 3D có thể được sử dụng như mô hình cho y học tái sinh và thử nghiệm thuốc," nhưng đây vẫn chỉ là ý tưởng ứng dụng trong giai đoạn nghiên cứu.

Trong lĩnh vực cảm biến, ông đã giới thiệu công nghệ mô phỏng 'mũi chó'. Ông nói: "Thời gian tập trung của chó trong việc phát hiện ma túy và chất nổ chỉ khoảng 5-10 phút," và nếu chúng ta đưa chức năng khứu giác của chó vào robot, chúng có thể phát hiện trong thời gian dài và cũng có thể được sử dụng trong chẩn đoán bệnh sớm.

Giáo sư Takeuchi đã đề xuất 'Living AI' như bước tiếp theo trong sự kết hợp giữa AI và sinh học. Ông nói: "AI thể chất hiện tại đã phát triển đến mức có thể làm cho robot hình người nhảy múa và chạy, nhưng chúng ta vẫn chưa biết cách điều khiển cơ bắp và hệ thần kinh sống. AI thể chất thế hệ tiếp theo cần phải hiểu và điều khiển các thành phần sinh học."

Hội nghị lần này diễn ra với chủ đề 'AI STAR (AI Integrated Sustainable Transformations for Advanced Robust Biotechnology)' từ ngày 1 đến 2 tháng 10, thu hút hơn 2.000 chuyên gia sinh học trong và ngoài nước tham gia và trình bày hơn 900 nghiên cứu trong 33 phiên chuyên đề.