OpenAI công bố ba phát hiện khoa học lớn và cách làm việc mới với giới học thuật

OpenAI vừa công bố ba phát hiện được đánh giá là "lớn" trong các lĩnh vực toán học, khoa học máy tính và vật lý. Đáng chú ý, lần này hãng chọn cách tiếp cận thận trọng hơn: mời các chuyên gia bên ngoài đóng vai trò "người dẫn dắt" (shepherd) để kiểm chứng và giải thích kết quả trước khi công bố rộng rãi.

Minh họa AI và toán học

Ba phát hiện gây chấn động

Kết quả của OpenAI đã được đưa lên GitHub trong ngày công bố, bao gồm ba hướng nghiên cứu chính:

• Toán học: Chứng minh về "làm mịn cục bộ" (local smoothing) cho phương trình sóng Euclid. Chứng minh này sử dụng một phương trình đạo hàm riêng phụ trợ để thiết lập kết quả của Sogge cho sóng trong mọi không gian có số chiều từ hai trở lên. Nó cũng kéo theo các giả thuyết Kakeya và các ước lượng hạn chế cầu của Stein. Với bài toán này, OpenAI công bố trực tiếp kết quả đầu ra của mô hình, giống như cách hãng đã làm trong đợt công bố ngày 6/10.

• Khoa học máy tính: Chứng minh rằng Giả thuyết thời gian lũy thừa (ETH) — vốn được giới nghiên cứu tin là đúng — thực chất là sai. Bài báo đưa ra một thuật toán tất định đếm chính xác các phép gán thỏa mãn của công thức CNF có độ rộng cố định trong thời gian dưới lũy thừa và không gian đa thức. Trường hợp 3-SAT bác bỏ ETH.

• Vật lý: Một "chứng minh tồn tại chặt chẽ về mặt toán học" cho một số lý thuyết trường lượng tử tương tác chứa trường gauge và fermion trong không gian bốn chiều, bao gồm Sắc động lực học lượng tử (QCD) và một hoàn thiện thống nhất của Mô hình Chuẩn vật lý hạt.

Cách tiếp cận mới: "Người dẫn dắt" kiểm chứng

Điểm mấu chốt khác biệt so với đợt công bố trước là việc OpenAI mời các nhóm chuyên gia độc lập đóng vai trò dẫn dắt, kiểm chứng kết quả.

Với khoa học máy tính, nhóm do Russell Impagliazzo, Ramamohan Paturi (Đại học UC San Diego) và Ryan Williams (MIT) dẫn dắt sẽ xem xét và giải thích chứng minh. Đáng chú ý, Impagliazzo và Paturi chính là những người thuộc nhóm đề xuất ETH vào năm 1999.

Với vật lý, David Gross sẽ dẫn dắt một nhóm gồm Michael Douglas, Arthur Jaffe, Igor Klebanov và Nikita Nekrasov để kiểm chứng công trình.

Nhóm nghiên cứu khoa học máy tính đã quyết định công bố bản viết và chứng minh Lean trên GitHub ngay hôm nay, đồng thời gửi thư ngỏ tới cộng đồng để lấy ý kiến về cách kiểm tra tuyên bố này.

Tranh cãi vẫn chưa dứt

Dù vậy, cách tiếp cận này cũng vấp phải chỉ trích. Hội đồng cố vấn toán học AGMAI của OpenAI mới đây đã khuyến nghị rằng "các công ty AI không nên áp dụng" cách thức chỉ định một số người được nhận kết quả trước, với lý do lo ngại về quyền truy cập không bình đẳng, danh tiếng đi vay và lựa chọn thiên vị.

Hội đồng thay vào đó đề xuất các phòng thí nghiệm AI nên công bố kết quả trên các kho lưu trữ học thuật, kèm chứng minh đã được hình thức hóa bằng Lean, thông tin về cách chọn bài toán và tài trợ cho những người làm việc để hiểu kết quả.

Ba câu hỏi lớn được OpenAI đặt ra cho cộng đồng:

• Kỳ vọng nào nên điều chỉnh việc tiếp cận sớm các kết quả do AI tạo ra, công bố xung đột lợi ích và sử dụng tài liệu chưa công bố cho nghiên cứu tiếp theo?
• Làm sao ghi nhận công lao cho cả phát hiện mới lẫn công việc kiểm tra, sửa lỗi, đơn giản hóa, giải thích và mở rộng?
• Làm sao hỗ trợ sinh viên và nhà nghiên cứu khi phương pháp và hướng nghiên cứu thay đổi, đồng thời giữ được hiểu biết và phán đoán cần thiết?

Bối cảnh

Động thái này diễn ra chưa đầy một tháng sau khi OpenAI tung ra hàng trăm bản thảo được cho là chứa lời giải cho các bài toán tồn tại lâu đời. Đợt công bố đó đã gây ra làn sóng tranh luận dữ dội khi nhiều nhà toán học cho rằng họ sẽ cần nhiều năm để hiểu hết các kết quả.

Trước đó, chỉ vài tháng, giáo sư Hong Wang của Đại học NYU đã nhận Huy chương Fields danh giá nhờ giải quyết giả thuyết Kakeya trong không gian ba chiều. Việc OpenAI tuyên bố mô hình của mình chứng minh được phiên bản mở rộng cho mọi số chiều cho thấy sức mạnh ngày càng tăng của AI trong nghiên cứu toán học cơ bản.

Với giới công nghệ Việt Nam, diễn biến này là lời nhắc nhở rằng AI đang tiến sâu vào cả những lĩnh vực học thuật nền tảng nhất. Câu hỏi đặt ra không còn là "AI có thể làm khoa học không" mà là "chúng ta sẽ tổ chức việc kiểm chứng và ghi nhận công lao như thế nào" — một bài toán mà các trường đại học và viện nghiên cứu trong nước cũng sẽ phải đối mặt trong tương lai gần.