AI vạch lộ trình liên sao tới Alpha Centauri

AI của Physical Superintelligence đề xuất lộ trình đưa tàu thăm dò 15 triệu USD tới Alpha Centauri, dù chuyến bay có thể kéo dài 80.000 năm.

Alpha và Beta Centauri bên cạnh sơ đồ lộ trình liên sao
Minh họa lộ trình hướng tới hệ Alpha Centauri

Một hệ thống trí tuệ nhân tạo của phòng nghiên cứu Physical Superintelligence đã tìm ra lộ trình hướng tới Alpha Centauri. Lộ trình dành cho tàu thăm dò chạy bằng năng lượng mặt trời, với chi phí dự kiến 15 triệu USD. Phương án giảm khối lượng tàu bằng cách chỉ vận hành động cơ khi tàu áp sát Mặt Trời. Tuy nhiên, hành trình vẫn có thể kéo dài tới 80.000 năm và nghiên cứu chưa qua bình duyệt.

Đăng ngày 1 tháng 9 năm 2026.

Theo bài viết gốc của MIT Technology Review, Fermi Explorer Mission dự định phóng tàu trước cuối năm 2029. Đây là tổ chức phi lợi nhuận muốn đưa tàu vũ trụ tới hệ sao gần chúng ta nhất. Alpha Centauri cách Trái Đất 4,4 năm ánh sáng.

Lộ trình do hệ thống AI của Physical Superintelligence, gọi tắt là PSI, đề xuất. PSI ra mắt với khoản tài trợ 58 triệu USD trong vòng gọi vốn do Breakthrough Energy dẫn dắt. Đây là tổ chức đầu tư tập trung vào khí hậu do Bill Gates, đồng sáng lập Microsoft, thành lập.

Nội dung sứ mệnh và mục tiêu phóng tàu

Fermi Explorer Mission ưu tiên đưa một tàu vũ trụ lên đường bằng công nghệ hiện có, thay vì chờ phương tiện có thể hoàn thành chuyến bay trong đời người. Sứ mệnh được các nhà tài trợ tư nhân hỗ trợ, dự kiến tiêu tốn 15 triệu USD và mang ít nhất một kilogram hàng hóa.

Đây không phải nỗ lực đầu tiên nhằm đưa tàu vũ trụ tới Alpha Centauri. Theo MIT Technology Review, năm 2016, nhà đầu tư công nghệ Yuri Milner công bố Breakthrough Starshot. Dự án dùng tia laser công suất lớn để đẩy các tàu thăm dò nhỏ đạt tốc độ bằng một phần năm tốc độ ánh sáng. Với vận tốc đó, hành trình dự kiến kéo dài 20 năm.

Milner cam kết đầu tư 100 triệu USD cho mô hình thử nghiệm, nhưng sau một thập niên vẫn chưa có thiết bị nào được phóng. Philip Johnston, đồng sáng lập kiêm chủ tịch Fermi Explorer Mission, cho biết nhóm không muốn lặp lại trường hợp của Breakthrough Starshot. Mục tiêu là thực sự phóng một tàu vũ trụ, dù chuyến đi không thể hoàn thành trong đời người.

Tàu dự kiến mang các vật phẩm nghệ thuật và khoa học, thông điệp cùng một bản sao Đĩa Vàng. Theo MIT Technology Review, NASA từng gắn chiếc đĩa mạ vàng chứa âm thanh và hình ảnh về Trái Đất lên hai tàu Voyager vào năm 1977.

Nguồn năng lượng cho chuyến bay liên sao

Trở ngại chính của chuyến bay là cung cấp đủ năng lượng mà không làm tàu quá nặng. Alpha Centauri cách Trái Đất khoảng 25 nghìn tỷ dặm, trong khi Voyager 1 đã bay từ năm 1977 nhưng vẫn chưa hoàn thành 1% quãng đường tương đương.

Nếu duy trì vận tốc của Voyager 1, hành trình tới Alpha Centauri sẽ kéo dài hơn 70.000 năm. Johnston và cộng sự đã dành một năm tìm cách đưa một tàu nhỏ chạy bằng năng lượng mặt trời tới hệ sao này với tổng chi phí 15 triệu USD.

Khối lượng là ràng buộc trung tâm của bài toán. Tàu càng nặng thì càng cần nhiều nhiên liệu, nhưng một hệ thống cung cấp năng lượng đủ lớn cũng làm tăng khối lượng của tàu.

Bài toán này cho thấy vai trò của hạ tầng trí tuệ nhân tạo không chỉ nằm ở việc vận hành mô hình. Trong nghiên cứu khoa học, hệ thống còn phải phân rã vấn đề, lựa chọn phép mô phỏng và xử lý khối lượng tính toán theo yêu cầu cụ thể.

Cách AI tìm ra lộ trình mới

AI tìm ra phương án bằng cách chia câu hỏi nghiên cứu thành các nhiệm vụ nhỏ, chọn phép mô phỏng và kết hợp những kỹ thuật điều chỉnh quỹ đạo đã được biết đến. Điểm mới không nằm ở một công nghệ đẩy riêng lẻ mà ở cách sắp xếp các kỹ thuật thành một cấu hình sứ mệnh khác.

Từ bài toán của Fermi đến Get Physics Done

Sau khi nhóm Fermi chưa tìm được phương án khả thi, Johnston đề cập bài toán trong một chương trình âm thanh do nhà vật lý Alex Wissner-Gross dẫn. Wissner-Gross, đồng sáng lập PSI, đề nghị đưa vấn đề vào Get Physics Done, phần mềm nguồn mở do phòng nghiên cứu này phát triển.

Get Physics Done tiếp nhận một câu hỏi nghiên cứu vật lý, chia câu hỏi thành các nhiệm vụ nhỏ hơn và quyết định những phép mô phỏng cần chạy. Hệ thống có thể sử dụng các mô hình như Claude của Anthropic hoặc GPT của OpenAI.

Quy trình này có điểm tương đồng với nghiên cứu tự động bằng trí tuệ nhân tạo: mô hình thực hiện nhiều bước, còn con người theo dõi mục tiêu và kiểm tra kết quả.

Chỉ một tuần sau khi nhận bài toán, hệ thống đưa ra lộ trình mà nhóm Fermi chưa từng cân nhắc. Kết quả được trình bày trong một bài báo chưa qua bình duyệt.

Theo phương án này, tàu trước hết giảm tốc để đi vào quỹ đạo áp sát Mặt Trời, gần hơn cả Sao Thủy. Trong mỗi lần tiếp cận, tàu kích hoạt động cơ khi các tấm pin nhận lượng ánh sáng gấp bốn lần. Lực đẩy tạo ra ở vận tốc cao cũng cung cấp nhiều năng lượng hơn so với cùng lực đẩy tại vị trí khác.

Vì động cơ chỉ hoạt động gần Mặt Trời, tàu có thể sử dụng các tấm pin nhỏ hơn. Cách bố trí này giúp giữ khối lượng tàu ở mức thấp.

Ba ngày nghiên cứu và một tỷ token

Theo Matt Pines, đồng sáng lập kiêm giám đốc điều hành PSI, hệ thống tự thực hiện phần lớn công việc nghiên cứu trong ba ngày và chạy trên một tỷ token, tức các đơn vị văn bản đầu vào và đầu ra mà mô hình xử lý. Một nhà vật lý thiên văn vẫn phải hướng hệ thống tuân thủ yêu cầu, bổ sung phân tích và kiểm tra lỗi.

Pines cho biết kết quả đáng chú ý là một cấu hình sứ mệnh khác với những phương án nhóm Fermi từng cân nhắc. Nhà vật lý thiên văn của PSI hướng hệ thống tuân thủ yêu cầu của sứ mệnh, yêu cầu bổ sung phân tích chi phí và làm rõ biểu đồ, sau đó trực tiếp kiểm tra đầu ra để tìm lỗi.

Get Physics Done có thể sử dụng Claude hoặc GPT để phân rã câu hỏi vật lý thành các nhiệm vụ nhỏ hơn, lựa chọn phép mô phỏng và hỗ trợ quá trình tìm kiếm phương án kỹ thuật.

Pines đồng thời nhấn mạnh rằng mô hình vẫn thiếu khả năng phán đoán và cảm nhận nghiên cứu của con người. Hệ thống không xác định đáng tin cậy vấn đề nào thật sự thú vị hoặc hướng tiếp cận nào đáng theo đuổi. Nó có thể mắc kẹt trong ngõ cụt hoặc bỏ qua những phương án khác.

Con tàu phóng sau có thể đến trước

Thời gian bay hàng chục nghìn năm tạo ra khả năng một tàu được chế tạo và phóng muộn hơn vẫn tới Alpha Centauri trước tàu Fermi. Theo MIT Technology Review, Johnston ước tính một động cơ xuất hiện sau 1.000 năm và nhanh hơn công nghệ hiện nay 20% có thể giúp tàu đến đích sớm hơn trên 10.000 năm.

Nghịch lý này phản ánh quy mô thời gian của chuyến bay liên sao. Fermi Explorer Mission không giả định rằng công nghệ hiện tại sẽ luôn nhanh nhất. Nhóm muốn chứng minh con người đã có thể phóng một vật thể hướng tới một ngôi sao khác bằng nguồn lực hiện có.

Sứ mệnh gắn với nghịch lý Fermi

Sứ mệnh liên hệ trực tiếp với nghịch lý Fermi: nếu những nền văn minh thông minh có thể và muốn di chuyển giữa các vì sao, tại sao con người chưa thấy dấu hiệu của họ? Việc phóng tàu sẽ cho thấy ít nhất một nền văn minh vừa có khả năng vừa có ý định đưa vật thể tới một hệ sao khác.

Theo MIT Technology Review, năm 1950, nhà vật lý Enrico Fermi nêu ra nghịch lý dựa trên quy mô và tuổi của thiên hà. Thiên hà có hàng trăm tỷ ngôi sao, phần lớn già hơn Mặt Trời rất nhiều. Ngay cả một nền văn minh di chuyển chậm giữa các vì sao cũng có thể lan khắp thiên hà trong vài triệu năm, khoảng thời gian ngắn so với tuổi của thiên hà.

Những cách giải thích mà sứ mệnh đặt lại

Một cách giải thích là việc tiếp cận ngôi sao khác quá khó. Khả năng khác là các loài thông minh không muốn thực hiện hành trình đó. Nếu tàu Fermi được phóng, cả hai cách giải thích đều có thể không đủ để lý giải vì sao thiên hà dường như chưa được khám phá.

Johnston cho rằng điều này dẫn tới những khả năng đáng lo hơn. Sự sống như trên Trái Đất có thể cực kỳ hiếm. Cũng có thể sự sống thông minh phổ biến nhưng thường biến mất trước khi kịp lan ra ngoài hệ sao của mình.

Nếu khả năng thứ hai đúng, Johnston đặt câu hỏi liệu siêu trí tuệ có thể mang tính tự hủy hay không. Ông cho rằng trong 50 năm tới có thể tồn tại một rào cản lớn mà nhân loại không vượt qua được, tương tự điều đã ngăn những nền văn minh thông minh khác tiếp tục tồn tại và mở rộng.

Lộ trình tới Alpha Centauri vẫn chỉ là một đề xuất chưa qua bình duyệt, còn thời gian bay được tính bằng hàng chục nghìn năm. Kết quả cho thấy AI có thể tìm thấy phương án kỹ thuật mà một nhóm chuyên gia đã bỏ sót, nhưng con người vẫn phải chọn câu hỏi, kiểm tra sai sót và quyết định hướng nghiên cứu nào đáng theo đuổi.

Sự phân công đó cũng xuất hiện trong nguyên lý tạo tác phẩm tự chủ bằng trí tuệ nhân tạo, nơi hệ thống chuyển từ trả lời câu hỏi sang lập kế hoạch và tạo kết quả có thể kiểm chứng.