27/10/2026 · VietTechies · Biên tập
Theo nghiên cứu gần đây được thảo luận tại Viện Công nghệ Massachusetts (MIT), trí tuệ nhân tạo đang mở rộng tầm với vượt xa toán học thuần túy, có nguy cơ đảo lộn nhiều lĩnh vực khoa học lý thuyết. Neil Thompson, nhà nghiên cứu về tiến bộ máy tính và trí tuệ nhân tạo, đã trình bày các phát hiện cho thấy các mô hình tiên tiến đang cải thiện nhanh chóng trong việc xử lý các bài toán trừu tượng từ lý thuyết kinh tế đến vật lý lượng tử.
Vượt qua toán học: Phạm vi mở rộng của AI
Nghiên cứu này do Thompson thực hiện cùng với nghiên cứu sinh tiến sĩ Gabriel Manso và nhà khoa học nghiên cứu Claudio Mayrink Verdun, theo dõi năng lực giải quyết vấn đề của các hệ thống trí tuệ nhân tạo hàng đầu. Theo kết quả, từ giữa năm 2024 đến giữa năm 2026, tỷ lệ thành công của các mô hình AI hàng đầu trong việc giải quyết các bài toán lý thuyết đã tăng vọt từ khoảng 2% lên tới khoảng 35%. Nghiên cứu tập trung xem xét các lĩnh vực mà mô hình có thể suy luận ra giải pháp mà không cần chạy thí nghiệm vật lý hoặc mô phỏng trên máy tính. Các lĩnh vực này bao gồm xác suất, thống kê, lý thuyết kinh tế, vật lý năng lượng cao, hấp dẫn, vũ trụ học và cơ học lượng tử.
Kiểm thử các giới hạn mà không cần truy cập internet
Để đảm bảo đánh giá nghiêm ngặt, các nhà nghiên cứu đã sử dụng các bài toán lấy từ các bài báo học thuật xuất bản trực tuyến từ tháng 12 năm 2025 đến tháng 5 năm 2026. Vì các bài báo này xuất hiện sau mốc thời gian cắt giảm huấn luyện đối với các mô hình như GPT-5.5 và các phiên bản trước đó, các hệ thống không thể dựa vào dữ liệu được ghi nhớ hoặc câu trả lời có sẵn. Hơn nữa, nhóm nghiên cứu đã chặn hoàn toàn quyền truy cập internet trong giai đoạn kiểm thử, buộc các mô hình phải tự lập luận độc lập qua các câu hỏi lý thuyết mới mẻ đóng vai trò làm dữ liệu chuẩn xác thực cho việc đánh giá. Sự bùng nổ năng lực này phản ánh sự biến động gần đây trong cộng đồng toán học, nơi các hệ thống tiên tiến đã giải quyết các thách thức lớn lâu đời và châm ngòi cho cuộc tranh luận gay gắt về việc tự động giải quyết vấn đề.
Con dao hai lưỡi của lý thuyết tự động hóa
Sự lấn sân nhanh chóng của các mô hình tiên tiến vào khoa học lý thuyết mang lại những tác động sâu sắc đối với cách thức nghiên cứu học thuật được thực hiện, tài trợ và xác thực. Về mặt lịch sử, các bước đột phá lý thuyết đã đóng vai trò là nền tảng cho những tiến bộ khoa học thực tế. Nếu trí tuệ nhân tạo có thể tự động đẩy nhanh các đột phá lý thuyết trên các lĩnh vực như vật lý lượng tử và vũ trụ học, nhịp độ đổi mới của con người có thể thay đổi đáng kể. Tuy nhiên, quá trình chuyển đổi này mang đến những thách thức phức tạp về mặt cấu trúc và triết học. Khi các hệ thống tự động bắt đầu đưa ra các giải pháp cho các câu đố học thuật lâu đời, vai trò truyền thống của các nhà lý thuyết con người đang trải qua một quá trình tiến hóa bắt buộc. Các nhà phê bình và nghiên cứu cảnh báo rằng quá trình vật lộn với một vấn đề thường mang lại những hiểu biết quan trọng bị mất đi khi một thuật toán đơn giản đưa ra câu trả lời cuối cùng. Hơn nữa, việc phụ thuộc vào lập luận tự động tạo ra một lỗ hổng bảo mật nguy hiểm đối với các lỗi tinh vi và hiện tượng ảo giác. Ngay cả các mô hình tiên tiến cũng thường xuyên tạo ra các thông tin sai lệch có vẻ hợp lý đòi hỏi sự kiểm toán tỉ mỉ của con người để phát hiện. Ví dụ, đã có những trường hợp các nhà phát triển phải rút lại các giải pháp do AI tạo ra sau khi xuất bản do các lỗi cơ bản. Do đó, cộng đồng khoa học phải đối mặt với nhu cầu cấp thiết là phát triển các khung kiểm thử mới. Các chuyên gia sẽ vẫn đóng vai trò không thể thay thế, không nhất thiết phải để giải quyết các phương trình mà để tạo ra các ý tưởng mới, kết nối các điểm khái niệm khác biệt và kiểm toán nghiêm ngặt các đầu ra do máy móc tạo ra nhằm đảm bảo tính toàn vẹn khoa học vẫn được duy trì giữa lúc gia tốc tính toán.
Vai trò quan trọng của việc xác minh từ con người
Bất chấp việc tự động hóa nhanh chóng các tác vụ lý thuyết, các nhà nghiên cứu nhấn mạnh rằng chuyên môn của con người vẫn không thể thay thế. Mặc dù các thuật toán có thể xử lý các ký hiệu trừu tượng và tạo ra các bước logic ở quy mô chưa từng có, chúng lại thiếu trực giác tinh tế cần thiết để đưa các thực tế khoa học phức tạp vào bối cảnh. Theo nhóm nghiên cứu, các nhà khoa học con người vẫn sẽ rất cần thiết để khái niệm hóa các ý tưởng hay, kết nối các điểm khái niệm và xác minh xem bằng chứng phức tạp của mô hình có thực sự vững chắc sau khi kiểm tra tổng thể hay không.
Ảnh bìa: minh họa do AI tạo, kèm chữ tiêu đề; không phải ảnh tư liệu.
Nguồn: AI Came for Math. Now It’s Chasing the Rest of Science · Claudio Mayrink Verdun