Muốn khoa học đi nhanh hơn, hãy mở khóa tri thức
14/09/26
Khoa học thế kỷ 21 có những bước nhảy ngoạn mục: vaccine được phát triển với tốc độ chưa từng có, thuật toán dự đoán cấu trúc protein, máy giải trình tự DNA ngày càng nhanh, công nghệ năng lượng ngày càng hiệu quả. Nhưng nghịch lý là ở nhiều lĩnh vực, tri thức đáng tin cậy vẫn tiến rất chậm. Không phải vì nhà khoa học thiếu thông minh, mà vì cách sản xuất và kiểm chứng khoa học vẫn giống cỗ máy cũ: bài báo tĩnh, dữ liệu đóng, mã phân tích không công khai, bình duyệt thiếu minh bạch. Muốn khoa học nhanh hơn mà không kém chất lượng, cần mở lại toàn bộ quy trình từ dữ liệu, phương pháp, mã nguồn đến bình duyệt.
Khoa học vẫn mắc kẹt trong bài báo tĩnh
Hiện nay, phần lớn nghiên cứu khoa học vẫn được công bố dưới dạng bài báo trên tạp chí: tài liệu tĩnh, không tự cập nhật khi có dữ liệu mới, phương pháp mới hoặc lỗi mới được phát hiện. Thay vì chia sẻ đầy đủ dữ liệu và mã phân tích tạo ra kết quả, nhiều nhà khoa học chỉ công bố bản mô tả bằng chữ. Tệ hơn, các bài báo ấy thường nằm sau tường phí, khiến người ngoài khó kiểm tra độ xác thực.
Khi có người phát hiện dữ liệu bất thường hoặc lỗi phương pháp, quá trình sửa sai có thể kéo dài nhiều năm: đọc kỹ phương pháp, kiểm tra thủ công thống kê, tìm dữ liệu gốc nếu có, rồi chờ chỉnh sửa hoặc rút bài. Nhiều lỗi thậm chí không bao giờ được phát hiện. Vấn đề còn phức tạp hơn vì các nghiên cứu thường trích dẫn cả bài báo, chứ không trích dẫn từng kết quả, từng con số hay từng bộ dữ liệu cụ thể. Nghiên cứu hôm nay có thể dựa trên giả định từ một bài đã bị tranh cãi hoặc rút lại từ nhiều năm trước.
Khi lỗi không chỉ là phép tính sai
Sai sót khoa học không phải lúc nào cũng là lỗi toán học. Nhiều khi nó nằm trong các quyết định tưởng như kỹ thuật: chọn dữ liệu nào, cắt mẫu ở đâu, dùng phương pháp phân tích nào, báo cáo kết quả nào. Chính vùng mờ này tạo điều kiện cho p-hacking – việc thử nhiều cách xử lý dữ liệu khác nhau cho tới khi tìm được kết quả “đẹp”, rồi chỉ công bố phiên bản có lợi nhất.
Người đọc khó biết phát hiện có thật sự vững hay chỉ là sản phẩm của chuỗi lựa chọn tùy ý. Lẽ ra bình duyệt phải là hàng rào bảo vệ, nhưng cơ chế này thường không làm được như kỳ vọng. Nhiều nghiên cứu dùng phương pháp yếu vẫn được đăng; các tạp chí “tác động cao” không nhất thiết có tiêu chuẩn phương pháp tốt hơn tạp chí ít danh tiếng hơn.
Hiện nay, bình duyệt còn giống cơ chế gác cổng hơn kiểm chứng minh bạch. Nhận xét của người phản biện hiếm khi được công khai; quyết định đăng hay không phụ thuộc nhiều vào những người phản biện có mặt đúng lúc và được biên tập viên lựa chọn. Điều này dễ tạo thiên lệch: kết quả gây chú ý được ưu ái hơn kết quả thận trọng; nghiên cứu thách thức đồng thuận có thể bị chặn; còn người ngoài rất khó biết đâu là bằng chứng chắc, đâu là kết quả mong manh.
Những lĩnh vực biết cách đi nhanh hơn
Bức tranh không hoàn toàn u ám. Một số ngành chứng minh khoa học có thể nhanh hơn khi dữ liệu được mở. Bước đột phá của DeepMind (2020) với AlphaFold – thuật toán dự đoán cấu trúc protein từ chuỗi protein – dựa trên Protein Data Bank, cơ sở dữ liệu công khai có từ năm 1971. Trong nhiều thập kỷ, các nhà khoa học phân tử đo cấu trúc protein trong phòng thí nghiệm, nộp dữ liệu thủ công, còn người quản lý dữ liệu kiểm tra độ chính xác. Đến nay, kho này có hơn 150.000 mục cấu trúc protein được giám tuyển.
Genomics cũng đi theo hướng tương tự. Năm 1990, khởi động dự án Bộ gen Người và hoàn tất năm 2003, đặt nền cho Nguyên tắc Bermuda: các phòng thí nghiệm tham gia phải tải trình tự gen mới lên kho dữ liệu công khai hằng ngày. Di sản ấy tiếp tục trong HapMap, 1000 Genomes, dbGaP, rồi GISAID và NextStrain – các nền tảng chia sẻ bộ gen SARS-CoV-2 trong đại dịch Covid-19.
Ở khoa học máy tính, một số tạp chí đi xa hơn. Journal of Open Source Software hoạt động trên GitHub: nhà phát triển nộp phần mềm cùng bài miêu tả, người phản biện góp ý công khai trên mã nguồn và các phiên bản trước đều được lưu lại. Ở kinh tế học, kiểm tra độ bền của kết quả đã thành thông lệ; từ năm 2000, trong thử nghiệm lâm sàng, nhà nghiên cứu phải đăng ký trước phương pháp phân tích trước khi thu thập dữ liệu.
Hãy biến nghiên cứu thành sản phẩm sống
Hệ thống khoa học tốt hơn sẽ không coi bài báo là điểm cuối. Nghiên cứu nên được ghi lại như tài liệu trực tuyến tương tác, có lịch sử chỉnh sửa trên GitHub hoặc OSF; dữ liệu được lưu ở định dạng máy đọc được; mã phân tích được chuẩn hóa và kiểm tra tự động; người đọc có thể xem các kiểm tra độ bền hoặc phân tích đa vũ trụ để biết kết quả thay đổi thế nào khi phương pháp thay đổi.
Trích dẫn cũng cần thông minh hơn. Thay vì dẫn cả bài, hệ thống nên cho phép trỏ tới đúng biểu đồ, bộ dữ liệu, con số hoặc kết quả cụ thể, kèm mã định danh riêng và cảnh báo tự động nếu phần được trích dẫn đã bị chỉnh sửa, tranh cãi hoặc rút lại. Bình duyệt cũng nên mở hơn: cộng đồng khoa học và phản biện chuyên nghiệp cùng góp ý công khai; các nhóm “Red Team” được thuê để tìm điểm yếu; bình luận trên các nền tảng như PubPeer hiển thị cạnh nghiên cứu. Khi đó, tạp chí sẽ bớt vai trò gác cổng và tập trung hơn vào biên tập, kiểm tra mã, phổ biến kết quả cho nhà nghiên cứu, công chúng và nhà hoạch định chính sách.
Khoa học cần phân công lao động
Nhiều người phản đối khoa học mở vì cho rằng nó đòi hỏi quá nhiều ở nhà nghiên cứu. Tuy nhiên, lời giải không phải là bắt mỗi nhà khoa học thành chuyên gia toàn năng. Adam Smith từng chỉ ra năng suất tăng nhờ phân công lao động: kỹ năng được học sâu hơn, công cụ được phát triển tốt hơn, và thị trường dịch vụ chuyên môn được mở rộng.
Nghiên cứu khoa học cũng nên vận hành như sản phẩm tập thể. Dự án tốt có thể cần nhà lý thuyết, nhà dịch tễ học, nhà thống kê, lập trình viên, người kiểm tra mã, nhóm phản biện đối nghịch, quản lý dự án, biên tập viên, người viết và chuyên gia truyền thông. Khi bình duyệt, kiểm tra mã, tổ chức dữ liệu và diễn giải công chúng trở thành các chuyên môn độc lập, mỗi cá nhân bớt quá tải, còn toàn bộ hệ thống có thể tạo ra nhiều tri thức đáng tin hơn.
Khoa học không chậm vì minh bạch mà chậm vì thiếu hạ tầng, thiếu chuẩn chung và thiếu phân công đúng. Những lĩnh vực như sinh học phân tử, genomics, khoa học máy tính, kinh tế học và thử nghiệm lâm sàng đã cho thấy từng mảnh của lời giải. Việc còn lại là ghép chúng thành một hệ thống rộng hơn. Trong thế giới cần vaccine nhanh hơn, năng lượng sạch hơn và tri thức đáng tin hơn, tham vọng khoa học không nên dừng ở việc khám phá cái mới mà phải bắt đầu từ việc sửa chính cỗ máy tạo ra khám phá.
shared via worksinprogress,
