Claude Science: khi agent ngồi vào bàn làm việc của nhà khoa học

Cùng ngày ra mắt Sonnet 5, Anthropic còn trình làng một sản phẩm được MIT Technology Review gọi là "flagship mới" của hãng: Claude Science. Hiểu đơn giản, đây là một bàn làm việc nghiên cứu có sẵn hơn 60 cơ sở dữ liệu khoa học và công cụ tính toán, vận hành theo kiểu Claude Code — bạn giao việc bằng vài câu ngắn gọn, agent tự đi tra cứu tài liệu, truy vấn dữ liệu protein, chạy tính toán rồi mang kết quả về. Thế mạnh hiện tại nghiêng về sinh học tính toán và phát triển thuốc. Mọi tài khoản Claude trả phí đều dùng được ngay.

Giá trị nằm ở bộ công cụ, không nằm ở mô hình

Điểm đáng chú ý nhất của Claude Science không phải trí thông minh của mô hình bên dưới. Cái khó mà Anthropic giải là nối đúng chỗ: khi nhà nghiên cứu hỏi "hợp chất nào đã biết là bám vào target này?", agent thật sự truy vấn các database chuyên ngành, đối chiếu kết quả với nhau và chỉ rõ lấy từ nguồn nào. Cuộc đua giữa các lab dường như đang chuyển từ "mô hình ai thông minh hơn" sang "ai cắm được agent vào đúng những hệ thống chứa tri thức".

Anthropic còn tự đặt mình vào thế phải chứng minh: hãng tuyên bố sẽ dùng chính Claude Science để nghiên cứu thuốc cho các bệnh hiếm, ít được ngành dược quan tâm. Nếu ra được ứng viên thuốc thật, đó sẽ là màn quảng cáo không benchmark nào sánh được.

Không làm sinh học cũng nên để mắt

Kiến trúc "60 database + 1 agent" thực chất là bài toán chung của mọi người làm tri thức. Thay database protein bằng wiki công ty, hệ thống ticket, hay kho ghi chú cá nhân — vấn đề y hệt: câu trả lời lấy từ nguồn nào, dữ liệu còn mới không, và agent có thật sự chạy truy vấn hay tự bịa ra.

Chú thích: Truy vấn, đối chiếu, tính toán, trích nguồn — một vòng lặp mà mọi công cụ tri thức đều sẽ phải học theo.

Những công cụ như BrainMap cũng đi trên con đường này: ghi chú được tổ chức thành knowledge graph thì agent mới lần theo được, và quan trọng nhất — câu trả lời phải dẫn ngược về đúng ghi chú gốc của bạn, thay vì một kết luận từ hộp đen.

Lời khuyên kỹ thuật: coi trích dẫn là yêu cầu bắt buộc

Nếu bạn đang xây tính năng agent chạy trên kho tri thức, đừng để trích dẫn là "có thì tốt". Mỗi kết luận agent đưa ra cần gắn tham chiếu đọc được bằng máy: nguồn nào, bản ghi nào, lấy lúc nào. Cách triển khai gọn: bọc mỗi nguồn dữ liệu thành một công cụ trả về {result, source_id, retrieved_at}, và bắt bước tổng hợp chỉ được trích những bản ghi đã trả về. Làm vậy, tham chiếu bịa sẽ bị chặn ngay từ tầng schema — không bao giờ đến được mắt người dùng. Nhớ log lại các lần gọi công cụ bên cạnh kết luận, để người dùng soát được cả quá trình chứ không chỉ đáp án.

Nguồn: MIT Technology Review, Bloomberg, Northeastern University.

Còn bạn thì sao? Một bản tổng quan tài liệu do agent viết, từng câu đều có link nguồn — bạn sẽ tin, hay vẫn tự đọc lại từng nguồn?