Tỷ phú Jeff Bezos vừa huy động 12 tỷ USD cho Prometheus, startup đang phát triển thứ họ gọi là "kỹ sư tổng quát nhân tạo" (artificial general engineer). Mục tiêu là dùng AI để thiết kế và sản xuất mọi thứ, từ động cơ phản lực đến hợp chất dược phẩm. Nhưng bài toán cốt lõi Prometheus phải giải không chỉ là huấn luyện mô hình, mà còn là chuyển giao từ mô phỏng ra thực tế: làm sao để một thiết kế hoàn hảo trong mô phỏng vẫn hoạt động khi được chế tạo ngoài đời.

Vì sao mô phỏng không bao giờ đủ

Khi thiết kế một cánh quạt tuabin trên máy tính, phần mềm CFD (computational fluid dynamics) sẽ tính toán dòng khí qua hàng triệu ô lưới. Kết quả trông hoàn hảo. Nhưng khi gia công thực tế, bề mặt kim loại có độ nhám vi mô, mối hàn tạo ra ứng suất dư, và nhiệt độ vận hành dao động khác xa điều kiện lý tưởng. Khoảng cách giữa "sim" và "real" này được gọi là reality gap, và nó là kẻ thù số một của mọi hệ thống AI muốn thiết kế vật thể vật lý.

Domain randomization: huấn luyện để thích nghi với biến động

Phương pháp phổ biến nhất để thu hẹp reality gap là domain randomization. Thay vì chỉ mô phỏng một môi trường duy nhất, hệ thống tạo ra hàng nghìn biến thể bằng cách thay đổi ngẫu nhiên hệ số ma sát, trọng lực, kích thước vật thể và mức nhiễu cảm biến. Mô hình AI được huấn luyện trên toàn bộ dải biến thể đó, nên khi gặp thế giới thực, vốn chỉ là một biến thể khác trong không gian tham số, nó đã có khả năng thích ứng. Hãy hình dung một người tập lái xe qua 10.000 cung đường khác nhau trong game, từ mặt đường trơn trượt đến đường gồ ghề. Khi ra đường thật, bạn không bỡ ngỡ vì đã gặp tình huống tương tự.

Digital twin: cầu nối hai chiều giữa mô phỏng và thực tế

Prometheus và các công ty tương tự sử dụng digital twin, tức bản sao số của một vật thể vật lý, được cập nhật liên tục bằng dữ liệu từ cảm biến thực tế. Khi động cơ vận hành, cảm biến sẽ đo nhiệt độ, độ rung và áp suất rồi truyền dữ liệu ngược về mô hình. Mô hình sẽ tự hiệu chỉnh, qua đó thu hẹp reality gap theo thời gian. Quá trình này tạo thành một vòng lặp khép kín: thiết kế trong mô phỏng, chế tạo thử, đo sai lệch, cập nhật mô phỏng rồi thiết kế lại. Sau mỗi vòng lặp, khoảng cách giữa mô phỏng và thực tế lại thu hẹp thêm.

Thách thức riêng của vật liệu

Với phần mềm, bạn có thể triển khai bản cập nhật trong vài giây. Với vật thể vật lý, mỗi lần thử nghiệm tốn hàng tuần và hàng triệu đô. Nhiều vật liệu mới chưa có đủ dữ liệu để mô phỏng chính xác. Chẳng hạn, hợp kim titan in 3D có cấu trúc vi mô khác nhau tùy thông số của từng lớp in. Prometheus cần xây dựng cơ sở dữ liệu vật liệu khổng lồ, kết hợp kết quả thí nghiệm thực với mô phỏng phần tử hữu hạn (FEM), để mô hình AI hiểu vật liệu ở cấp vi mô chứ không chỉ cấp vĩ mô.

Canh bạc 12 tỷ USD

Với mức định giá 41 tỷ USD sau vòng Series B, Prometheus đặt cược rằng công nghệ chuyển giao từ mô phỏng ra thực tế sẽ đủ trưởng thành để rút ngắn chu trình thiết kế từ nhiều năm xuống còn vài tuần. Ông Bezos và đồng sáng lập Vik Bajaj, cựu lãnh đạo Verily, đơn vị khoa học sức khỏe của Google, cho rằng nếu thành công, công nghệ này sẽ khiến thế giới cần nhiều kỹ sư hơn, không phải ít đi, vì tốc độ sáng tạo tăng lên sẽ mở ra những dự án trước đây ít ai dám bắt tay vào.