Chatbot AI Grok của Elon Musk vừa công khai bày tỏ sự quan tâm tới Quinelings, dự án thử nghiệm của Charles Hoskinson, nhà sáng lập Cardano. Điểm gây chú ý của dự án là cách biến mã nguồn thành các “sinh vật số” chuyển động để trực quan hóa cấu trúc và hành vi của chương trình.

Ngày 20/10 (giờ địa phương), theo Decrypt, Grok đã phản hồi bài đăng của Jason Appleton, một người ủng hộ Cardano, và dành lời khen cho ý tưởng mới của Hoskinson.

Appleton mô tả dự án này là “rất khác thường”, thậm chí ví Hoskinson như “đến từ hành tinh khác”. Đáp lại, Grok cho rằng Hoskinson tiếp tục theo đuổi những ý tưởng công nghệ mang cảm giác đi trước thời đại.

Quinelings được giới thiệu như một dự án thể hiện hành vi do mã tạo ra dưới dạng các sinh thể kỹ thuật số chuyển động, thay vì chỉ hiển thị mã dưới dạng văn bản. Hoskinson trước đó đã công bố một video trình diễn, trong đó chương trình do ông viết được chuyển thành những “sinh vật toán học” dạng hoạt hình di chuyển trong môi trường ảo mà ông gọi là “đại dương điện tử”.

Trong video, các thực thể này có thể bơi, săn mồi, phát triển, sinh sôi hoặc “chết” như sinh vật sống. Tuy nhiên, đây không phải sinh vật sinh học mà là cách biểu diễn trực quan một chương trình máy tính đang vận hành. Điểm cốt lõi nằm ở việc liên kết trực tiếp giữa đoạn mã và hành vi hiển thị ra bên ngoài.

Theo cách mô tả của dự án, hình dạng và hành vi của mỗi sinh vật số tương ứng với chương trình tạo ra nó. Nhờ đó, người dùng có thể quan sát chuyển động để xác định đoạn mã nào tạo nên một hành vi cụ thể, thay vì phải đọc mã nguồn rồi tách riêng phần kiểm tra kết quả chạy. Cách làm này được kỳ vọng giúp việc khám phá cấu trúc và cơ chế hoạt động của chương trình trở nên trực quan hơn.

Về mặt kỹ thuật, Quinelings dựa trên khái niệm “quine” trong lập trình, tức chương trình khi chạy có thể tự in ra chính mã nguồn của nó. Bộ công cụ phát triển phần mềm (SDK) của dự án được dùng để trực quan hóa cấu trúc tự tham chiếu và tự sao chép này, qua đó cho phép thử nghiệm cách mã được nhân bản và biến đổi.

Một trong những điểm khiến Grok chú ý là việc mã được biểu diễn như các sinh vật số để người dùng có thể theo dõi quá trình “tiến hóa”. Dù vậy, mức độ tự chủ hay khả năng tiến hóa thực sự của các hành vi giống sinh vật trong bản trình diễn vẫn cần được kiểm chứng thêm thông qua cách triển khai và kết quả thử nghiệm thực tế.

Hoskinson cho rằng Quinelings có thể vượt ra ngoài vai trò của một công cụ trực quan hóa, để phục vụ cả thử nghiệm AI lẫn hoạt động lập trình. Theo ông, nếu một AI agent có thể biểu diễn quy trình làm việc bằng một “sinh vật số” có thể chia sẻ, thay vì chỉ bằng mã nguồn hoặc tài liệu thông thường, các nhà phát triển khác sẽ dễ quan sát cấu trúc và hành vi hơn để rà soát logic.

Cách tiếp cận này, theo phần giới thiệu dự án, có thể được ứng dụng vào gỡ lỗi quy trình AI, tìm ra giải pháp mới bằng cách kết hợp nhiều chương trình, hoặc thử nghiệm các phương thức tính toán có thể tái tạo trong nhiều môi trường khác nhau. Tuy nhiên, đây mới là định hướng mà dự án đặt ra; hiệu quả và khả năng ứng dụng rộng rãi vẫn cần thêm thời gian để đánh giá.

Hoskinson cũng đã công khai mã nguồn của Quinelings trên GitHub để cộng đồng lập trình viên có thể xem cách triển khai và trực tiếp thử nghiệm. Nhờ đó, dự án không chỉ dừng ở mức video trình diễn mà đã bước sang giai đoạn có thể được đánh giá từ bên ngoài.

Động thái này cũng diễn ra trong bối cảnh Hoskinson tìm kiếm các công cụ lập trình mới cho hệ sinh thái Cardano. Đầu tuần này, ông cho biết đang phát triển một ngôn ngữ lập trình mới cho hệ sinh thái blockchain, dự kiến hỗ trợ dữ liệu kèm bằng chứng dựa trên intent và chứng minh Groth16.

Hiện chưa thể xác nhận Quinelings và ngôn ngữ lập trình mới nói trên có phải là một dự án hay có liên kết kỹ thuật trực tiếp hay không. Dù vậy, cả hai đều cho thấy định hướng thiết kế lại cấu trúc tính toán, cách thực thi và cơ chế xác minh, vì thế mối liên hệ giữa chúng đang thu hút sự chú ý.

Lời khen từ Grok giúp Quinelings được quan tâm nhiều hơn, nhưng giá trị kỹ thuật và tính ứng dụng của dự án vẫn cần được đánh giá độc lập. Vấn đề đáng theo dõi trong thời gian tới là liệu cách liên kết trực quan giữa mã nguồn và hành vi khi chương trình chạy có thực sự giúp lập trình viên hiểu hệ thống tốt hơn, đồng thời hỗ trợ kiểm chứng quy trình AI hiệu quả hơn hay không.