AI–quantum “frenemies”

Bài viết “AI and quantum computers will be frenemies” của The Economist đăng ngày 29 tháng 7 năm 2026 cho rằng trí tuệ nhân tạo (AI) và máy tính lượng tử sẽ vừa là đối tác, vừa là đối thủ — vì thế được gọi là “frenemies” (friends + enemies).

(Nguồn: https://setcoin.group/article/quantum-ai-convergence)

AI và máy tính lượng tử có những thế mạnh khác nhau

AI rất giỏi nhận diện mẫu, học từ dữ liệu và dự đoán. Máy tính lượng tử được kỳ vọng giải quyết một số bài toán chuyên biệt mà máy tính cổ điển rất khó xử lý, đặc biệt là mô phỏng các hệ lượng tử trong hóa học, vật liệu và sinh học. Máy tính lượng tử không phải là phiên bản nhanh hơn của máy tính thông thường và cũng không thay thế AI trong mọi nhiệm vụ.

Vì vậy, hai công nghệ có thể hỗ trợ lẫn nhau. 

• AI có thể thúc đẩy sự phát triển của máy tính lượng tử bằng cách:

• thiết kế vật liệu và linh kiện lượng tử;
• điều khiển, hiệu chỉnh các qubit;
• phát hiện và sửa lỗi lượng tử;
• hỗ trợ viết và tối ưu hóa thuật toán lượng tử;
• xác định những bài toán phù hợp để đưa sang máy tính lượng tử.

• Ở chiều ngược lại, máy tính lượng tử có thể hỗ trợ AI bằng cách:

• thực hiện một số phép tính tối ưu hóa hoặc lấy mẫu phức tạp;
• tạo ra dữ liệu mô phỏng khoa học có độ chính xác cao để huấn luyện AI;
• hỗ trợ những mô hình học máy chuyên biệt như quantum reservoir computing;
• mở rộng khả năng khám phá thuốc, vật liệu mới, pin và các quá trình hóa học.

(Nguồn: https://startupfortune.com/a-quantum-ai-test-on-ibm-hardware-points-to-a-new-compute-race/)

Nhưng AI và lượng tử cũng cạnh tranh

Hai lĩnh vực đang cạnh tranh về:

• vốn đầu tư;
• nhân lực khoa học và kỹ thuật trình độ cao;
• sự quan tâm của chính phủ và doanh nghiệp;
• cơ sở hạ tầng tính toán;
• vị trí trung tâm trong chiến lược công nghệ của các tập đoàn lớn.

AI đã tạo ra sản phẩm và doanh thu thực tế, trong khi lợi ích thương mại của máy tính lượng tử vẫn còn chưa chắc chắn. Vì vậy, làn sóng đầu tư vào AI có thể hút nguồn lực khỏi lĩnh vực lượng tử. Mặt khác, nhu cầu điện và hạ tầng khổng lồ của các trung tâm dữ liệu AI cũng khiến người ta quan tâm hơn đến những kiến trúc tính toán chuyên dụng và tiết kiệm tài nguyên.

Tương lai của sự kết hợp AI–quantum 

Kịch bản hợp lý nhất không phải là máy tính lượng tử thay thế AI hoặc thay thế máy tính cổ điển. Tương lai có nhiều khả năng thuộc về những hệ thống tính toán lai.

Trong hệ thống đó:

• máy tính cổ điển đảm nhiệm phần lớn các tác vụ thông thường;
• AI phân tích dữ liệu, dự đoán và điều phối quy trình;
• bộ xử lý lượng tử chỉ xử lý những phần bài toán mà nó thực sự có lợi thế.

Người sử dụng thậm chí có thể không nhận ra lúc nào máy tính lượng tử được huy động. Tương tự việc các ứng dụng hiện nay tự động phân phối công việc giữa CPU, GPU và dịch vụ đám mây, các hệ thống tương lai có thể gửi một phần bài toán đến bộ xử lý lượng tử rồi đưa kết quả trở lại quy trình AI.

Điểm quan trọng là không phải bài toán nào cũng cần máy tính lượng tử. Thành công sẽ không thuộc về tổ chức sử dụng công nghệ phức tạp nhất, mà thuộc về tổ chức xác định đúng bài toán và kết hợp đúng công cụ.

Tài liệu tham khảo và đọc thêm

• https://www.economist.com/science-and-technology/2026/07/29/ai-and-quantum-computers-will-be-frenemies
• https://www.linkedin.com/posts/mikelutheromaha_artificialintelligence-quantumcomputing-activity-7501814156141056001-h1Uy
• https://www.linkedin.com/posts/scottgraffius_ai-artificialintelligence-quantumcomputing-activity-7498652642483662848-8Y_b 

Fibonacci Spirals in Plants

Xoắn ốc Fibonacci ở thực vật là hiện tượng các cơ quan mọc quanh một trục — hạt hướng dương, vảy quả thông, mắt dứa, cánh hoa, lá trên thân — tự sắp xếp thành những đường xoắn mà số lượng đường xoắn hầu như luôn là số Fibonacci: 1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89…

Cơ chế nằm ở góc phân kỳ (divergence angle) — góc lệch giữa hai mầm mọc liên tiếp. Khi góc này bằng góc vàng ≈ 137,507° (tức 360° ÷ φ², với φ là tỉ lệ vàng ≈ 1,618), các mầm không bao giờ xếp chồng lên nhau thành tia thẳng, và mắt ta tự động nhận ra các đường xoắn với số lượng là số Fibonacci.

(nguồn: https://www.newmarkettoday.ca/local-news/gardening-each-leaf-petal-spiral-shows-perfection-of-natures-design-9218650)

(nguồn: https://www.vmcdn.ca/f/files/midlandtoday/images/gardening/fib-grid.jpeg;w=960)

Về nguyên nhân sinh học, đây là hệ quả của cơ chế hóa sinh. Mỗi mầm mới hình thành ở đỉnh sinh trưởng đều hút cạn hormone auxin xung quanh nó, tạo ra một "vùng cấm". Mầm tiếp theo buộc phải xuất hiện ở chỗ xa các mầm cũ nhất, tức là ở khoảng trống rộng nhất. Lặp lại quy tắc đơn giản này qua nhiều lượt, hệ thống tự hội tụ về góc vàng. Các nhà nghiên cứu Douady và Couder năm 1992 đã tái tạo đúng hiện tượng này bằng thí nghiệm nhỏ giọt dầu từ tính trên đĩa dầu silicon — không có gen, không có thực vật, mà vẫn ra xoắn ốc Fibonacci.

(Nguồn: https://sarevneed.amebaownd.com/posts/53466846/ )

Tài liệu tham khảo và đọc thêm

•  https://samratseniitmadras.wixsite.com/websam/post/the-fibonacci-sequence-in-nature
• https://www.newmarkettoday.ca/local-news/gardening-each-leaf-petal-spiral-shows-perfection-of-natures-design-9218650
• https://www.civilsdaily.com/news/fibonacci-spirals-in-plants-and-fossil-discoveries/

Phyllotaxy

 Phyllotaxy (hay phyllotaxis) là cách sắp xếp lá trên thân hoặc cành của thực vật. Nói đơn giản, nó mô tả lá mọc ở đâu và theo quy luật nào quanh thân cây.

(Nguồn: https://www.flowerspicture.org/nerium_oleander.html)

Các kiểu phyllotaxy phổ biến gồm:

• Alternate (so le): mỗi đốt chỉ có một lá, các lá mọc xen kẽ nhau. Ví dụ: xoài, dâm bụt

• Opposite (đối): mỗi đốt có hai lá mọc đối diện nhau. Ví dụ: ổi, bạc hà.

• Whorled (mọc vòng): mỗi đốt có từ ba lá trở lên mọc thành vòng quanh thân. Ví dụ: trúc đào.

• Spiral (mọc xoắn ốc): lá xếp theo đường xoắn quanh thân, mỗi lá lệch so với lá trước một góc gần cố định khoảng 137,5° (gọi là góc vàng). Con số này liên quan trực tiếp đến dãy Fibonacci, và cũng chính là cơ chế tạo ra các đường xoắn ta thấy ở đài hoa hướng dương, vảy quả thông hay quả dứa.

(Nguồn: https://www.slideshare.net/slideshow/phylotaxis/250026478 )

Ý nghĩa sinh học của phyllotaxy nằm ở chỗ nó giúp cây giảm tối đa việc lá che khuất nhau, nhờ đó mỗi lá nhận được nhiều ánh sáng nhất có thể để quang hợp. Trong phân loại học, kiểu mọc lá cũng là một đặc điểm quan trọng để nhận dạng loài.

(Nguồn: https://geometrymatters.com/decoding-the-mathematical-secrets-of-plants-spiraling-leaf-patterns/)

Tài liệu tham khảo và đọc thêm

• https://mgnv.org/plants/glossary/glossary-phyllotaxis-alternate-opposite/
• https://crosbyholmegrown.uk/resources/description-classification-botany/botany/botany-four-phyllotaxy-leaves/
• https://geometrymatters.com/decoding-the-mathematical-secrets-of-plants-spiraling-leaf-patterns/

Angiosperms

Angiosperms (thực vật hạt kín, ngành Magnoliophyta) là nhóm thực vật có hoa — nhóm đa dạng và phổ biến nhất trong giới thực vật hiện nay, với khoảng 300.000 loài, chiếm phần lớn thảm thực vật trên cạn

(Nguồn: https://bioisnotdifficult.blogspot.com/2018/08/flowering-plants-part-1.html)

 Điểm đặc trưng quan trọng nhất là hạt được bao bọc bên trong quả, khác với Gymnosperms – thực vật hạt trần, nơi hạt không nằm trong quả.

(Nguồn: https://www.geeksforgeeks.org/biology/difference-between-angiosperms-and-gymnosperms/ )

Đặc điểm chính:

• Có hoa — cơ quan sinh sản đặc trưng, gồm đài, tràng, nhị và nhụy.
• Hạt được bao kín trong quả, phát triển từ bầu nhụy. Đây là điểm khác biệt cơ bản so với thực vật hạt trần (gymnosperms) như thông, tuế, nơi hạt nằm trần trên vảy nón.
• Thụ tinh kép: một tinh tử kết hợp với trứng tạo hợp tử, tinh tử còn lại kết hợp với nhân lưỡng bội tạo nội nhũ nuôi phôi.
• Mạch dẫn hiệu quả (mạch gỗ có quản bào và mạch ống), giúp vận chuyển nước tốt hơn.

Phân loại chính:

Angiosperms thường được chia thành hai nhóm lớn:

• Monocots – thực vật một lá mầm: lúa, ngô, cỏ, lan, dừa.
• Eudicots – thực vật hai lá mầm thực sự: đậu, hoa hồng, cà chua, xoài.

Angiosperms xuất hiện khoảng 140 triệu năm trước (kỷ Phấn trắng) và nhanh chóng lan rộng, một phần nhờ mối quan hệ cộng sinh với côn trùng thụ phấn. Chúng cung cấp gần như toàn bộ lương thực của con người.

Tài liệu đọc thêm và tham khảo

• https://www.britannica.com/plant/angiosperm
• https://natureworks.nhpbs.org/concepts/angiosperms/
• https://courses.lumenlearning.com/suny-biology2xmaster/chapter/angiosperms/
• https://pmc.ncbi.nlm.nih.gov/articles/PMC10607945/

Ecological pyramids

Tháp sinh thái (ecological pyramid) là biểu đồ mô tả tương quan giữa các bậc dinh dưỡng trong hệ sinh thái, được xếp chồng từ sinh vật sản xuất ở đáy lên sinh vật tiêu thụ bậc cao ở đỉnh. Khái niệm do nhà sinh thái học người Anh Charles Elton đề xuất năm 1927, nên còn gọi là tháp Elton.

(Nguồn: https://vajiramandravi.com/upsc-exam/ecological-pyramid/)

Mỗi tầng là một bậc dinh dưỡng, và độ rộng của tầng biểu thị giá trị định lượng của bậc đó — có thể là số lượng cá thể, khối lượng sinh vật, hoặc năng lượng.

Ba loại tháp sinh thái

• Tháp số lượng (pyramid of numbers) đếm số cá thể ở mỗi bậc. Đây là dạng dễ đo nhất nhưng cũng dễ gây hiểu nhầm, vì nó bỏ qua kích thước cơ thể. Một cây đại thụ nuôi hàng nghìn con sâu sẽ tạo ra tháp lộn ngược, dù cây rõ ràng là nguồn năng lượng.

• Tháp sinh khối (pyramid of biomass) đo tổng khối lượng chất sống trên một đơn vị diện tích, thường tính bằng g/m² khô. Chính xác hơn tháp số lượng, nhưng vẫn chỉ là ảnh chụp tại một thời điểm.

• Tháp năng lượng (pyramid of energy) đo lượng năng lượng đi qua mỗi bậc trong một khoảng thời gian, thường là kcal/m²/năm. Đây là dạng chính xác nhất và không bao giờ lộn ngược, vì định luật nhiệt động lực học thứ hai không cho phép bậc trên chứa nhiều năng lượng hơn bậc dưới nó.

Trong ba loại này, Pyramid of Energy quan trọng nhất về mặt sinh thái học vì năng lượng luôn giảm khi đi lên các bậc dinh dưỡng. Chỉ một phần năng lượng ở tầng dưới được chuyển lên tầng trên; phần lớn bị mất qua hô hấp, chuyển hóa và nhiệt.

Có thể hiểu ngắn gọn:

• Food chain cho biết ai ăn ai.

• Food web cho biết các chuỗi thức ăn liên kết với nhau thế nào

• Ecological pyramid cho biết số lượng, sinh khối hoặc năng lượng thay đổi ra sao giữa các bậc dinh dưỡng.

Tài liệu tham khảo và đọc thêm

• https://www.pmfias.com/ecological-pyramids-pyramid-numbers-biomass-energy/
• https://byjus.com/biology/different-types-ecological-pyramids/
• https://www.levelupias.com/articles/mains-articles/ecological-pyramids-upsc/

Food chains và Food webs

Chuỗi thức ăn (food chain) là một đường truyền năng lượng và vật chất theo tuyến tính, từ sinh vật này sang sinh vật khác qua quan hệ ăn — bị ăn. Mỗi mắt xích là một bậc dinh dưỡng (trophic level): sinh vật sản xuất → sinh vật tiêu thụ bậc 1 → bậc 2 → bậc 3...

(Nguồn: https://studymat.in/differentiate-between-food-chain-and-food-web/)

Lưới thức ăn (food web) là tập hợp nhiều chuỗi thức ăn đan xen nhau trong cùng một hệ sinh thái. Vì hầu như không loài nào chỉ ăn một loại thức ăn duy nhất và cũng không bị duy nhất một loài ăn thịt, nên thực tế trong tự nhiên luôn là lưới, còn chuỗi chỉ là một lát cắt đơn giản hóa để mô tả.

Tài liệu tham khảo và đọc thêm

• https://education.nationalgeographic.org/resource/resource-library-food-chains-and-webs/
• https://biodiversitysg.nparks.gov.sg/our-ecosystems/food-webs/food-chains-and-food-webs-basics/
• https://www.nature.com/scitable/knowledge/library/food-web-concept-and-applications-84077181/

12 Different Types of Ecosystem on Earth

Hệ sinh thái là gì? 

Hệ sinh thái (ecosystem) là một mạng lưới phức tạp gồm các mối quan hệ giữa sinh vật sống (living organisms) và môi trường (environment) nơi chúng sinh sống. Các thành phần này tương tác với nhau và góp phần duy trì sự cân bằng cũng như tính bền vững của hệ thống.

Hệ sinh thái có thể rất đa dạng, từ những khu rừng rộng lớn với cây cối cao lớn đến những sinh vật cực nhỏ sống trong đất. Đây là những hệ thống động (dynamic systems), liên tục thay đổi để đáp ứng những biến đổi của môi trường xung quanh.

(Nguồn: https://stylesatlife.com/articles/types-of-ecosystem-pictures-and-names/)

Cấu trúc của hệ sinh thái — The Structure of an Ecosystem

Một hệ sinh thái về cơ bản có hai nhóm thành phần.

• Thành phần hữu sinh (biotic factors) là tất cả sinh vật sống trong hệ sinh thái, từ động vật lớn đến vi khuẩn cực nhỏ. Mỗi loài có một ổ sinh thái (ecological niche) và đảm nhiệm một vai trò nhất định. Các sinh vật có thể được chia thành sinh vật sản xuất (producers) như thực vật, sinh vật tiêu thụ (consumers) như động vật, và sinh vật phân giải (decomposers) như nấm và vi khuẩn. Chúng liên kết với nhau thông qua chuỗi thức ăn (food chains) và lưới thức ăn (food webs), qua đó năng lượng được truyền đi và chất dinh dưỡng được tuần hoàn.

• Thành phần vô sinh (abiotic factors) là các yếu tố không sống như đất, nước, không khí, ánh sáng mặt trời và khí hậu. Những yếu tố vật lý và hóa học này ảnh hưởng đến sự phân bố, số lượng, hành vi, khả năng thích nghi và tồn tại của các sinh vật.

Chính sự tương tác giữa biotic components và abiotic components tạo nên các môi trường sống và hệ sinh thái khác nhau.

Terrestrial Ecosystems 

(Nguồn: https://stylesatlife.com/articles/types-of-ecosystem-pictures-and-names/)

Wetland Ecosystem

(Nguồn: https://stylesatlife.com/wp-content/uploads/2024/07/Wetland-Ecosystem.jpg)

Coastal Ecosystem

(Nguồn: https://stylesatlife.com/wp-content/uploads/2024/07/Coastal-Ecosystem.jpg)

12 loại hệ sinh thái

Loại hệ sinh thái	Đặc điểm chính	Ví dụ/Phân nhóm và thuật ngữ quan trọng
1. Hệ sinh thái trên cạn (Terrestrial Ecosystem)	Các hệ sinh thái nằm chủ yếu trên đất liền. Khí hậu, đất, địa hình và hoạt động của con người ảnh hưởng mạnh đến cấu trúc hệ sinh thái.	Rừng (forest), đồng cỏ (grassland), sa mạc (desert), lãnh nguyên (tundra), savanna, rừng mưa nhiệt đới (tropical rainforest), rừng ôn đới (temperate forest).
2. Hệ sinh thái thủy sinh (Aquatic Ecosystem)	Bao gồm các hệ sinh thái mà nước là môi trường sống chủ yếu. Nhiệt độ, độ mặn, pH, dinh dưỡng và dòng chảy là những yếu tố quan trọng.	Nước ngọt (freshwater), cửa sông (estuarine), biển (marine). Sinh vật gồm phytoplankton, zooplankton, cá, lưỡng cư, thực vật thủy sinh và vi sinh vật.
3. Hệ sinh thái biển (Marine Ecosystem)	Bao gồm biển và đại dương, chiếm phần rất lớn bề mặt Trái Đất. Có vai trò trong sản xuất oxy, hấp thụ CO₂ và duy trì đa dạng sinh học biển.	Rạn san hô (coral reef), rừng tảo bẹ (kelp forest), biển khơi (open ocean), miệng phun thủy nhiệt biển sâu (deep-sea hydrothermal vents).
4. Hệ sinh thái đồng cỏ (Grassland Ecosystem)	Thảm thực vật chủ yếu là cỏ, cây bụi và cây gỗ tương đối thưa.	Savanna, prairie, steppe, pampas. Các yếu tố quan trọng gồm lượng mưa, nhiệt độ, độ phì đất và chế độ cháy (fire regime).
5. Hệ sinh thái lãnh nguyên (Tundra Ecosystem)	Xuất hiện ở vùng cực hoặc vùng núi cao, nhiệt độ thấp, mùa sinh trưởng ngắn và thường có đất đóng băng vĩnh cửu (permafrost).	Arctic tundra và alpine tundra. Sinh vật phổ biến gồm rêu, địa y, cỏ, chim di cư và các động vật thích nghi với lạnh.
6. Hệ sinh thái sa mạc (Desert Ecosystem)	Đặc trưng bởi lượng mưa rất thấp, điều kiện khô hạn và biên độ nhiệt lớn.	Hot desert và cold desert. Sinh vật phải có khả năng chịu hạn (drought tolerance) và thích nghi với điều kiện khô cằn.
7. Hệ sinh thái nước chảy (Lotic Ecosystem)	Các thủy vực nước ngọt có dòng chảy liên tục như sông, suối. Đây là loại đặc biệt quan trọng trong nghiên cứu Aquatic Entomology và Limnology.	Sông (river), suối (stream/creek), đầu nguồn (headwater), đoạn nước xiết (riffle), vực nước sâu/chậm (pool), đồng bằng ngập lũ (floodplain).
8. Hệ sinh thái nước đứng (Lentic Ecosystem)	Các thủy vực nước ngọt đứng hoặc chuyển động rất chậm.	Hồ (lake), ao (pond), hồ móng ngựa (oxbow lake), hồ tạm thời theo mùa (vernal pool), đầm (marsh).
9. Hệ sinh thái đất ngập nước (Wetland Ecosystem)	Khu vực chuyển tiếp giữa môi trường trên cạn và thủy sinh, thường xuyên hoặc định kỳ bị ngập nước hay bão hòa nước.	Đầm lầy (marsh), đầm cây gỗ (swamp), đất than bùn (peatland/bog), rừng ngập mặn (mangrove), đầm mặn (salt marsh).
10. Hệ sinh thái vùng biển nông (Neritic Ecosystem)	Khu vực biển tương đối nông và nhiều ánh sáng từ vùng triều thấp đến rìa thềm lục địa (continental shelf). Thường giàu dinh dưỡng và có năng suất sinh học cao.	Rạn san hô, thảm cỏ biển (seagrass beds), rừng kelp, bờ đá.
11. Hệ sinh thái ven biển (Coastal Ecosystem)	Vùng giao nhau giữa đất liền và biển, chịu ảnh hưởng đồng thời của quá trình trên đất và quá trình biển.	Bãi biển (beach), bãi triều (tidal flat), cửa sông (estuary), rừng ngập mặn, bờ đá vùng triều (rocky intertidal zone).
12. Hệ sinh thái đô thị (Urban Ecosystem)	Hệ thống kết hợp giữa các thành phần tự nhiên và các cấu trúc nhân tạo, trong đó con người đóng vai trò rất lớn.	Tòa nhà, đường sá, công viên, cây xanh, hồ nước đô thị, con người, động vật đô thị, côn trùng và vi sinh vật.

Tài liệu tham khảo và đọc thêm

• https://stylesatlife.com/articles/types-of-ecosystem-pictures-and-names/ 

Limnology

Limnology (Thủy sinh học nội địa) là ngành khoa học nghiên cứu các thủy vực nội địa — hồ, ao, sông, suối, đầm lầy, hồ chứa, nước ngầm — như những hệ sinh thái hoàn chỉnh.

Tên gọi bắt nguồn từ tiếng Hy Lạp limne (hồ). Người đặt nền móng là François-Alphonse Forel, nhà khoa học Thụy Sĩ nghiên cứu hồ Léman cuối thế kỷ 19.

(Nguồn: https://www.iisd.org/ela/blog/back-to-basics-what-is-a-limnologist/)

Đây là ngành liên ngành, tích hợp bốn mảng:

• Vật lý: phân tầng nhiệt độ, ánh sáng, dòng chảy, chu kỳ đảo trộn nước theo mùa
• Hóa học: oxy hòa tan, dinh dưỡng (N, P), pH, độ dẫn điện
• Sinh học: thực vật phù du, động vật phù du, sinh vật đáy (bao gồm côn trùng thủy sinh), cá, vi sinh vật
• Địa chất: hình thái lòng hồ, trầm tích, nguồn gốc thủy vực

(Nguồn: https://vectormine.com/item/limnology-study-as-inland-water-and-aquatic-nature-research-outline-concept)

Mối liên hệ giữa Limnology và Aquatic Entomology

Hai ngành có mối liên hệ chặt chẽ với nhau. Limnology là khung tổng thể mô tả môi trường; côn trùng học thủy sinh đi sâu vào một nhóm sinh vật trong khung đó. Khi bạn dùng chỉ số EPT để đánh giá con suối, bạn đang làm limnology ứng dụng — cụ thể là bioassessment. Ngược lại, muốn hiểu vì sao nhóm Plecoptera biến mất khỏi một đoạn suối, bạn cần dữ liệu limnology: nhiệt độ, oxy hòa tan, nền đáy, chế độ thủy văn.

Ở Việt Nam, ngành này thường xuất hiện dưới tên "Thủy sinh học" và có vai trò lớn trong quản lý hồ chứa, đánh giá lưu vực sông Mekong, kiểm soát phú dưỡng ở các hồ đô thị như Hồ Tây.

Tài liệu tham khảo và đọc thêm

• https://www.aslo.org/what-is-aquatic-science/what-is-limnology/
• https://limnology.org/about-sil/what-is-limnology/
• https://www.uni-giessen.de/en/faculties/f08/departments/tsz/animal-ecology/research/research-topics/limnology

Aquatic Entomology

Aquatic Entomology (Côn trùng học thủy sinh) là một nhánh của côn trùng học (Entomology) chuyên nghiên cứu các loài côn trùng sống trong môi trường nước — sông, suối, hồ, ao, đầm lầy — ở toàn bộ hoặc một phần vòng đời của chúng.

(Nguồn:https://wildearthlab.com/2021/06/27/aquatic-insects-identification/)

Phần lớn côn trùng thủy sinh sống dưới nước ở giai đoạn ấu trùng/thiếu trùng, rồi vũ hóa thành con trưởng thành bay trên cạn. Các nhóm chính gồm:

• Phù du (Ephemeroptera – mayfly)

• Cánh úp (Plecoptera – stonefly)

• Cánh lông (Trichoptera – caddisfly)

• Chuồn chuồn (Odonata)

• Cánh cứng nước (Coleoptera: Dytiscidae, Elmidae…)

• Hai cánh (Diptera: muỗi, muỗi lắc Chironomidae, ruồi đen)

• Cánh nửa nước (Hemiptera: bọ gạo, cà cuống, nhện nước)

Ngành này nghiên cứu hình thái, phân loại, vòng đời, tập tính hô hấp và dinh dưỡng, cũng như vai trò sinh thái của chúng.

(Nguồn: https://www.stmarysriverassociation.com/fly-fishing-entomology.html)

Vì sao Aquatic Entomology quan trọng?

• Quan trắc chất lượng nước. 

Đây là ứng dụng nổi bật nhất. Côn trùng thủy sinh có độ nhạy khác nhau với ô nhiễm: nhóm EPT (Ephemeroptera – Plecoptera – Trichoptera) chỉ sống được ở nước sạch, giàu oxy, trong khi ấu trùng Chironomidae chịu được nước bẩn. Vì vậy, chỉ cần lấy mẫu đáy và phân loại là có thể đánh giá "sức khỏe" con suối — rẻ và phản ánh tình trạng dài hạn hơn so với đo hóa lý tức thời. Các chỉ số như BMWP, ASPT, EPT index đều dựa trên nguyên lý này.

• Y học và thú y. 

Muỗi (sốt xuất huyết, sốt rét), ruồi đen (bệnh mù sông) đều có giai đoạn ấu trùng dưới nước, nên kiểm soát véc-tơ chủ yếu nhắm vào thủy vực sinh sản.

• Sinh thái và thủy sản. 

Chúng là mắt xích thức ăn chính của cá, đồng thời tham gia phân hủy chất hữu cơ. Đây cũng là nền tảng của nghệ thuật câu cá bằng ruồi giả (fly fishing).

Tài liệu tham khảo và đọc thêm

•  https://sentrekin.com/
• https://wildearthlab.com/2021/06/27/aquatic-insects-identification/

Multimodal models

Multimodal models là các mô hình AI có thể xử lý và kết hợp nhiều loại dữ liệu khác nhau, thay vì chỉ làm việc với một loại dữ liệu duy nhất.

Ví dụ các “modalities” phổ biến gồm:

• Text

• Image

• Audio

• Video

• Structured data

Một mô hình chỉ xử lý văn bản là unimodal. 

(Nguồn: https://blackstraw.ai/blog/the-future-of-ai-is-multimodal-heres-how-it-can-benefit-you/)

Ví dụ, bạn tải lên một biểu đồ và hỏi: “Hãy giải thích xu hướng trong biểu đồ này.” Mô hình phải cùng lúc nhìn hình ảnh, đọc chữ/số,  hiểu câu hỏi và tạo câu trả lời. Đó chính là multimodal AI.

Tương tự  một multimodal model có thể:

• đọc một bảng số liệu và giải thích;

• nhìn ảnh X-quang và mô tả đặc điểm;

• nghe một đoạn ghi âm và tóm tắt;

• xem video và nhận diện sự kiện;

• kết hợp hình ảnh với câu hỏi bằng ngôn ngữ tự nhiên.

(Nguồn: https://medium.com/@tenyks_blogger )

Trong tiến trình AI hiện nay, có thể hình dung traditional LLM chủ yếu hiểu và sinh text, còn multimodal model có thể hiểu text,  image, audio, video và các loại dữ liệu khác. Điểm quan trọng là multimodal không chỉ có nghĩa là nhận nhiều loại input. Mô hình còn phải biết kết nối thông tin giữa các loại dữ liệu.

(Nguồn: https://www.semanticscholar.org/paper/A-Comprehensive-Review-of-Multimodal-Large-Language-Wang-Jiang/5ea16dfb5a44a97a8e93177e7e588cc7fb9e5996/figure/0 )

Tài liệu tham khảo và đọc thêm:

• https://www.ibm.com/think/topics/multimodal-llm
• https://encord.com/blog/top-multimodal-models/
• https://huyenchip.com/2023/10/10/multimodal.html

Agentic AI

Agentic AI là một dạng trí tuệ nhân tạo có khả năng tự chủ thực hiện nhiều bước để hoàn thành một mục tiêu, thay vì chỉ phản hồi từng câu hỏi riêng lẻ.

(Nguồn: https://www.logicgate.com/blog/what-is-agentic-ai-a-new-frontier-in-artificial-intelligence/)

Nếu AI truyền thống thường hoạt động theo kiểu người dùng hỏi AI trả lời, thì Agentic AI gần với việc người dùng giao mục tiêu còn AI lập kế hoạch, thực hiện, kiểm tra , điều chỉnh và hoàn thành nhiệm vụ.

Ví dụ, nếu bạn yêu cầu:

“Hãy giúp tôi chuẩn bị một chuyến công tác 3 ngày.”

Một hệ thống Agentic AI có thể tự chia nhiệm vụ thành nhiều phần như tìm chuyến bay, chọn khách sạn, lập lịch trình, kiểm tra ngân sách và điều chỉnh kế hoạch nếu có thay đổi.

Điểm quan trọng của Agentic AI là khả năng hành động hướng đến mục tiêu. Nó có thể sử dụng công cụ, truy cập dữ liệu, đưa ra quyết định và phối hợp nhiều bước công việc.

(Nguồn: https://www.opentext.com/what-is/agentic-ai )

Có thể hình dung sự khác biệt như sau:

• Generative AI: tạo nội dung.

• AI Agent: thực hiện một nhiệm vụ cụ thể.

• Agentic AI: chủ động lập kế hoạch và thực hiện chuỗi nhiệm vụ để đạt mục tiêu.

(Nguồn: https://python.plainenglish.io/the-complete-map-of-agentic-ai-entire-ecosystems-guide-5e7b4a20e9a4)

Agentic AI đang mở ra nhiều ứng dụng trong doanh nghiệp, giáo dục, nghiên cứu và quản trị. Tuy nhiên, khi AI ngày càng tự chủ hơn, các vấn đề về kiểm soát, trách nhiệm, độ tin cậy và vai trò của con người cũng trở nên quan trọng hơn.

Có lẽ câu hỏi lớn trong thời gian tới không còn chỉ là:

“AI có thể làm gì?”

mà sẽ là:

“Chúng ta nên cho AI tự quyết và tự hành động đến mức nào?”

Tài liệu tham khảo và đọc thêm

• https://www.ibm.com/think/topics/agentic-ai
• https://fpt-is.com/goc-nhin-so/agentic-ai-la-gi/
• https://cloud.google.com/discover/what-is-agentic-ai

Technostress

Technostress là căng thẳng tâm lý phát sinh từ việc sử dụng công nghệ, đặc biệt khi một người cảm thấy công nghệ tạo ra yêu cầu vượt quá khả năng thích nghi, kiểm soát hoặc xử lý của mình.

Ví dụ: phải liên tục học phần mềm mới, nhận email/tin nhắn công việc ngoài giờ, bị quá tải bởi quá nhiều hệ thống số, lo công nghệ thay thế công việc, hoặc cảm thấy luôn phải “online”.

(Nguồn: https://lionessmagazine.com/digital-mindfulness-could-help-reduce-the-effects-of-technostress-at-work/ )

Trong nghiên cứu, technostress thường được phân thành một số nhóm:

• Techno-overload: công nghệ khiến phải làm nhiều hơn, nhanh hơn.

• Techno-invasion: công nghệ xâm lấn đời sống cá nhân, khó tách công việc và nghỉ ngơi.

• Techno-complexity: công nghệ quá phức tạp, đòi hỏi nhiều thời gian và kỹ năng để sử dụng.

• Techno-insecurity: lo bị mất việc hoặc tụt hậu vì công nghệ.

• Techno-uncertainty: công nghệ thay đổi liên tục, phải liên tục cập nhật.

(Nguồn: https://www.walkme.com/blog/technostress/)

Trong bối cảnh hiện nay, technostress còn được nghiên cứu nhiều liên quan đến AI, làm việc từ xa, học trực tuyến, mạng xã hội và chuyển đổi số trong tổ chức. Nó có thể ảnh hưởng đến job satisfaction, burnout, productivity, work engagement, well-being và ý định nghỉ việc.

Tài liệu tham khảo và đọc thêm

• https://pmc.ncbi.nlm.nih.gov/articles/PMC7662498/
• https://www.techtarget.com/whatis/feature/Technostress-explained-What-it-is-and-how-to-avoid-it
• https://www.naesp.org/resource/alleviate-5-kinds-of-techno-stress/

Paradox of Toil

Trong thời kỳ suy thoái, một người sẵn sàng làm việc nhiều hơn hoặc chấp nhận mức lương thấp hơn có thể tăng cơ hội tìm được việc. Nhưng nếu tất cả mọi người cùng làm như vậy, kết quả đôi khi lại hoàn toàn ngược lại.

Đó là Paradox of Toil – Nghịch lý của việc cố gắng làm việc nhiều hơn.

Logic của nghịch lý có thể tóm tắt:

Muốn làm việc nhiều hơn 

→ Tiền lương giảm

→ Giá cả giảm

→ Kỳ vọng giảm phát 

→ Lãi suất thực tăng

→ Chi tiêu và đầu tư giảm 

→ Tổng cầu giảm 

→ Doanh nghiệp sản xuất ít hơn

→ Việc làm giảm.

Kết quả: Mọi người đều muốn làm việc nhiều hơn, nhưng cuối cùng nền kinh tế lại có ít việc làm hơn.

(Nguồn: https://www.economicshelp.org/blog/7123/economics/paradox-of-toil/ )

(Nguồn: https://www.economicshelp.org/blog/7123/economics/paradox-of-toil/ )

Nghịch lý này đặc biệt có ý nghĩa khi nền kinh tế suy thoái và lãi suất danh nghĩa đã gần 0, khiến ngân hàng trung ương khó tiếp tục giảm lãi suất để chống lại giảm phát.

Đây là một bài học thú vị của kinh tế học: 

Điều đúng ở cấp độ cá nhân không nhất thiết đúng ở cấp độ toàn xã hội.

Tài liệu tham khảo và đọc thêm

• https://www.newyorkfed.org/medialibrary/media/research/staff_reports/sr433.pdf
• https://iepecdg.com.br/wp-content/uploads/2016/08/100910paradox_toil.pdf
• https://www.econstor.eu/bitstream/10419/60966/1/62293886X.pdf

St. Petersburg Paradox

St. Petersburg Paradox (Nghịch lý St. Petersburg) là một bài toán nổi tiếng trong xác suất và kinh tế học, cho thấy một điều rất thú vị:

Một trò chơi có giá trị kỳ vọng bằng vô hạn, nhưng hầu hết mọi người chỉ sẵn sàng trả một số tiền khá nhỏ để tham gia.

• Tôi tung một đồng xu đồng chất. Nếu ra ngửa ngay lần đầu, bạn nhận 2 nghìn đồng và trò chơi kết thúc. 

• Nếu ra sấp, tôi tung tiếp — và tiền thưởng nhân đôi. Cứ như vậy cho đến khi xuất hiện mặt ngửa đầu tiên. 

•  Ra ngửa ở lần thứ 2 → 4 nghìn. 

• Lần thứ 3 → 8 nghìn. 

• Lần thứ 10 → hơn 1 triệu. 

• Lần thứ 30 → hơn 1 tỷ đồng. 

•  Và cứ tiếp tục...       

 

Câu hỏi: bạn sẵn sàng trả bao nhiêu để được chơi một ván?

 

(Nguồn: https://policonomics.com/saint-petersburg-paradox/)

Mỗi dòng đóng góp đúng 1 nghìn đồng. Và dãy này kéo dài vô hạn.

Giá trị kỳ vọng = 1 + 1 + 1 + 1 + … = ∞

Theo lý thuyết quyết định cổ điển, bạn nên sẵn sàng trả mọi số tiền hữu hạn — 1 triệu, 1 tỷ, cả gia sản — để được chơi một ván.

Nhưng gần như không ai làm vậy. Đa số người ta trả tối đa vài chục nghìn. Đó chính là Nghịch lý St. Petersburg, do Nicolas Bernoulli nêu ra năm 1713 và được Daniel Bernoulli phân tích năm 1738 trong tạp chí của Viện Hàn lâm Khoa học St. Petersburg — nơi cái tên ra đời.

(Nguồn: https://dlab.sauder.ubc.ca/sjdm/journal/9226/jdm9226.html)

Câu trả lời là giá trị kỳ vọng vô hạn đến từ những khoản thưởng khổng lồ với xác suất nhỏ đến mức thực tế gần như không bao giờ xảy ra trong đời một con người. Trung bình bị kéo lên bởi những sự kiện không tồn tại trong trải nghiệm thực.

Về mặt xác suất, với những phân phối "đuôi nặng", giá trị trung bình là một con số gây hiểu lầm.

Ngoài ra, lời giải thích còn nằm ở chỗ ngân hàng không vô hạn. Không sòng bạc nào trả nổi 2 lũy thừa 100. Nếu người tổ chức chỉ có khoảng 1.000 tỷ đồng, chuỗi bị cắt sau khoảng 40 bước — và giá trị kỳ vọng tụt xuống chỉ còn khoảng 40 nghìn đồng. Đột nhiên con số bạn nghĩ trong đầu lúc nãy trở nên rất hợp lý. 

Vì sao chuyện này vẫn quan trọng?

Nghịch lý St. Petersburg không phải trò đùa của các nhà toán học thế kỷ 18. Cấu trúc "xác suất cực thấp nhưng phần thưởng cực lớn" xuất hiện khắp nơi:

• Vé số: giá trị kỳ vọng đôi khi vượt giá vé, nhưng đó vẫn không phải khoản đầu tư tốt.

• Đầu tư mạo hiểm: lợi nhuận quỹ VC tuân theo phân phối đuôi dài, một thương vụ gánh cả danh mục — và trung bình lịch sử nói rất ít về ván tiếp theo.

Khi ai đó chứng minh cho bạn rằng một khoản đầu tư có "giá trị kỳ vọng cực cao", hãy hỏi thêm hai câu:

• Kết quả điển hình là gì? 
• Và ai sẽ trả tiền nếu tôi thắng lớn?

Tài liệu tham khảo và đọc thêm:

• https://plato.stanford.edu/entries/paradox-stpetersburg/
• https://abhsarma.github.io/St-Petersburg-Paradox/index.html
• https://pmc.ncbi.nlm.nih.gov/articles/PMC3811154/

Braess's Paradox

 Thành phố kẹt xe. Giải pháp có vẻ hiển nhiên: mở thêm đường.

Năm 1968, nhà toán học người Đức Dietrich Braess chứng minh một điều trái khoáy: trong một số mạng lưới giao thông, xây thêm một tuyến đường mới có thể khiến toàn bộ người tham gia giao thông đi chậm hơn trước — dù không ai bị ép buộc, dù ai cũng chọn tuyến tốt nhất cho mình.

Đó là Braess's Paradox (Nghịch lý Braess).

(Nguồn: https://veitchlister.com/braesss-paradox-and-generated-traffic-comparing-apples-and-oranges/)

Bài toán kinh điển

Có 4.000 xe cần đi từ điểm Xuất phát đến điểm Đích. Có hai tuyến đường, mỗi tuyến gồm hai đoạn:

• Đoạn hẹp (Xuất phát→A và B→Đích): dễ tắc. Thời gian = số xe chia 100 phút.

• Đoạn rộng (A→Đích và Xuất phát→B): đường lớn, luôn mất đúng 45 phút bất kể đông hay vắng.

Tuyến 1: Xuất phát → A → Đích. 

Tuyến 2: Xuất phát → B → Đích.

Trước khi có đường mới: tài xế tự chia đều, 2.000 xe mỗi tuyến.

Thời gian mỗi xe = 2.000/100 + 45 = 65 phút

Cân bằng, hợp lý, không ai muốn đổi tuyến.

Bây giờ, thành phố mở một tuyến nối tắt từ A sang B — ngắn, thông thoáng, đi mất gần như 0 phút. Nghe như món quà miễn phí.

Mỗi tài xế bắt đầu tính lại:

• Đoạn Xuất phát→A tệ nhất cũng chỉ mất 4.000/100 = 40 phút, luôn nhanh hơn 45 phút của đoạn rộng. Vậy đi qua A.

• Tương tự, từ B về Đích luôn nhanh hơn đi từ A về Đích. Vậy phải rẽ sang B.

Kết quả: cả 4.000 xe đều dồn vào tuyến Xuất phát → A → B → Đích.

Thời gian mỗi xe = 4.000/100 + 0 + 4.000/100 = 80 phút

Ai cũng chậm hơn 15 phút so với lúc chưa có con đường mới.

Điều tệ nhất: không ai thoát ra được

• Bạn có thể nghĩ "chỉ cần vài người quay lại tuyến cũ là xong". Nhưng thử tính xem: một tài xế bỏ lối tắt, đi Xuất phát→A→Đích sẽ mất 40 + 45 = 85 phút — còn tệ hơn 80.

(Nguồn: https://hegl.mathi.uni-heidelberg.de/braesss-paradox-as-a-routing-problem/)

Nghĩa là không cá nhân nào có lợi khi tự thay đổi. Đây chính là một cân bằng Nash: tất cả đều bị kẹt trong một kết cục tồi tệ hơn, mà mỗi người vẫn đang hành động hoàn toàn duy lý.

Chuyện này có thật ngoài đời không?

Có, và nhiều hơn ta tưởng.

• Seoul, Hàn Quốc: 

Năm 2003, thành phố bắt đầu tháo dỡ tuyến cao tốc trên cao Cheonggyecheon để khôi phục dòng suối bên dưới. Việc loại bỏ một trục đường quan trọng làm dấy lên lo ngại về ùn tắc. Tuy nhiên, tình trạng “tê liệt giao thông” đã không xảy ra như lo ngại. Theo thời gian, người dân điều chỉnh hành vi di chuyển: một phần chuyển tuyến, giảm sử dụng ô tô hoặc chuyển sang giao thông công cộng. Kết quả cho thấy việc giảm năng lực đường bộ không nhất thiết dẫn đến sự gia tăng tương ứng của ùn tắc.

(Nguồn: https://medium.com/@louis.s.cho/when-more-roads-mean-more-traffic-the-braess-paradox-257ac7488a28)

 

• New York: 

Trong một sự kiện hưởng ứng Ngày Trái Đất năm 1990, thành phố đóng 42nd Street — một trong những tuyến đường đông đúc ở Manhattan — đối với phần lớn phương tiện. Trái với lo ngại rằng việc đóng một trục đường lớn sẽ gây ùn tắc nghiêm trọng, tình trạng hỗn loạn dự báo đã không xảy ra; các ghi nhận đương thời và nhiều tài liệu sau đó cho rằng giao thông trong khu vực thậm chí còn lưu thông tốt hơn. Sự kiện này thường được nhắc đến như một minh họa thực tế cho Braess's Paradox.

(Nguồn: https://www.networkpages.nl/traffic-congestion-iv-braess-paradox/)

 

• Stuttgart, Đức: 

Cuối những năm 1960, sau khi thành phố thay đổi và bổ sung kết nối cho mạng lưới đường ở khu vực trung tâm, tình trạng giao thông vào giờ cao điểm trở nên tệ hơn thay vì được cải thiện. Chính quyền sau đó đóng một phần của mạng lưới đường, và tình trạng giao thông được cải thiện. Trường hợp Stuttgart thường được dẫn như một trong những ví dụ thực tế sớm của Braess's Paradox.

Nguyên lý này còn xuất hiện ở mạng lưới điện, định tuyến gói tin trên Internet, chuỗi cung ứng — và có cả một phiên bản cơ học vui mắt với lò xo và dây, nơi cắt đứt một sợi dây lại khiến vật nặng nhích lên cao hơn.

Ý nghĩa thực tiễn

Braess's Paradox không nói rằng "đừng bao giờ xây đường". Nó nói một điều tinh tế hơn:

• Trong hệ thống phức tạp, thêm một lựa chọn mới không đảm bảo kết quả tốt hơn — vì lựa chọn đó cũng làm thay đổi hành vi của tất cả những người khác.

Đây là lý do các thành phố hiện đại chuyển sang những công cụ khác thay vì chỉ mở rộng đường: thu phí ùn tắc, giới hạn tốc độ theo làn, đèn tín hiệu thông minh, hoặc đơn giản là mạnh dạn đóng bớt một số tuyến.

Tài liệu tham khảo và đọc thêm

• https://third-bit.com/2026/06/05/braess-paradox/
• https://www.networkpages.nl/traffic-congestion-iv-braess-paradox/
• https://www.collective-dynamics.eu/index.php/cod/article/view/A190
• https://hegl.mathi.uni-heidelberg.de/braesss-paradox-as-a-routing-problem/
• https://www.networkpages.nl/traffic-congestion-iv-braess-paradox/

Friendship Paradox

Năm 1991, nhà xã hội học Scott Feld công bố một nghiên cứu với cái tựa gần như đùa: "Vì sao bạn bè của bạn có nhiều bạn hơn bạn." Ông chứng minh rằng trong hầu như mọi mạng lưới xã hội, trung bình số bạn của bạn bè bạn luôn lớn hơn số bạn của chính bạn. Hiện tượng này được gọi là Friendship Paradox (Nghịch lý tình bạn).

• Chìa khóa nằm ở chỗ: những người đông bạn xuất hiện trong danh sách bạn bè của rất nhiều người, còn người ít bạn thì hầu như không xuất hiện ở đâu.

(Nguồn: https://www.reliantsproject.com/2020/07/19/concept-10-felds-friendship-paradox-and-why-your-friends-have-more-friends/)

Một người có 500 bạn sẽ được đếm 500 lần khi ta đi hỏi khắp mạng lưới. Một người có 3 bạn chỉ được đếm 3 lần. Vì thế, khi bạn nhìn quanh danh sách bạn bè của mình, bạn đang xem một mẫu bị thiên lệch nặng về phía những người nổi tiếng.

• Về mặt toán học, độ chênh lệch này đúng bằng phương sai chia cho giá trị trung bình của số lượng bạn bè. Nghĩa là: mạng lưới càng có sự chênh lệch lớn — vài "ngôi sao" cực đông bạn bên cạnh đa số người bình thường — thì nghịch lý càng mạnh. Nó chỉ biến mất trong một thế giới nơi tất cả mọi người có đúng số bạn như nhau.

(Nguồn: https://apieceofthepi.substack.com/p/why-your-friends-on-average-have-more-friends-than-you-do)

Nghịch lý này ở khắp nơi

Cùng một logic áp dụng cho mọi thứ có cấu trúc mạng lưới hoặc phân bố lệch:

• Người bạn theo dõi trên mạng xã hội có nhiều người theo dõi hơn bạn.

• Đồng tác giả của bạn có nhiều đồng tác giả hơn bạn.

• Nghịch lý phòng gym: bạn luôn thấy phòng tập đông, vì người tập 5 buổi/tuần có mặt nhiều gấp 5 lần người tập 1 buổi/tuần.

• Nghịch lý sĩ số lớp: trường công bố sĩ số trung bình 30, nhưng sinh viên nào cũng thấy lớp mình đông hơn — vì lớp 100 người có 100 người trải nghiệm nó, lớp 10 người chỉ có 10.

Các nghiên cứu sau này còn mở rộng thành Nghịch lý tình bạn tổng quát: bạn bè của bạn không chỉ đông bạn hơn, mà trung bình còn giàu hơn, hoạt động nhiều hơn, và "trông có vẻ hạnh phúc hơn" bạn.

Điều này giải thích một phần vì sao mạng xã hội khiến người ta mệt mỏi. Bảng tin của bạn không phải là mẫu đại diện của cuộc sống — nó là bản tổng hợp các khoảnh khắc đẹp nhất của những người hoạt động tích cực nhất. Cảm giác "mình tụt lại phía sau" phần nào chỉ là hệ quả cấu trúc.

Tài liệu tham khảo và đọc thêm:

• https://www.networkpages.nl/the-friendship-paradox-and-how-it-might-produce-a-biased-world/
• https://arxiv.org/abs/2511.13957
• https://www.nature.com/articles/s41598-024-63167-9
• https://www.reliantsproject.com/2020/07/19/concept-10-felds-friendship-paradox-and-why-your-friends-have-more-friends/

Dictator Game

Hãy tưởng tượng: bạn được đưa 1.000.000 đồng và một luật chơi duy nhất — bạn quyết định chia bao nhiêu cho một người lạ ngồi phòng bên. Người đó không biết bạn là ai, không được thương lượng, không được từ chối, không bao giờ gặp lại bạn. Họ nhận đúng phần bạn đưa, kể cả khi đó là 0 đồng.

Bạn sẽ đưa bao nhiêu?

Đây chính là Dictator Game (Trò chơi nhà độc tài) — một trong những thí nghiệm đơn giản nhưng gây tranh cãi nhất của kinh tế học hành vi.

(Nguồn: https://vivifychangecatalyst.wordpress.com/2021/09/19/central-provinces-part-8-game-of-dictator/)

Dictator Game ra đời như một phiên bản của Ultimatum Game — trò chơi trong đó người nhận có quyền từ chối, và nếu từ chối thì cả hai đều trắng tay.

Vì sao thí nghiệm này quan trọng?

Lý thuyết kinh tế cổ điển có một dự đoán rất rõ ràng. Nếu con người là homo economicus — duy lý và tối đa hóa lợi ích bản thân — thì câu trả lời phải là 0 đồng. Không có hình phạt, không có trả đũa, không có danh tiếng để giữ gìn. Giữ hết là lựa chọn hợp lý duy nhất.

Thực tế thì khác hẳn. Tổng hợp hàng trăm nghiên cứu cho thấy người chơi trung bình đưa đi khoảng 25–30% số tiền. Chỉ khoảng một phần ba giữ lại toàn bộ, trong khi gần một phần năm chia đôi sòng phẳng.

(Nguồn: https://link.springer.com/article/10.1186/s13104-022-06148-3)

Điểm khác biệt với Ultimatum Game

Trong Ultimatum Game, người ta cũng chia khá hào phóng. Nhưng ta không biết đó là lòng tốt hay là nỗi sợ bị từ chối. Dictator Game gỡ bỏ hoàn toàn yếu tố chiến lược đó. Phần còn lại — nếu có — mới thực sự là thứ ta muốn đo: sự quan tâm đến người khác.

Nhưng đó có thật là lòng vị tha?

Đây là chỗ câu chuyện trở nên thú vị. Hàng loạt biến thể của thí nghiệm cho thấy sự hào phóng rất dễ bị lung lay:

• Ẩn danh tuyệt đối: khi ngay cả người làm thí nghiệm cũng không biết ai đưa bao nhiêu, mức chia giảm mạnh.

• Cho phép "lấy" chứ không chỉ "cho": nếu người chơi được quyền lấy thêm tiền của đối phương, tỷ lệ hào phóng sụt xuống rõ rệt — dù về bản chất lựa chọn vẫn như cũ.

• Tiền phải lao động mới có: khi người chơi kiếm được số tiền đó thay vì được phát không, họ giữ lại nhiều hơn hẳn.

Ý nghĩa ngoài phòng thí nghiệm

• Dictator Game giúp giải thích nhiều thứ rất đời thường: vì sao ta tip cho người phục vụ ở quán ăn sẽ không bao giờ quay lại, vì sao chiến dịch từ thiện dùng ảnh một đứa trẻ cụ thể hiệu quả hơn thống kê hàng triệu người, vì sao "quyên góp mặc định" hiệu quả hơn "bấm để quyên góp", và vì sao người ta dễ né tránh thông tin về nguồn gốc sản phẩm mình mua.

Nói cách khác: chúng ta rộng lượng hơn lý thuyết kinh tế dự đoán, nhưng kém rộng lượng hơn ta tự nghĩ về mình — và khoảng cách giữa hai điều đó chính là nơi thiết kế chính sách, marketing và đạo đức học gặp nhau.

Tài liệu tham khảo và đọc thêm

• https://www.millisecond.com/library/dictatorgame
• https://sjdm.org/dmidi/Dictator_Game.html
• https://bee4rlab.euba.sk/images/KEGA/Experiment_2_Dictators_game_eng.pdf

Ultimatum Game

• Bạn và một người lạ được cho 1.000.000 đồng. Luật chơi: người kia đề nghị cách chia, bạn chỉ có hai lựa chọn — đồng ý thì mỗi người nhận đúng phần đã đề nghị, từ chối thì cả hai ra về tay trắng. Chỉ chơi một lần, ẩn danh, không gặp lại nhau.

• Người kia đề nghị: họ giữ 900.000, bạn nhận 100.000. Bạn sẽ làm gì?

• Về mặt số học, câu trả lời quá rõ: 100.000 đồng vẫn hơn 0 đồng. Nhưng nếu bạn thấy máu dồn lên mặt và muốn nói "thà không lấy", bạn giống phần lớn nhân loại — và bạn vừa chạm vào thứ khiến Ultimatum Game (Trò chơi Tối hậu thư) trở thành một trong những thí nghiệm nổi tiếng nhất của kinh tế học hành vi.

(Nguồn: https://www.labvanced.com/content/research/en/blog/2025-03-ultimatum-game/)

Lý thuyết nói một đằng, con người làm một nẻo

Thí nghiệm được ba nhà kinh tế người Đức — Güth, Schmittberger và Schwarze — công bố năm 1982.

Lý thuyết trò chơi cổ điển đưa ra dự đoán sắc bén: người đề nghị nên đưa số tiền nhỏ nhất có thể, và người nhận nên chấp nhận bất cứ khoản nào lớn hơn 0. Đó là điểm cân bằng của hai cá nhân duy lý.

Kết quả thực tế thì hoàn toàn ngược lại. Qua hàng nghìn lượt chơi ở nhiều quốc gia:

• Mức đề nghị phổ biến nhất là 40–50% — tức là chia gần như đôi. 

• Những lời đề nghị dưới 20–30% bị từ chối trong khoảng một nửa số trường hợp.

• Người nhận sẵn sàng đốt tiền của chính mình để đối phương không được gì. Nhà kinh tế gọi đây là trừng phạt tốn kém (costly punishment).

Vì sao "phi lý" mà vẫn tồn tại?

Điều thú vị là hành vi này không hề vô nghĩa nếu nhìn rộng ra.

Trong một xã hội mà mọi người đều im lặng chấp nhận bị chèn ép, kẻ chèn ép sẽ luôn thắng. Nhưng nếu có đủ số người sẵn sàng chịu thiệt để trừng phạt sự bất công, thì việc đưa ra lời đề nghị keo kiệt trở nên rủi ro và không đáng. Chính nỗi sợ bị từ chối đã kéo các đề nghị lên mức công bằng.

(Nguồn: https://steemit.com/education/@glebmanik/the-ultimatum-game-or-how-much-are-you-willing-to-pay-for-justice)

Nói cách khác, thứ trông như cơn giận phi lý của cá nhân lại là cơ chế duy trì chuẩn mực công bằng của cả cộng đồng.

Tài liệu tham khảo và đọc thêm

• https://vietnambiz.vn/tro-choi-toi-hau-thu-ultimatum-game-la-gi-20191122161212433.htm
• https://books.core-econ.org/the-economy/microeconomics/04-strategic-interactions-11-ultimatum-game.html
• https://thedecisionlab.com/reference-guide/economics/the-ultimatum-game
•