AI đã mạnh đến mức có thể giải được những bài toán toán học khó nhất của con người, và cũng có thể tiêu diệt chúng ta.
Người nói lời này là nhà văn chuyên mục của The Wall Street Journal, Ben Cohen.
Ngày 11 tháng 9, anh ấy viết một bài chuyên mục về AI và toán học.
Cohen thừa nhận mình không hiểu phương trình Navier-Stokes, nhưng ông cho rằng, bạn không cần hiểu bất kỳ toán học nào cũng có thể hiểu được sự đột phá mà OpenAI tuyên bố lần này mang ý nghĩa gì:
Sự tiến bộ của AI đang gia tốc, và sự gia tốc này đáng sợ.
Một tin tức chuyên sâu từ cộng đồng toán học đã nhanh chóng trở thành vấn đề liên quan đến số phận của toàn thể nhân loại.
Cùng ngày, 25 nhà nhận giải Fields, bao gồm Terence Tao, cùng ký tên công bố tuyên bố: “Sự không phù hợp nghiêm trọng của AI trong toán học”.
Họ nói đến sự “không khớp” có nghĩa là những gì các công ty AI và các nhà toán học mong muốn không trùng nhau: các nhà toán học muốn những phương pháp mới, sự hiểu biết mới, trong khi các công ty AI muốn sử dụng các bài toán nổi tiếng để tăng điểm cho mô hình.
Một bên là các cây bút chuyên mục kêu gọi ngày tận thế, một bên là các nhà toán học hàng đầu đang nói về sự không khớp.
Nếu bạn xem xét tất cả những việc xảy ra trong tuần này cùng nhau, bạn sẽ hiểu vì sao họ không ngồi yên được:
Ngày 3 tháng 9, GPT-6 Astra ra mắt, đạt 97,6% tại FrontierMath Tier 4;
Ngày 5 tháng 9, một mô hình nội bộ chưa được phát hành của OpenAI, sau khoảng 88 giờ kể từ khi khởi động các tác nhân đầu tiên, đã tìm ra một bộ giải pháp cho bài toán Navier-Stokes;
Ngày 8 tháng 9, OpenAI công bố kết quả, ngay trong ngày bị các nhà toán học của NYU buộc tội chạy trước, đồng thời gây ra tranh cãi về việc không cho nhân viên Anthropic được ghi tên trên bài báo;
Ngày 10 tháng 9, Epoch AI thông báo rằng FrontierMath Tier 4 đã đầy;
Ngày 11 tháng 9, 25 người đoạt giải Fields cùng lên tiếng. Đêm đó, The Wall Street Journal đã đặt cùng một tiêu đề cho sự đột phá toán học và rủi ro diệt vong do AI.
Bảy ngày, năm sự việc đều chỉ ra một khoảng cách như vậy: tốc độ AI tạo ra kiến thức, tốc độ con người xác nhận kiến thức và tốc độ điều chỉnh quy tắc đang bị tách rời nghiêm trọng.
14 tháng, AI phá vỡ chuẩn toán học khó nhất
FrontierMath Tier 4, một bộ câu hỏi toán học cấp nghiên cứu được thiết kế bởi Epoch AI nhằm kiểm tra các mô hình mạnh nhất.
Các câu hỏi ở đây cực kỳ khó, có những câu hỏi, ngay cả các nhà nghiên cứu hàng đầu cũng phải mất vài ngày mới giải được.
Khi Tier 4 ra mắt vào tháng 7 năm 2025, mô hình mạnh nhất chỉ có thể đạt khoảng 5%, gần như nộp giấy trắng.
Nhưng chưa đầy 14 tháng, Epoch tuyên bố: Mỗi câu hỏi cấp độ 4 đều đã ít nhất một lần được AI giải quyết.
Trong đó, câu hỏi cuối cùng do GPT-6 Astra giành lấy, người ra đề là nhà toán học Jay Pantone.
Epoch còn đặc biệt nhấn mạnh: Trước đây, các nhà toán học thường phàn nàn rằng mô hình thường tìm cách "đi đường tắt" để vượt qua những bài toán được thiết kế cẩn thận của họ, nhưng bài toán cuối cùng này, đã không đi đường tắt.
Sau đó, Epoch đưa ra một kết luận lạnh lùng: ngưỡng này đã bão hòa.
The exam paper has fallen behind the candidates—it's time to switch papers.
Epoch cũng đã chuyển trọng tâm sang những vấn đề mở thực sự, hệ thống đánh giá AI bắt đầu hướng đến những vùng chưa có câu trả lời ngay cả với con người.
Tốc độ tăng trưởng năng lực AI đã vượt xa các phương pháp chúng ta dùng để đo lường nó.
Như Greg Burnham của Epoch đã than thở: Một thời đại kết thúc, một thời đại khác bắt đầu.
88 giờ, AI lần đầu tiên hoạt động như một viện nghiên cứu
Nếu FrontierMath chứng minh rằng "cơ sở không còn theo kịp mô hình", thì sự kiện Navier-Stokes lại phác họa một bức tranh mang tính cách mạng hơn nhiều:
AI không chỉ biết làm bài tập, mà nó đã bắt đầu hoạt động như một tổ chức khoa học quy mô lớn.
Đây không phải là một cuộc chiến đơn độc, mà là một “cuộc chiến quy mô lớn” với lên đến 10.000 tác nhân thông minh.
Chúng được chia thành các nhóm khác nhau, một số xác minh, một số bác bỏ, giao tiếp với nhau, chia sẻ các kết luận trung gian, và thậm chí chuyển đổi liền mạch sang phiên bản mô hình mới nhất ngay giữa chừng.
Sau khoảng 88 giờ kể từ khi khởi động các tác nhân đầu tiên, một trong các nhóm đã nộp một bản chứng minh cuối cùng dài hàng trăm trang.
Minh họa cơ chế điểm kỳ dị Navier-Stokes do OpenAI công bố: chất lỏng xoắn vào trong (inward spiral), kéo dãn theo trục (axial stretching), màu cam là vùng quay nhanh, màu xanh lá cây là vùng quay chậm. Tâm xoáy co lại càng ngày càng nhanh, tốc độ vô hạn trong khi tổng năng lượng hữu hạn.
Toàn bộ quy trình này đã tái tạo hoàn hảo mô hình hoạt động của các tổ chức nghiên cứu hàng đầu của con người.
Máy chạy 88 giờ để tạo ra kết quả, nhưng con người xác nhận lại phải tính bằng năm
Trong thế giới con người, trạng thái của phương trình Navier-Stokes vẫn là “chưa được giải quyết”.
Theo quy định của Giải Millennium, một lời giải phải được công bố trên các kênh đủ tiêu chuẩn, sau đó phải chờ ít nhất hai năm và nhận được sự công nhận rộng rãi từ cộng đồng toán học toàn cầu thì Clay mới bắt đầu quá trình xem xét chính thức.
Chủ tịch Clay, Martin Bridson, cho biết với AFP rằng quá trình đánh giá “cố ý không vội vàng” và phải “tuyệt đối nghiêm ngặt”. OpenAI cũng tự tuyên bố rằng họ không có ý định nộp đơn xin 1 triệu USD này.
Do đó, cách diễn đạt chính xác nhất về sự việc này là: OpenAI đã công bố một bộ lời giải cho các bài toán thiên niên kỷ, tuyên bố đã hoàn thành việc xác minh hình thức hóa bằng Lean, nhưng vẫn chưa được cộng đồng toán học xác nhận độc lập.
Kết quả do máy tạo ra, 88 giờ. Kết quả do con người xác nhận, ít nhất hai năm. Có lẽ đây là sự tương phản nổi bật nhất trong toán học AI tuần này.
Điều này không có nghĩa là xác minh con người quá chậm. Vấn đề nằm ở chỗ máy móc đã tăng tốc quá trình “phát hiện” lên vài trăm lần, trong khi khả năng “hiểu” của con người không theo kịp.
Vì vậy, vấn đề thực sự là, khi máy móc bắt đầu sản xuất tri thức theo nhịp độ “một kết quả quan trọng mỗi vài ngày”, thì ai sẽ làm công việc đọc, kiểm tra, giải thích, đơn giản hóa và tiếp thu trong những năm乃至几十年 sau đó?
Chính sách chữ ký đầu tiên va phải tường
Ngay ngày kết quả Navier-Stokes được công bố, cộng đồng toán học náo động.
Nhà toán học của NYU, Tristan Buckmaster, và Levent Alpöge đang làm việc tại Anthropic, suốt tháng 8 cũng liên tục nghiên cứu các phương trình dòng chảy liên quan.
Theo cách thức được tái hiện bởi The New York Times, hai người này làm việc như sau:
Buckmaster đặt câu hỏi, Alpöge chuyển câu hỏi cho mô hình nội bộ của Anthropic; sau khi mô hình tạo ra kết quả, cả hai sẽ điều chỉnh câu hỏi dựa trên đầu ra và tiếp tục đưa dữ liệu ngược lại.
Theo Buckmaster, sau sự việc, OpenAI đã đề xuất một số phương án xoa dịu: cho phép anh ấy công bố kết quả của mình trước, đưa anh ấy trở thành tác giả đầu tiên của bài báo OpenAI, và cung cấp sức mạnh tính toán để anh ấy tiếp tục nghiên cứu.
Nhưng trở ngại lớn nhất là: OpenAI không muốn để Levent xuất hiện trên bài báo.
Trên bảng đen là lịch trình tiến độ của Buckmaster và Alpöge trong suốt tháng 8: phương trình Euler ngày 15 tháng 8, hình thức hóa Lean ngày 22 tháng 8, ngày 31 tháng 8... cùng với tên các đồng nghiệp như Figalli, Hairer.
Trong kinh doanh, một dự án nội bộ của OpenAI đầu tư nặng tay, tại sao lại phải ghi tên nhân viên của đối thủ Anthropic?
Sau đó, vấn đề lại được mở rộng sang một chủ đề nhạy cảm hơn. Trong vài tháng qua, Buckmaster đã sử dụng Codex để sắp xếp các bản nháp toán học do AI tạo ra.
Vậy thì, những ý tưởng nghiên cứu độc quyền mà anh ta đã nhập vào Codex nhưng chưa công khai, liệu có khả năng đã trở thành nguồn dinh dưỡng cho các mô hình nghiên cứu của OpenAI thông qua các đường ống dữ liệu bí mật?
Buckmaster tự thừa nhận không có bằng chứng, nhưng theo ông, dòng thời gian của sự kiện và lộ trình chứng minh của OpenAI đều ngụ ý điều đó.
OpenAI đã phát hành thông báo cập nhật khẩn cấp vào ngày 10 tháng 9, cho biết sau khi điều tra nội bộ kỹ lưỡng, các prompt Codex của Buckmaster trong hai tháng qua hoàn toàn không thể ảnh hưởng đến mô hình nội bộ này thông qua bất kỳ cách đào tạo nào hoặc các phương thức khác.
Ai đúng ai sai, ở đây hiện tại trở thành một mớ hỗn độn, nhưng điều nó thực sự phơi bày là một loạt các câu hỏi mà trước đây chưa ai từng nghiêm túc trả lời:
Các từ nhắc riêng tư của một người có được coi là tài liệu nghiên cứu được bảo vệ không?
Có thể ghi tên nhân viên của công ty đối thủ vào dự án nghiên cứu đầu tư nội bộ không?
Nếu mô hình đã tham khảo một lượng lớn tài liệu công khai, thì làm thế nào để xác định ranh giới giữa đóng góp mới và các công việc đã có?
Peter Sarnak từ Viện Nghiên cứu Cao cấp Princeton nói với tờ The New York Times: “Tôi chưa bao giờ nghe thấy sự đàm phán như thế này trong đời mình.”
Các quy tắc học thuật được tích lũy qua hàng trăm năm trong giới toán học chưa bao giờ được thiết kế để chống lại tốc độ sản xuất điên cuồng của cỗ máy này.
Điều 25 người đoạt giải Fields thực sự lo lắng
Ngay một ngày sau, 25 người đoạt giải Fields đã cùng nhau đưa ra một tuyên bố gây chấn động.
Tào Triết Hiên, Peter Scholze, James Maynard, Maryna Viazovska… gần như toàn bộ những bộ não xuất sắc nhất trong giới toán học đều đã tham gia.
Lời tuyên bố này không phải là một "bản檄 văn chống AI".
Thực tế, Terence Tao luôn tích cực nỗ lực sử dụng AI để hỗ trợ nghiên cứu toán học.
Đồng thời, tuyên bố cũng thừa nhận rằng AI thực sự có tiềm năng thúc đẩy sự hiểu biết toán học thực sự.
Điều họ thực sự căm ghét là việc coi trực tiếp "giải bài toán" tương đương với toán học, trong cộng đồng AI đầy nhiệt huyết hiện nay, các công ty AI đang vì lợi ích cổ phiếu và truyền thông, vội vàng coi "giải được các bài toán nổi tiếng" là mục tiêu tối ưu cao nhất.
Trong mắt họ, các bài toán thiên niên kỷ dường như chỉ là công cụ điểm số để chứng minh mô hình mạnh mẽ đến đâu.
Nhưng giá trị thực sự của toán học nằm ở việc những phương pháp và khái niệm mới được sinh ra trong quá trình giải bài tập nhàm chán, cuối cùng kết tinh thành hệ thống tri thức chung của nhân loại.
Hiện nay, các công ty AI liên tục công bố những kết quả gây chấn động, nhanh đến mức không ai kịp tiếp thu. Chuỗi dây đã tồn tại hàng ngàn năm này có thể đứt bất cứ lúc nào.
Thư liên danh còn đặc biệt nhấn mạnh rằng, kết quả được công bố quá nhanh, những lời giải đáp này hoàn toàn không có đủ thời gian để phân biệt rõ ràng đâu là ý tưởng mới, đâu là dựa trên nền tảng của những người đi trước, từ đó chắc chắn sẽ gây ra sự hỗn loạn nghiêm trọng trong việc ghi nhận tên tác giả và quyền sở hữu.
Tại sao một bước đột phá toán học lại liên quan đến "lời cảnh báo tận thế"?
Điều người bình thường thực sự quan tâm không phải là "AI đã vượt qua các nhà toán học".
Tốc độ máy móc tạo ra kiến thức lần đầu tiên nhanh hơn đáng kể so với tốc độ con người xác nhận, gán quyền sở hữu và tiếp thu kiến thức.
Đây không phải là lời đe dọa quá đáng, hệ thống GPT-6 Astra ghi rõ rằng đây là mô hình đầu tiên của OpenAI đạt ngưỡng «Critical» về an ninh mạng, với điểm số 100% trên ExploitBench.
Một mô hình đồng thời sở hữu khả năng tổ chức giải quyết bài toán thiên niên kỷ, khả năng tấn công lỗ hổng zero-day, và suy luận khó bị phát hiện hơn.
Trong đoạn cuối của thông báo về Navier-Stokes, OpenAI còn có một câu:
Tiếp theo, họ cần hiểu rõ mô hình mới này trước khi quyết định tiến nhanh đến đâu, có thể cần lựa chọn cẩn trọng hơn về tốc độ tiến triển.
Đúng vậy, công ty AI vừa nộp bài giải cho bài toán thiên niên kỷ đã chủ động đề cập đến việc giảm tốc.
Cohen cũng đã đề cập đến một điều tại cuối bài viết.
Tháng trước, OpenAI đã mời một nhóm các nhà toán học hàng đầu đến văn phòng ở San Francisco tham dự một cuộc họp kín, giả định rằng AI cuối cùng sẽ vượt qua con người trong toán học, sau đó cùng nhau thảo luận về việc giáo dục sẽ ra sao, hợp tác nghiên cứu sẽ như thế nào, xuất bản bài báo sẽ xử lý thế nào và làm thế nào để đào tạo thế hệ toán học gia tiếp theo.
Đàm luận cả ngày, nhưng không có câu trả lời.
Câu hỏi này cũng không thể đóng gói và giao cho Lean để xác minh tự động.
Chỉ con người mới có thể giải.
Tài liệu tham khảo:
https://www.wsj.com/tech/ai/ai-math-millennium-prize-safety-openai-anthropic-05179825
https://epoch.ai/benchmarks/frontiermath-tier-4-v2?view=graph&tab=release-date
https://www.nytimes.com/2026/09/10/science/tristan-buckmaster-openai-math-navier-stokes.html?utm_source=chatgpt.com
https://www.daniellitt.com/blog/2026/8/11/the-end-of-mathematics/
Bài viết này đến từ tài khoản WeChat “Xin Trí Nguyên”, tác giả: ASI Khải Huyền