Ba kết quả, một câu hỏi về vai trò của AI
AI nghiên cứu khoa học là việc dùng hệ thống trí tuệ nhân tạo để tạo, khảo sát hoặc kiểm tra ý tưởng khoa học, nhưng kết quả chỉ trở thành tri thức khi được diễn giải và thẩm định. Ngày 26 tháng 10 năm 2026, OpenAI cho biết các mô hình nội bộ của họ tạo ra ba kết quả thuộc toán học, khoa học máy tính và vật lý. Điểm đáng chú ý không chỉ là phạm vi lĩnh vực, mà còn là cách công ty mô tả bản thảo do AI tạo ra: dữ liệu nghiên cứu thô, chưa phải kết luận khoa học đã hoàn tất. Đây là phân biệt cần giữ vững giữa năng lực tạo ra một chứng minh và việc cộng đồng xác nhận chứng minh đó đúng, có ý nghĩa và đứng vững trước phản biện. Với OpenAI nghiên cứu, thách thức vì thế không dừng ở tạo kết quả; còn phải xây dựng quy trình để người khác có thể kiểm tra và phát triển chúng.
Trong ba kết quả, phần toán học xoay quanh giả thuyết làm trơn cục bộ, được OpenAI nói là đã chứng minh trong mọi số chiều bằng một phương trình vi phân từng phần phụ trợ thuộc loại mới. Theo công ty, kết quả này kéo theo lời giải cho giả thuyết Kakeya và giả thuyết hạn chế của Stein trong mọi số chiều. Hai kết quả còn lại thuộc khoa học máy tính và vật lý, nhưng tài liệu được cung cấp không nêu chi tiết nội dung của kết quả vật lý; vì vậy, không nên suy diễn mức độ hay hệ quả của nó. Cách công bố khác thường của OpenAI thừa nhận chính khoảng cách giữa đầu ra của mô hình và tri thức đã được kiểm chứng: công ty đề xuất các nhóm cộng tác bên ngoài, công khai tài liệu liên quan và để chuyên gia quyết định cách diễn giải.
Tuyên bố bác bỏ ETH cần qua phép thử độc lập
Tuyên bố gây chấn động nhất liên quan đến Giả thuyết Thời gian Hàm mũ, hay ETH: OpenAI nói hệ thống của họ chứng minh giả thuyết này sai, và kết quả sau đó được xác minh trong Lean. ETH là một phỏng đoán có ảnh hưởng trong lý thuyết độ phức tạp tính toán, gắn với việc đánh giá độ khó của bài toán thỏa mãn công thức Boolean và được dùng làm nền tảng cho nhiều kết quả độ khó có điều kiện. Nếu đứng vững, một phản chứng sẽ buộc giới nghiên cứu xem xét lại các kết luận dựa trên giả thuyết ấy. Nhưng hình thức hóa bằng Lean không thay thế toàn bộ đánh giá chuyên môn: nó giúp kiểm tra tính nhất quán của lập luận trong một hệ thống hình thức, còn ý nghĩa, giả định và cách diễn giải vẫn cần con người xem xét.
OpenAI cho biết công trình sẽ được một nhóm do Russell Impagliazzo và Ramamohan Paturi thuộc Đại học California tại San Diego, cùng Ryan Williams thuộc Viện Công nghệ Massachusetts, dẫn dắt và giám sát. Sự tham gia của các nhà nghiên cứu gắn với lịch sử của giả thuyết là bước quan trọng hơn một thông cáo tự khẳng định thành tựu: nó tạo cơ hội để kiểm tra liệu chứng minh có đúng phạm vi, có bỏ sót điều kiện hay làm lung lay những hệ quả trước đây hay không. Công ty cũng đề xuất công khai đầu ra AI và tổ chức thẩm định, đồng thời nói không tìm kiếm công trạng học thuật cho khám phá do mô hình tạo ra. Đây là hướng đi đáng hoan nghênh, nhưng niềm tin chỉ hình thành khi lập luận chịu được kiểm tra công khai.
Đặt cạnh giả thuyết KLS: AI hỗ trợ, con người định hướng
Một đối chiếu hữu ích đến từ giả thuyết KLS, bài toán tồn tại 31 năm trong hình học và xác suất nhiều chiều. Ngày 21 tháng 10 năm 2026, Xinzhi Zhang thuộc Microsoft Research và cộng sự Zhao Song công bố lời giải qua quy trình nghiên cứu có tác tử AI nhưng do con người định hướng. Bài báo dài 140 trang chứng minh hằng số KLS được chặn trên bởi một hằng số phổ quát, tức cận không tăng theo số chiều. Trước đó, kết quả tốt nhất được nêu là cận O(log^{1/4} n), vẫn tăng chậm khi số chiều tăng. Trường hợp này cho thấy AI chứng minh toán học không nhất thiết có nghĩa mô hình tự làm toàn bộ công việc: công cụ hỗ trợ khảo sát hướng đi và kiểm tra chi tiết, còn nhà nghiên cứu lựa chọn, kết nối và xác minh lập luận.
Theo mô tả quy trình, các tác giả cùng tác tử AI khảo sát hơn 100 hướng tiếp cận, rồi phát triển một tiêu chuẩn toán học và áp dụng đệ quy để cải thiện cận. Các công cụ hỗ trợ phép suy diễn dài, chuẩn bị bản thảo và kiểm tra chứng minh nội bộ; con người xác định hướng đi, chọn ý tưởng triển vọng, ghép chúng thành lập luận cuối cùng và kiểm chứng. Bản hình thức hóa Lean 4 cũng được xây dựng cho một cận Poincaré không phụ thuộc chiều. KLS vì thế không phải bằng chứng rằng AI đã thay nhà toán học, mà là ví dụ cụ thể về cách AI có thể mở rộng việc tìm kiếm trong một quy trình do con người chịu trách nhiệm. Sự khác biệt ấy giúp đánh giá công bằng hơn các tuyên bố của OpenAI.
Kết luận: đầu ra chưa phải tri thức đã được xác nhận
Ba kết quả OpenAI công bố là một dấu mốc đáng theo dõi, nhưng chưa nên được xem như bằng chứng rằng AI đã tự chủ làm khoa học. Chính công ty nhìn nhận bản thảo do mô hình tạo ra là nguyên liệu cần chuyển hóa; các nhóm cộng tác được đề xuất sẽ nhận tài liệu và hiện vật để tiếp tục thẩm định. Cách làm này cũng đặt ra câu hỏi thực tế về quyền tiếp cận, ghi nhận đóng góp và việc những người điều phối ban đầu có thể định hình ai được tham gia trước. Công bố mở, không ràng buộc bảo mật và ghi nhận công lao của nhóm là những nguyên tắc tốt, song chất lượng kiểm tra mới quyết định giá trị của chúng.
Bài học từ KLS là nên đánh giá AI theo vai trò cụ thể trong quy trình: nó giúp tìm hướng, thực hiện phép tính hay xác minh hình thức đến đâu, và con người chịu trách nhiệm cho phần nào. Với tuyên bố bác bỏ ETH, tiêu chuẩn ấy càng cần nghiêm ngặt vì hệ quả có thể chạm tới nhiều công trình dựa trên giả thuyết. Kết luận hợp lý lúc này không phải AI đã thay thế nhà nghiên cứu, mà là các mô hình có thể tạo ra những kết quả đáng để giới khoa học kiểm tra. Chỉ sau kiểm chứng độc lập, phản biện và diễn giải thỏa đáng, một đầu ra AI mới trở thành đóng góp khoa học được công nhận.
