AI “bùng nổ” giải toán cấp cao, nhưng vẫn bối rối với phép tính cơ bản – Cuộc khủng hoảng tồn tại trong giới toán học

Mở đầu

Vào cuối tháng 7 năm 2024, OpenAI bất ngờ công bố một loạt giải pháp cho các bài toán lâu ngày chưa có lời giải, tạo nên một “bom tấn” trong cộng đồng toán học. Sự kiện này đã thu hút sự chú ý của Robert Hart – phóng viên AI của The Verge tại London – trong một tập podcast “Decoder”. Hart đã ngồi cùng một số nhà toán học hàng đầu để thảo luận về “cuộc khủng hoảng tồn tại” mà lĩnh vực này đang trải qua khi trí tuệ nhân tạo (AI) ngày càng mạnh mẽ trong việc giải các vấn đề toán học trừu tượng, trong khi vẫn còn vụng về với những phép tính cơ bản như đếm hay tính thời gian.

Chi tiết cụ thể

Trong buổi trò chuyện, Robert Hart nhấn mạnh rằng “AI đã chuyển mình từ một công cụ tệ hại sang một người đồng nghiệp thực thụ trong thời gian ngắn, chỉ trong vòng sáu tháng đến một năm”. Ông cho biết, trước năm 2024, quan niệm chung vẫn là các mô hình ngôn ngữ AI “thực sự kém” trong việc thực hiện các phép tính số học. Ví dụ tiêu biểu là khả năng đếm số chữ “R” trong từ “strawberry” – một bài kiểm tra đơn giản mà các mô hình AI trước đây không thể thực hiện.

Tuy nhiên, sau khi OpenAI tung ra các giải pháp mới, các nhà nghiên cứu đã “tinh chỉnh” (tweaked) mô hình để vượt qua thử nghiệm “strawberry”. Hart thậm chí đề cập tới một “thuyết âm mưu” cá nhân: “Có thể câu trả lời ‘strawberry’ đã được mã hoá sẵn trong mọi mô hình”. Dù vậy, ông đồng thời khẳng định rằng AI vẫn “thật sự tệ” ở các nhiệm vụ như đếm số, nhận dạng ngày trong tuần, hoặc xác định thời gian hiện tại. Elissa Welle, một nhà nghiên cứu AI, đã viết trong một bài viết vài tháng trước rằng ChatGPT “không thể nói được giờ hiện tại” – và thực tế này vẫn chưa được khắc phục.

Bên cạnh những hạn chế này, các mô hình mới của OpenAI lại thể hiện “độ xuất sắc đáng ngạc nhiên” trong việc giải các bài toán cao cấp. Hart cho biết, AI hiện có khả năng “kết nối các lĩnh vực khác nhau, áp dụng các phương pháp cũ vào bối cảnh mới” – một kỹ năng quan trọng trong nghiên cứu toán học. Các nhà toán học mà Hart phỏng vấn đã chia sẻ rằng họ đã thấy AI tạo ra các bằng chứng (proof) cho những vấn đề chưa được giải đáp từ trước, thậm chí sánh ngang với những nhà toán học hàng đầu.

Mặc dù vậy, không phải mọi lĩnh vực toán học đều “được chinh phục”. Các nhà toán học vẫn cho rằng AI “còn yếu” ở những nhánh như topology – một lĩnh vực nghiên cứu hình học và không gian trừu tượng. Hart thừa nhận mình không có đủ chuyên môn để xác nhận chi tiết này, nhưng nhấn mạnh rằng AI đang “đạt được thành tựu ở một phần rộng lớn” trong toán học, trong khi vẫn “bị kẹt” ở những khái niệm cơ bản như đếm hay tính toán ngày tháng.

Cuộc khủng hoảng này không chỉ dừng lại ở mặt kỹ thuật. Các nhà toán học lo ngại rằng nếu AI có thể “giải quyết hầu hết các câu hỏi còn tồn đọng”, thì các chương trình tài trợ học thuật và các khóa đào tạo tại trường đại học có thể trở nên “vô nghĩa”. Họ đặt câu hỏi: “Nếu các mô hình tiên tiến có thể trả lời mọi câu hỏi, thì vai trò của các nhà toán học trong việc xác định vấn đề mới sẽ ra sao?” Đồng thời, một số chuyên gia lo ngại rằng sự chú ý mạnh mẽ hiện nay đối với AI trong toán học có thể chỉ là “chiến dịch marketing” của các phòng thí nghiệm AI, không thực sự quan tâm đến tương lai của một trong những ngành học cổ xưa và nền tảng nhất.

Bối cảnh/so sánh

Sự bùng nổ của AI trong toán học phản ánh xu hướng chung mà các ngành khác đang trải qua: từ phần mềm, lập trình đến viết lách, AI đã “bứt phá” trong thời gian ngắn, khiến nhiều lĩnh vực phải tái định vị lại vai trò của con người. Trước đây, cộng đồng lập trình đã phải đối mặt với “cuộc khủng hoảng AI” khi các công cụ tự động hoá mã nguồn bắt đầu thay thế một phần công việc của lập trình viên. Tương tự, trong toán học, AI hiện đang “đánh bại” các bài toán cấp cao nhưng vẫn chưa chinh phục được những phép tính đơn giản – một hiện tượng tương tự như việc các mô hình ngôn ngữ vẫn còn “bị lạc” trong các câu hỏi thực tiễn như thời gian hay ngày tháng.

Nếu xét đến các đối thủ, OpenAI đang dẫn đầu trong việc công bố các giải pháp “đột phá”, trong khi các lab khác như Anthropic, Google DeepMind hay Meta AI vẫn chưa công bố sản phẩm tương tự trong lĩnh vực này. Điều này không chỉ củng cố vị thế của OpenAI mà còn đặt ra câu hỏi về “cạnh tranh” trong việc khai thác tiềm năng AI cho toán học, và liệu các công ty này có đang sử dụng “toán học” như một công cụ PR để thu hút sự chú ý và vốn đầu tư.

Nhìn chung, sự xuất hiện của AI trong toán học không chỉ là một bước tiến công nghệ mà còn là một “điểm nút” quyết định tương lai của ngành học này. Khi AI ngày càng “thông minh” trong việc giải các vấn đề trừu tượng, cộng đồng toán học sẽ phải cân nhắc lại vai trò của mình – từ người khai phá vấn đề mới, đến người kiểm chứng và hướng dẫn các mô hình AI trong việc duy trì tính chính xác và đạo đức của khoa học.