Sau Toán học: Khi AI giải được bài toán thiên niên kỷ, điều gì còn lại cho con người?

Vào ngày 8 tháng 9 năm 2026, OpenAI tuyên bố đã tạo ra một lời giải do AI sinh ra cho bài toán tồn tại và trơn của Navier–Stokes — một trong bảy bài toán Thiên niên kỷ trị giá triệu đô. Tuyên bố này ngay lập tức làm dấy lên cuộc tranh luận về việc ghi công và vai trò tương ứng của con người lẫn máy móc.

Bài viết dưới đây là bản dịch và biên tập từ bài luận của Silvia De Toffoli (Đại học IUSS Pavia) và Eamon Duede (Đại học Princeton và Purdue), đăng trên blog của Terence Tao — một trong những nhà toán học hàng đầu thế giới.

"Khoảnh khắc Deep Blue – Kasparov" của toán học

Nhà toán học Tristan Buckmaster, một trong những người tham gia vào câu chuyện Navier–Stokes, đã viết: "Đây là một khoảnh khắc Deep Blue–Kasparov."

Câu hỏi hiện sinh lập tức được đặt ra: nếu AI giờ đây có thể đưa ra câu trả lời cho những vấn đề ở biên giới xa nhất của toán học, liệu ngành này có đang trên bờ vực bị "giải quyết" như người ta từng nói về cờ vua và cờ vây?

Phản ứng "cứ tiếp tục chơi" có phần đúng. Triết gia C. Thi Nguyen đã nhấn mạnh rằng mục đích của việc chơi một trò chơi không chỉ nằm ở đích đến (chiến thắng). Điểm thực sự không chỉ là kết quả mà còn là quá trình. Nhưng trong bối cảnh thực hành toán học, cách lý giải này lại giống như một sự rút lui không cần thiết.

Câu hỏi đặt ra không chỉ đơn giản là điều gì đến sau toán học, một khi AI có thể trả lời những câu hỏi khó nhất của nó. Mà còn là chúng ta đang theo đuổi điều gì khi làm toán ngay từ đầu.

Hai giả định sai lầm đằng sau câu chuyện AI "giải quyết" toán học

Câu chuyện rằng AI đã "giải quyết" toán học dựa trên hai giả định — cả hai đều hấp dẫn, có vẻ hợp lý, nhưng đều sai:

• Giả định 1: AI thực sự đã giải quyết một bài toán trong toán học.
• Giả định 2: Toán học chỉ là về việc giải quyết vấn đề.

Giả định thứ nhất sai vì để thực sự giải một bài toán, việc đưa ra một câu trả lời đơn thuần — dù được chứng nhận hình thức — là chưa đủ. Điều còn thiếu là một chứng minh có thể hiểu được mà các nhà toán học con người có thể nắm bắt và sử dụng để thúc đẩy các mục tiêu của toán học.

Giả định thứ hai sai vì toán học rõ ràng là một sự nghiệp rộng lớn hơn nhiều so với việc giải bài toán. Các nhà toán học nỗ lực phát triển khái niệm và lý thuyết mới, đặt ra và trả lời các câu hỏi mới, thống nhất các lĩnh vực rời rạc, giáo dục và duy trì cộng đồng học thuật, cũng như tạo ra những công trình được đánh giá cao vì vẻ đẹp và chiều sâu.

Không phải mọi câu trả lời đều là lời giải

OpenAI đã đưa ra câu trả lời cho câu hỏi liệu Navier–Stokes có thể phát triển một điểm kỳ dị hay không: có. Trong The Hitchhiker's Guide to the Galaxy, Deep Thought đưa ra câu trả lời cho sự sống, vũ trụ và vạn vật: 42. Cả hai đều không hẳn là điều chúng ta mong muốn.

Tất nhiên, OpenAI đưa ra nhiều hơn con số "có". Họ tạo ra hai sản phẩm mà nhiều người sẵn sàng gọi là chứng minh. Thứ nhất là một bản hình thức hóa bằng Lean chứng nhận tính hợp lệ. Thứ hai là một bản thảo dường như chứa chứng minh phi hình thức tương ứng.

Vậy tại sao điều này vẫn chưa thỏa mãn? Câu trả lời liên quan đến chính khái niệm về chứng minh.

Có hai khái niệm về chứng minh: khái niệm logic và khái niệm có thể hiểu được.

• Chứng minh logic: Được đặc trưng bởi tính hợp lệ suy diễn, có thể kiểm tra bằng thủ tục máy móc không cần hiểu biết về lập luận toán học. Bản hình thức hóa Lean đáp ứng chính xác tiêu chuẩn này và là một đóng góp thực sự quan trọng — nó đảm bảo tính chắc chắn.
• Chứng minh có thể hiểu được: Các nhà toán học cũng muốn sự thấu hiểu. Họ muốn biết điều gì làm cho một mệnh đề trở nên đúng. Loại kiến thức này giao dịch bằng những ý tưởng toán học mà họ có thể nắm bắt, truyền đạt cho các chuyên gia khác, kết nối với kiến thức hiện có và sử dụng để tiến xa hơn.

Cho đến nay, vẫn chưa rõ liệu kết quả của OpenAI có mang lại cho cộng đồng toán học loại giá trị mà người ta mong đợi từ khái niệm chứng minh có thể hiểu được hay không.

Chứng minh chân chính vừa là chứng minh logic vừa là chứng minh có thể hiểu được. Trong lịch sử, hai khái niệm này thường đi liền với nhau, bởi vì không nhà toán học nào có thể tạo ra một chứng minh logic cực kỳ phức tạp mà không trước tiên nắm bắt được một số ý tưởng then chốt có thể chia sẻ làm nên chân lý của định lý.

Nhưng với AI, hai khái niệm này giờ đây có thể tách rời một cách ấn tượng. Chúng ta có thể kết thúc với những chứng minh hình thức trôi nổi tự do, không gắn với bất kỳ chứng minh có thể hiểu được nào.

Bảy bài toán Thiên niên kỷ: Không chỉ là bảy câu trả lời

Điều này đặc biệt rõ ràng trong trường hợp bảy bài toán Thiên niên kỷ. Chúng không được chọn vì các nhà toán học chỉ muốn bảy câu trả lời, mà vì họ muốn những lời giải mang tính khai phá.

Viện Toán học Clay giải thích lý do tại sao chứng minh lại quan trọng trong trường hợp Navier–Stokes: "Bởi vì một chứng minh không chỉ mang lại sự chắc chắn, mà còn mang lại sự thấu hiểu."

Điều OpenAI đã cho chúng ta là một câu trả lời. Nhưng chưa rõ liệu họ đã cung cấp một lời giải mang tính khai phá hay chưa. Một lời giải thực sự sẽ cung cấp đầy đủ căn cứ để tin vào kết quả, đồng thời đưa ra một lập luận toán học có thể hiểu được cho phép kết quả trở thành một phần của toán học như các nhà toán học hiểu và thực hành.

Bạn cần nhiều hơn lời giải để "giải quyết" toán học

Ngay cả khi các hệ thống AI trong tương lai sẽ tạo ra những chứng minh chân chính, đúng đắn về mặt logic và hoàn toàn có thể hiểu được, thì vẫn sẽ là sai lầm khi nghĩ rằng toán học sẽ bị "giải quyết" như người ta nói về cờ vua hay cờ vây.

Trong cờ vua và cờ vây, chúng ta chấp nhận sự cạnh tranh cực kỳ chênh lệch giữa con người và máy móc vì cả hai, theo nghĩa liên quan, đang chơi cùng một trò chơi.

Nhưng toán học không phải (hoặc ít nhất không chỉ là) một trò chơi. Để bắt đầu, không có người thắng. Toán học không phải là một trò chơi đối kháng với các điều kiện chiến thắng xác định. Không có "chiếu tướng" trong toán học.

Trong toán học, tự nhiên hơn là coi AI như một trợ lý thay vì một đối thủ. Như Jeremy Avigad (2026) diễn đạt: "Chúng ta nên ghi nhớ rằng AI không là gì khác ngoài công nghệ, được thiết kế để phục vụ mục đích của chúng ta. Thật sai lầm khi nghĩ về các nhà toán học như đang cạnh tranh với AI; khi chúng ta lái xe, chúng ta không cạnh tranh xem ai đi nhanh hơn, và khi dùng điện thoại, chúng ta không cạnh tranh xem ai nói to hơn."

Toán học là một trò chơi vô hạn

Terence Tao (2026) liệt kê nhiều mục tiêu của toán học ngoài việc giải quyết vấn đề:

• Phát triển lý thuyết và kỹ thuật mới
• Thấu hiểu thế giới
• Duy trì một cộng đồng
• Đào tạo thế hệ nhà toán học tiếp theo
• Đóng góp vào kiến thức tích lũy
• Tạo ra các tác phẩm có giá trị thẩm mỹ

Tất nhiên, những mục tiêu này từng tương quan thuận với các lời giải chân chính. Nhưng AI phá vỡ mối tương quan đó, vì cùng lý do nó tách rời hai khái niệm chứng minh. Vậy nên, ngay cả những lời giải chân chính cũng sẽ không làm chúng ta hài lòng.

Đây không phải là việc dịch chuyển cột gôn, mà là nhận ra rằng bất kỳ cột gôn cụ thể nào cũng không đủ. Nếu toán học là một trò chơi, thì đó là một trò chơi vô hạn.

Hậu quả: Cơ hội để định nghĩa lại toán học

Chúng ta không phủ nhận rằng, nếu tuyên bố của OpenAI là đúng, đây là một thành tựu phi thường. Nhưng chúng ta nên hiểu rõ đó là loại thành tựu gì. Ở thời điểm này, nó là một câu trả lời, không phải một lời giải. Và ngay cả khi theo thời gian kết quả này bộc lộ là một lời giải chân chính, chúng ta đã lập luận rằng trong thực hành toán học, lời giải không phải là tất cả.

Tính cấp thiết của việc suy nghĩ lại về những gì chúng ta coi trọng trong toán học đã được cộng đồng toán học công nhận. Trong một tuyên bố gần đây với 25 người đoạt Huy chương Fields ký tên ban đầu, các nhà toán học cảnh báo về "sự lệch hướng nghiêm trọng" giữa mục tiêu của các công ty AI và mục tiêu của cộng đồng toán học.

AI đặt ra cho toán học không phải một kết thúc, mà là một lựa chọn về việc thực hành toán học nên trở thành gì. Nếu thành công trong toán học bị đồng nhất quá chặt chẽ với việc sản xuất các câu trả lời được chứng nhận, toán học có nguy cơ tự điều chỉnh để phù hợp chính xác với những đặc điểm dễ đo lường và dễ tự động hóa nhất.

Ngược lại, nếu các nhà toán học coi AI như một công nghệ để thúc đẩy những mục đích lâu dài và mang tính con người của mình, công nghệ này có thể đóng góp vào sự hưng thịnh và làm giàu ngành này một cách tăng tốc.

Câu hỏi quan trọng do đó không phải là liệu AI có đánh bại được các nhà toán học hay không, mà là chúng ta muốn AI phục vụ những mục đích toán học nào.

Điều còn lại sau tất cả không chỉ là phần thừa mứa để con người giành giật sau khi máy móc đã ngốn hết những bài toán thực sự. Mà đó là cơ hội để làm rõ toán học thực sự là về điều gì.

Chúng ta nên hỏi lại: chúng ta đang theo đuổi điều gì khi làm toán?