Chào các bạn 👋,
Chúc thứ Sáu vui vẻ từ thành phố Cape Town đầy nắng, Nam Phi! Không chắc là do trốn khỏi New York lạnh giá để đến với thời tiết ấm áp hơn, dành thời gian cho gia đình, hay vì đây lại là một trong những tuần điên rồ nhất trong lịch sử của Dose, nhưng tôi cảm thấy lạc quan hơn một chút trong tuần này. Hy vọng đến cuối tuần này, bạn cũng vậy.
Khi Dan và tôi bắt đầu viết bài này hơn ba năm trước, mục tiêu của chúng tôi là làm cho thế giới lạc quan hơn bằng cách chia sẻ tất cả những tiến bộ đáng kinh ngạc đang diễn ra trong khoa học và công nghệ mỗi tuần. Điều đó vẫn đúng và vẫn cần thiết. Mọi người vẫn còn bi quan và không chắc chắn về những gì nằm ở phía bên kia của sự tiến bộ.
Kể từ khi chúng tôi bắt đầu viết, điều thay đổi là mọi thứ diễn ra nhanh hơn rất nhiều. Mỗi tuần đều có nhiều nội dung cần đề cập hơn. Số này có 7 liều bổ sung; mỗi liều đều có thể nằm trong top 5, và vẫn còn nhiều điều chúng tôi chưa đề cập đến.
Vậy nên giờ đây, Dose có thêm một mục tiêu nữa: giúp bạn cập nhật những sự kiện quan trọng nhất trong khoa học và công nghệ chỉ trong thời gian bạn uống hết hai ly cà phê buổi sáng. Đừng lướt mạng để theo kịp, hãy đọc Dose ngay thôi.
Chúng ta bắt đầu thôi.
Bạn bè tôi ở Viện Thịnh Vượng đang ra mắt "Thịnh Vượng Mỗi Ngày", một podcast mới vào mùa xuân này do hai tác giả bán chạy nhất Virginia Postrel và Charles Mann dẫn chương trình. Tôi đã có một cuộc trò chuyện thú vị về giấy ăn, hắt hơi và vi trùng với Virginia và Charles tại Hội nghị Tiến bộ hồi tháng Mười và tôi rất hào hứng được nghe chương trình này.
Nếu bạn tham gia Abundance's Foundry ngay bây giờ, bạn sẽ được tham gia buổi trò chuyện trực tuyến qua Zoom với Virginia, được nghe podcast sớm và nhận 3 tháng sử dụng Not Boring World miễn phí¹ , cùng với tất cả các lợi ích khác khi ủng hộ tổ chức tuyệt vời này.
Xem thông tin về tư cách thành viên của Foundry tại đây: Tham gia Foundry
(1) Công cụ thiết kế thuốc của Isomorphic Labs mở ra một chân trời mới vượt xa AlphaFold
Phòng thí nghiệm Isomorphic
AlphaFold đã mang về cho Demis Hassabis giải Nobel nhờ dự đoán cấu trúc của protein, điều mà vào thời điểm đó được coi là một phép màu công nghệ, như được thể hiện trong cuốn sách "Trò chơi tư duy".
Tuần này, Isomorphic Labs của Hassabis, công ty con tách ra từ Google mà ông làm CEO vào các ngày thứ Ba đồng thời điều hành Google DeepMind, đã chứng minh rằng họ hiện có thể dự đoán cách bào chế thuốc trong một báo cáo kỹ thuật về IsoDDE, công cụ thiết kế thuốc bằng trí tuệ nhân tạo của họ.
Trên các cấu trúc protein-ligand khó nhất (những cấu trúc khác biệt nhất so với bất kỳ dữ liệu huấn luyện nào, nơi AlphaFold 3 gặp khó khăn), IsoDDE cho độ chính xác cao hơn gấp đôi so với AlphaFold 3. Nó vượt trội hơn AlphaFold 3 gấp 2,3 lần trong mô hình kháng thể-kháng nguyên và Boltz-2 gần 20 lần. Và nó dự đoán mức độ liên kết của thuốc với mục tiêu tốt hơn FEP+, phương pháp mô phỏng vật lý tiêu chuẩn vàng thường tốn nhiều thời gian tính toán hơn.
Việc tìm ra những thứ này nhanh chóng, trong khi các nhà nghiên cứu đã mất hơn một thập kỷ để tìm kiếm. Cereblon là một loại protein mà các nhà nghiên cứu đã dành 15 năm tin rằng nó chỉ có một vị trí liên kết thuốc. Một bài báo năm 2026 đã phát hiện ra một vị trí liên kết thuốc thứ hai, được giấu kín, thông qua thực nghiệm. IsoDDE đã tìm thấy cả hai vị trí này chỉ dựa trên trình tự axit amin, mà không cần bất kỳ gợi ý nào về loại phối tử cần tìm.
Câu hỏi lớn đặt ra từ đây là liệu IsoDDE và các đột phá tính toán khác có thể được chuyển hóa thành thuốc thực tế hay không và bằng cách nào. Tính đến đầu năm 2026, chưa có loại thuốc nào được phát hiện bằng trí tuệ nhân tạo nhận được sự chấp thuận của FDA. Các hợp chất được thiết kế bằng trí tuệ nhân tạo đang tiến đến giai đoạn thử nghiệm lâm sàng với tỷ lệ thành công tương đương với các hợp chất được phát hiện theo phương pháp truyền thống. Sinh học vẫn vô cùng khó đoán khi chuyển từ màn hình sang cơ thể người.
Bản thân Isomorphic Labs đã lùi lịch trình thử nghiệm lâm sàng, hiện đang nhắm đến cuối năm 2026 để đưa các loại thuốc do AI thiết kế đầu tiên của họ vào thử nghiệm trên người. Vì vậy, toàn bộ lĩnh vực này vẫn đang trong giai đoạn "chứng minh tính khả thi".
Nhưng cho đến nay, trở ngại lớn nhất trong việc phát hiện thuốc mới vẫn là chi phí và thời gian tìm kiếm khổng lồ. Mỗi loại thuốc có thể mất cả thập kỷ và hàng tỷ đô la. Năm ngoái, Hassabis đã nói với chương trình 60 Minutes: “Chúng ta có thể rút ngắn thời gian đó từ nhiều năm xuống còn vài tháng hoặc thậm chí vài tuần.”
IsoDDE rút ngắn giai đoạn tìm kiếm từ nhiều tháng làm việc trong phòng thí nghiệm xuống còn vài phút tính toán. Nếu nó có thể tìm ra các mục tiêu và phân tử phù hợp một cách đáng tin cậy và nhanh hơn, ngay cả khi thời gian thử nghiệm lâm sàng không thay đổi, bạn sẽ có được nhiều cơ hội thành công hơn với cùng chi phí, và có thể tiếp cận những lĩnh vực kỳ lạ, khó tìm hơn mà con người sẽ không bao giờ nghĩ đến (hoặc ít nhất là không có thời gian và nguồn lực để) thử.
IsoDDE và các công cụ tương tự biến giai đoạn đầu của quá trình khám phá thuốc từ một cuộc tìm kiếm chậm chạp, thủ công thành một cuộc tìm kiếm nhanh chóng, có hệ thống. Một nút thắt cổ chai nữa đã được loại bỏ. Chúng sẽ làm tràn ngập đường ống lâm sàng với các ứng cử viên thuốc tốt hơn, mới hơn, điều này lại tạo ra một nút thắt cổ chai khác. Chúng ta sẽ cần phải làm điều gì đó để đẩy nhanh các thử nghiệm lâm sàng và phê duyệt của FDA để xử lý lượng ứng cử viên khổng lồ này.
(2) Gemini 3 Deep Think Crushes Benchmarks, Does Materials Science and Math
Google DeepMind
Nghe này, tôi là người đơn giản. Nếu bạn đưa video về phòng thí nghiệm của Đại học Duke vào thông báo về mô hình mới của mình, mô hình đó có thể "vượt trội" so với các mô hình tiên tiến nhất trên ARC-AGI-2 (một bài kiểm tra được thiết kế cực kỳ khó đối với AI), hỗ trợ nghiên cứu khoa học vật liệu tiên tiến và giúp các nhà toán học giải quyết các bài toán Erdős, thì tôi sẽ đưa nó vào bản tin Dose. Cố lên Duke!
Deep Think là chế độ suy luận chuyên biệt của GDM trong Gemini 3, được thiết kế để dành nhiều phút (hoặc lâu hơn) để phân tích kỹ một vấn đề, khám phá các hướng giải quyết, quay lại khi chúng không hiệu quả và xây dựng chuỗi suy luận nhiều bước trước khi đưa ra câu trả lời cuối cùng. Google gọi đó là tư duy “Hệ thống 2”, mượn cách diễn đạt của Kahneman: trong khi Gemini tiêu chuẩn nhanh và trực quan, Deep Think chậm và thận trọng.
Cách tiếp cận thận trọng đó đã mang lại kết quả khả quan trên các bài kiểm tra. Deep Think đạt 84,6% trên ARC-AGI-2 (chuẩn mực suy luận tiên tiến, được ARC Prize xác nhận), trong khi mô hình gần nhất đạt 68,8%. Nó đạt được 3455 điểm Elo trên Codeforces: để dễ hình dung, điều đó đưa nó vào nhóm các lập trình viên cạnh tranh hàng đầu trên thế giới; nó sẽ xếp hạng thứ 8 trên toàn cầu. Nó đã thiết lập một tiêu chuẩn mới với 48,4% trên Humanity's Last Exam, một chuẩn mực được thiết kế để bao gồm những bài toán khó nhất thuộc các lĩnh vực toán học, khoa học và kỹ thuật. Và nó đã giành được kết quả ở cấp độ huy chương vàng trong phần thi viết của Olympic Vật lý và Hóa học Quốc tế năm 2025.
Tuy nhiên, thật khó để biết các tiêu chuẩn đánh giá thực sự có ý nghĩa gì. Mỗi khi một phòng thí nghiệm lớn tung ra một mô hình mới, họ đều vượt qua một số tiêu chuẩn đánh giá nào đó.
Đó là lý do tại sao video về Phòng thí nghiệm Wang của Đại học Duke lại thú vị. Trong đó, một nhà nghiên cứu sử dụng Deep Think để tối ưu hóa việc chế tạo màng mỏng đơn lớp MoS₂, một loại vật liệu bán dẫn nổi tiếng là khó nuôi cấy ở kích thước chính xác. Nhà nghiên cứu nhập các thông số tổng hợp vào Deep Think, mô hình sẽ suy luận để tìm ra công thức nuôi cấy tối ưu, và sau đó hệ thống sẽ chuyển trực tiếp các thông số đó vào phần mềm tự động hóa phòng thí nghiệm để điều khiển lò nung, lưu lượng khí và cấu hình nhiệt độ. Deep Think đã thiết kế một công thức để nuôi cấy màng mỏng có kích thước lớn hơn 100 μm, một mục tiêu chính xác mà các phương pháp trước đây khó đạt được. Kỷ nguyên của các phòng thí nghiệm tự động đang đến gần.
Trong khi đó, bằng cách hợp tác với các chuyên gia về 18 vấn đề nghiên cứu mở, Deep Think đã giúp phá vỡ những bế tắc lâu năm trong khoa học máy tính, lý thuyết thông tin và kinh tế học. Nó đã giải quyết được những thách thức thuật toán kinh điển như Max-Cut và Steiner Tree bằng cách sử dụng các công cụ toán học từ các lĩnh vực hoàn toàn không liên quan, một bước nhảy vọt về trực giác liên ngành được cho là chỉ có ở con người nhưng về cơ bản đó là điều tôi kỳ vọng ở một cỗ máy biết suy nghĩ có quyền truy cập vào tất cả kiến thức của con người. Mỗi khi một mô hình mới ra mắt, tôi đều yêu cầu nó chỉ ra những mối liên hệ mà con người đã bỏ sót dựa trên cái nhìn tổng quan của nó về các lĩnh vực khác nhau, và thông thường, câu trả lời khá yếu. Tôi rất hào hứng được thử nghiệm Deep Think.
Trong một trường hợp khác, nó đã phát hiện ra một lỗi logic tinh tế trong một bằng chứng đã vượt qua được sự thẩm định của các chuyên gia. Trong toán học cấp độ nghiên cứu, nó tự động tạo ra một bài báo về hằng số cấu trúc trong hình học số học và hợp tác với con người để chứng minh các giới hạn trên các hệ hạt tương tác. Và DeepMind đã sử dụng nó để giải quyết 700 bài toán chưa được giải từ cơ sở dữ liệu Giả thuyết Erdős của Bloom, một tập hợp các bài toán chưa được giải quyết do Paul Erdős, một trong những nhà toán học xuất sắc nhất trong lịch sử, đặt ra, và đã tự động giải quyết được một số bài toán trong số đó.
Mấy thứ lập trình gây sốt trên Twitter chẳng làm tôi hứng thú lắm. Tôi cũng chẳng mua Mac Mini. Viết lách thì vẫn tệ. Nhưng những thứ này… giúp con người giải quyết những vấn đề khó khăn và tạo ra những khám phá mới… đó mới là điều tôi quan tâm.
Đây là thời điểm tuyệt vời để trở thành nhà nghiên cứu, và là thời điểm tồi tệ để trở thành một vấn đề .
(3) Giới thiệu: Lớp Liberty
Nước xanh
Nói về những vấn đề mà người Mỹ dường như không thể giải quyết được…
Số liệu về ngành đóng tàu của Mỹ gần như là một trò cười. Năng lực đóng tàu của Trung Quốc lớn hơn Mỹ tới 232 lần. Năm 2024, các xưởng đóng tàu của Trung Quốc đã đóng hơn 1.000 tàu thương mại. Mỹ chỉ đóng được 8 tàu. Hải quân Trung Quốc có hơn 370 tàu chiến và dự kiến sẽ đạt 435 tàu vào năm 2030. Hải quân Mỹ có 296 tàu và dự kiến sẽ giảm xuống còn 283 tàu vào năm 2027 do số lượng tàu cũ ngừng hoạt động vượt quá số lượng tàu mới đóng. 37 trong số 45 tàu đang được đóng hiện nay đang đối mặt với sự chậm trễ đáng kể. Bốn xưởng đóng tàu công cộng của Mỹ có tuổi đời trung bình là 76 năm, trong khi các ụ khô có tuổi đời trung bình hơn 107 năm. Như Bộ trưởng Hải quân đã nói, một xưởng đóng tàu của Trung Quốc có năng lực lớn hơn tất cả các xưởng đóng tàu của Mỹ cộng lại. Bạn đã thấy biểu đồ rồi đấy.
Tin vui! Tuần này, Blue Water Autonomy đã công bố tàu lớp Liberty: một con tàu thép tự hành dài 190 feet với tầm hoạt động hơn 10.000 hải lý và khả năng chở hàng hơn 150 tấn. Cái tên này là một sự gợi nhớ có chủ ý đến những con tàu Liberty trong Thế chiến II, được chế tạo nhanh chóng và với số lượng lớn để đáp ứng nhu cầu thời chiến. Blue Water đang đặt cược tương tự: lấy một thiết kế thân tàu đã được chứng minh (Stan Patrol 6009 của Damen, đã được thử nghiệm trong các điều kiện khắc nghiệt trên toàn thế giới), thiết kế lại từ trong ra ngoài để hoạt động tự hành, và bắt đầu chế tạo tại xưởng đóng tàu Conrad ở Louisiana vào tháng tới. Chiếc tàu đầu tiên dự kiến sẽ được bàn giao cho Hải quân Hoa Kỳ vào cuối năm nay.
Công ty Blue Water đã phát triển tàu Liberty hoàn toàn bằng vốn tư nhân, điều này chưa từng có tiền lệ đối với một tàu chiến cỡ lớn của Hải quân, nhưng lại là tiêu chuẩn trong thị trường thương mại. Hợp tác với hơn 100 nhà cung cấp, họ đã hoàn thành từ năm 2024 đến năm 2026 và bắt đầu xây dựng, với mục tiêu sản xuất hàng loạt 10-20 tàu mỗi năm. Năm xưởng đóng tàu và lực lượng lao động 1.100 người của Conrad hiện đã sản xuất hơn 30 tàu mỗi năm, vì vậy năng lực sản xuất đã có sẵn; giờ đây, nó đang được sử dụng hiệu quả hơn.
Đây là một khởi đầu tốt, nhưng cuối cùng chúng ta sẽ cần khoảng 1.000 cái như thế để bắt kịp.
Thêm một tin tốt nữa về lĩnh vực tàu tự hành: Saronic đã được chọn tham gia chương trình Pulling Guard của DARPA , chương trình đang phát triển các hệ thống hộ tống bán tự hành để bảo vệ các tàu vận tải hậu cần trên biển. Hơn 75% thương mại toàn cầu được vận chuyển bằng đường thủy, và Hải quân Hoa Kỳ từ trước đến nay vẫn bảo vệ các tuyến đường này bằng cách triển khai các tàu khu trục và nhóm tác chiến tàu sân bay trị giá hàng tỷ đô la. Chương trình Pulling Guard đang nghiên cứu xem liệu các nền tảng tự hành mô-đun, chi phí thấp có thể cung cấp khả năng bảo vệ hàng hải phân tán, "bảo vệ như một dịch vụ" hoạt động trong thời bình và thời chiến hay không. Saronic, công ty đã và đang chế tạo các tàu mặt nước tự hành và mở rộng quy mô sản xuất với tốc độ nhanh chóng, sẽ thiết kế một tàu mô-đun, có khả năng tự hành theo chương trình này.
Ngành đóng tàu truyền thống của Mỹ là một bài học cảnh tỉnh về sự trì trệ trong phát triển. Nhưng chúng tôi ở Not Boring lại yêu thích sự trì trệ này. Mỗi doanh nghiệp lâu đời đang trì trệ đều là cơ hội để một công ty khởi nghiệp xây dựng nên thứ gì đó tốt hơn, nhanh hơn và rẻ hơn. Tiến lên nào!
(4) Một ribozyme polymerase nhỏ có thể tự tổng hợp chính nó và chuỗi bổ sung của nó
Giannini, Kwok, Wan, Goeij, Clifton, Colizzi, Attwater và Holliger trong Khoa học
Giáo sư trợ lý y khoa Jason Sheltzer của Đại học Stanford đã viết một lời dẫn hay hơn tôi : “Trí tuệ nhân tạo thì tuyệt vời đấy… nhưng một bài báo mới trên tạp chí Science đã phần nào tìm ra nguồn gốc của sự sống?”
Đây là bối cảnh câu chuyện. Lý thuyết hàng đầu về nguồn gốc sự sống là giả thuyết "Thế giới RNA": trước DNA, trước protein, trước tế bào, các phân tử RNA trên Trái đất sơ khai đã lưu trữ thông tin di truyền và xúc tác các phản ứng hóa học. Tại một thời điểm nào đó, một trong những phân tử RNA này đã tìm ra cách tự sao chép, và từ khoảnh khắc đó, quá trình tiến hóa (sự kế thừa bằng cách biến đổi) có thể bắt đầu. Phần còn lại, hơn 4 tỷ năm, đã trở thành lịch sử.
Vấn đề là các nhà khoa học chưa bao giờ chứng minh được điều này một cách thuyết phục trong phòng thí nghiệm. Các enzyme RNA trước đây (gọi là ribozyme) có khả năng sao chép các chuỗi RNA khác có kích thước rất lớn, dài từ 165 đến 189 nucleotide, và quá phức tạp để có thể tự nhiên xuất hiện trong một dung dịch nguyên thủy. Và điều quan trọng là, không enzyme nào trong số chúng có thể tự sao chép chính mình . Chúng có thể sao chép các RNA đơn giản hơn, nhưng cấu trúc gấp khúc của chính chúng lại ngăn cản quá trình tự sao chép. Đó là một nghịch lý cơ bản: một ribozyme cần phải gấp khúc để hoạt động, nhưng khi đã gấp khúc, nó lại không thể tự sao chép.
Các nhà nghiên cứu tại Phòng thí nghiệm Sinh học Phân tử MRC ở Cambridge (cùng phòng thí nghiệm nơi Watson và Crick đã tìm ra cấu trúc của DNA) dường như đã giải mã được vấn đề này. Họ đã phát hiện ra QT45: một ribozyme 45 nucleotide, nhỏ hơn một phần tư kích thước của các RNA polymerase trước đây, có thể tổng hợp cả chuỗi bổ sung của nó và một bản sao của chính nó. Nó thực hiện điều này bằng cách ghép các khối cấu tạo RNA ba chữ cái (trinucleotide) lại với nhau thay vì thêm từng chữ cái một. Các bộ ba này liên kết đủ mạnh để tháo gỡ các cấu trúc RNA gấp khúc, giải quyết nghịch lý tự sao chép đã làm khó lĩnh vực này trong nhiều thập kỷ.
Con số "45" có ý nghĩa vô cùng quan trọng. Các ứng cử viên ribozyme tự sao chép trước đây quá lớn và phức tạp đến nỗi sự xuất hiện tự phát của chúng trên Trái đất sơ khai dường như không thể tin được, giống như sét đánh vào bãi phế liệu và lắp ráp thành một chiếc máy bay Boeing 747. Với 45 nucleotide, QT45 đủ nhỏ để các nhà nghiên cứu cho rằng ribozyme polymerase có thể phổ biến hơn nhiều trong không gian trình tự RNA ngẫu nhiên so với suy nghĩ của mọi người, có nghĩa là quá trình tự sao chép có thể không cần đến một tai nạn hiếm gặp đến mức khó tin. Theo một nghĩa nào đó, nó có thể khá dễ dàng.
Điều thú vị nhất là các khối cấu tạo bộ ba mà QT45 sử dụng, các đoạn RNA ba chữ cái, chính là mã bộ ba mà tất cả sự sống trên Trái đất vẫn sử dụng ngày nay để tạo ra các protein như những protein mà AlphaFold đã phát hiện ra cấu trúc và các mục tiêu của IsoDDE. Mã di truyền giống như một hóa thạch vẫn còn hoạt động của hệ thống sao chép đầu tiên.
Trong chuyên mục "Liều lượng", chúng tôi dành nhiều thời gian để tìm hiểu về cách mọi người giải quyết những vấn đề khó khăn. Đây là một trong những vấn đề khó nhất: làm thế nào mà cái gì đó lại xuất hiện từ hư không? Làm thế nào mà hóa học lại trở thành sinh học? Hóa ra, câu trả lời có thể đơn giản đến kinh ngạc, chỉ dài 45 chữ cái. Ngắn hơn nhiều so với bất cứ thứ gì tôi từng viết.
(5) Phụ huynh Texas đổ xô đi lựa chọn trường học
Ban biên tập báo Wall Street Journal
Tuần này có một bài luận lan truyền trên mạng về chủ đề X mà tôi sẽ không dẫn link nhưng có lẽ các bạn đã thấy, nói về việc con người đang gặp rắc rối như thế nào, kể cả trẻ em, ngoại trừ có lẽ những người trong chúng ta bỏ tiền ra để sử dụng các mô hình tốt và các nhà phân tích yêu cầu AI thực hiện nghiên cứu mà lẽ ra phải mất ba ngày chỉ trong một giờ. Cá nhân tôi nghĩ rằng trẻ em sẽ ổn thôi, đặc biệt là những đứa trẻ biết cách suy nghĩ thay vì nhờ máy móc làm hộ.
Tuy nhiên, một điều rõ ràng là: chúng ta cần giáo dục con cái theo một cách khác với Mô hình Phổ, một mô hình đã tối ưu hóa một cách tàn nhẫn việc tối ưu hóa tư duy của chúng ta thành những cỗ máy để trở thành những công nhân nhà máy giỏi. Chúng ta cần dạy con cái yêu thích việc học, đặt câu hỏi và tò mò. Về cơ bản, chúng ta cần dạy con cái theo cách ngược lại với cách mà hầu hết các trường học đang làm hiện nay.
Đó là lý do tại sao tôi rất ủng hộ việc lựa chọn trường học: các tiểu bang cấp tiền cho phụ huynh để lựa chọn những trường tốt hơn cho con cái họ. Việc lựa chọn trường học không phải là không có những người chỉ trích, họ cho rằng nó lấy tiền từ các trường công lập và gây bất lợi cho học sinh trường công, nhưng các trường công lập đã độc quyền giáo dục cho phần lớn trẻ em không đủ khả năng học trường tư, và kết quả phần lớn là những gì bạn mong đợi từ một sự độc quyền được nhà nước bảo vệ. Việc lựa chọn trường học khuyến khích cạnh tranh và có thể giúp hướng nguồn kinh phí đến các trường mới áp dụng những phương pháp mới để định hình lại giáo dục.
Tuần này là một tuần trọng đại đối với chương trình lựa chọn trường học. Texas đã mở đơn đăng ký cho chương trình Tài khoản Tự do Giáo dục mới vào ngày 4 tháng 2, và 42.000 gia đình đã đăng ký ngay trong ngày đầu tiên, một kỷ lục toàn quốc đối với bất kỳ chương trình lựa chọn trường học mới nào, vượt qua con số 33.000 đơn đăng ký trong ngày đầu tiên của Tennessee năm ngoái. Đến sáng hôm sau, con số này đã vượt qua 47.000. Báo cáo mới nhất cho thấy con số là 91.000. Thời gian đăng ký kéo dài đến ngày 17 tháng 3.
Đây là điều đã được chờ đợi từ lâu. Trong hơn 20 năm, Hạ viện do đảng Cộng hòa kiểm soát của Texas đã ngăn chặn luật lựa chọn trường học, ngay cả khi Thượng viện thông qua các dự luật ESA hết kỳ họp này đến kỳ họp khác. Tình thế đảo chiều vào năm 2024 khi Thống đốc Abbott vận động tranh cử cho 16 ứng cử viên Hạ viện thách thức các nghị sĩ đương nhiệm đang ngăn chặn dự luật lựa chọn trường học của ông. Chủ tịch Hạ viện mới, Dustin Burrows, cam kết dự luật sẽ được thông qua. Và nó đã được thông qua vào tháng Tư năm ngoái. Dự luật Thượng viện số 2 đã phân bổ 1 tỷ đô la cho năm học 2026-2027, với khả năng tăng lên 4,5 tỷ đô la vào năm 2030.
Chương trình này cung cấp cho các gia đình đủ điều kiện khoảng 10.474 đô la mỗi học sinh mỗi năm để sử dụng cho học phí trường tư, chi phí học tại nhà, dạy kèm, giáo dục nghề nghiệp và kỹ thuật, và các chi phí giáo dục được phê duyệt khác. Học sinh khuyết tật có thể nhận được tối đa 30.000 đô la. Tiêu chí xét tuyển được ưu tiên dựa trên nhu cầu kinh tế, không phải theo thứ tự đăng ký trước, với học sinh khuyết tật và học sinh có thu nhập thấp được ưu tiên hàng đầu.
Cá nhân tôi rất hào hứng với chương trình này vì Tổ chức Hỗ trợ Giáo dục được Chứng nhận (Certified Educational Assistance Organization - ESA) điều hành các hoạt động hàng ngày của chương trình (cổng đăng ký, xử lý thanh toán, sàn thương mại điện tử nơi các gia đình mua sắm các dịch vụ giáo dục được phê duyệt) là Odyssey , một công ty đầu tư vốn không hề nhàm chán. Odyssey hiện đang quản lý các chương trình ESA tại Iowa, Georgia, Louisiana, Utah và Wyoming, nhưng Texas lại là một trường hợp khác. Đây là chương trình lựa chọn trường học lớn nhất từng được triển khai tại tiểu bang, và Odyssey chính là cơ sở hạ tầng giúp chương trình hoạt động hiệu quả, cung cấp cho mỗi gia đình một ví điện tử an toàn, số dư theo thời gian thực và quyền truy cập vào một thị trường gồm các trường học và nhà cung cấp đã được kiểm duyệt. Họ đã xử lý thành công sự kiện ra mắt lớn nhất từ trước đến nay một cách suôn sẻ.
Các số liệu cho thấy phụ huynh muốn điều này. Tôi rất hào hứng chờ xem nền giáo dục K-12 sẽ phát triển như thế nào khi phụ huynh có quyền lựa chọn phân bổ ngân sách để con cái họ nhận được nền giáo dục mà họ cho là tốt nhất.
THÊM THÔNG TIN: Will Manidis, Nhân chủng học, So sánh, Thuyền in 3D, Số không
Đọc thêm
