“Sự điên rồ thuần túy”: Giới toán học cần nhiều năm để hiểu hết những gì OpenAI vừa công bố

“Choáng váng.” “Quá tải.” “Chưa từng có tiền lệ.” “Siêu thực.” “Sự điên rồ thuần túy.”

Đó là những cụm từ mà hơn ba chục nhà toán học dùng để mô tả cảm giác của mình khi cố gắng lý giải dòng kết quả toán học mà OpenAI bất ngờ trút xuống ngành này trong tuần qua. Xen lẫn giữa sự kinh ngạc, hào hứng và hoang mang về quy mô của đợt công bố là một nỗi lo âu ăn sâu: tất cả những điều này thực sự có nghĩa gì, và điều gì sẽ đến tiếp theo?

Dù phản ứng rất khác nhau, các nhà nghiên cứu đều đồng tình rằng chỉ riêng việc hiểu được OpenAI đã công bố những gì cũng có thể mất nhiều năm, chứ chưa nói đến việc xác định vị trí của chính họ trong một lĩnh vực đang thay đổi ngay dưới chân mình. Nhiều người lo rằng OpenAI sẽ không chờ lâu đến thế trước khi đi tiếp — hoặc tung ra còn nhiều hơn nữa.

Gần 400 kết quả, hơn 700 bản thảo

Tổng cộng, OpenAI công bố gần 400 kết quả do AI tạo ra, trải trên hơn 700 bản thảo và bao phủ nhiều chuyên ngành toán học khác nhau: tổ hợp, nhiều nhánh hình học, lý thuyết số, khoa học máy tính lý thuyết, đại số, tô-pô, xác suất và cơ học thống kê, cùng vật lý toán. Khối tài liệu lớn đến mức OpenAI thấy cần phải đăng cả hướng dẫn cách điều hướng kho GitHub đồ sộ của mình.

Minh họa AI và toán học

Chính khối lượng khổng lồ ấy khiến việc đánh giá sơ bộ xem công ty thực sự đã công bố điều gì trở nên cực kỳ khó khăn. Trong những giờ và ngày sau đợt công bố, phần lớn nhà toán học mà The Verge trò chuyện cho biết họ vẫn đang vật lộn để tiêu hóa mọi thứ; một số nói rằng chỉ riêng việc đọc hết mục lục và phần tóm tắt dài khoảng 40 trang đã ngốn của họ gần một giờ đồng hồ.

“Chỉ cần lướt qua toàn bộ danh sách tóm tắt thôi cũng đã quá tải rồi,” Álvaro Lozano-Robledo, giáo sư toán học tại Đại học Connecticut, nhận xét.

Lean — công cụ xác minh, nhưng không đồng đều

Rải rác trong hàng trăm bản thảo là các hình thức hóa bằng Lean, một ngôn ngữ lập trình kiêm trợ lý chứng minh cho phép xác minh kết quả bằng máy tính. Những hình thức hóa này đã tỏ ra hữu ích trong việc đánh giá một số tuyên bố toán học trước đây của OpenAI, mang lại cho nhà nghiên cứu sự tin tưởng rằng một mệnh đề đúng về mặt logic ngay cả khi họ chưa hiểu đầy đủ lập luận phía sau.

Tuy nhiên, mức độ xác minh của từng kết quả lại rất chênh lệch. Trên GitHub, OpenAI thừa nhận các kết quả đang ở “những giai đoạn xác minh khác nhau” và “nhiều, nhưng không phải tất cả, bản thảo đã được hình thức hóa”. Tính đến thời điểm bài viết, chưa đến một nửa số bản thảo trong bộ sưu tập được mô tả chính thức. OpenAI cho biết chỉ có 300 kết quả chủ chốt trong số 719 bản thảo đã được hình thức hóa, tức khoảng 42%, và công ty “sẽ cập nhật thêm hình thức hóa khi có được”.

Nhiều nhà toán học phàn nàn với The Verge về việc thiếu hình thức hóa, đặc biệt khi số lượng kết quả quá lớn. Họ nhấn mạnh rằng ngay cả khi một kết quả đi kèm mã Lean, việc đánh giá cũng không hề tức thời: nhà nghiên cứu vẫn phải kiểm tra xem phần hình thức hóa có thực sự chứng minh điều mà kết quả tuyên bố hay không — một quá trình tốn thời gian khác. Một số người đọc qua các bài báo cho biết ngay cả khi có chứng minh kiểm tra được bằng máy, chất lượng vẫn không đồng nhất và những mệnh đề được xác minh không phải lúc nào cũng khớp gọn gàng với các tuyên bố trong bản thảo đi kèm.

Nỗi lo “rác AI” và câu chuyện ghi nguồn

Kevin Buzzard, giáo sư toán học tại Đại học Imperial College London, cho biết ông đã nhận diện được nhiều định lý trong lĩnh vực của mình — lý thuyết số đại số — nhưng chỉ khoảng sáu cái thực sự “nổi bật” ngay lập tức. Trong số đó, rất ít, nếu có, được xác minh hình thức bằng Lean.

“Vậy nên tôi hoặc phải đọc thứ rác rưởi có thể không đúng, hoặc chờ người khác làm điều tương tự, hoặc chờ ai đó hình thức hóa chúng trước khi tôi có thể khẳng định chắc chắn rằng kết quả thậm chí có đúng hay không.”

Nỗi lo của Buzzard được nhiều nhà nghiên cứu khác đồng tình. Thuật ngữ “slop” (rác AI) chỉ loại tài liệu chất lượng thấp, thường sai sót do AI tạo ra, ngày càng xuất hiện nhiều trên mạng — và cả trong đời thực — bao gồm cả các bài báo học thuật. Như ở nhiều lĩnh vực khác, giới toán học nói với The Verge rằng họ đã chứng kiến sự gia tăng mạnh mẽ loại tài liệu này được tạo bằng công cụ như ChatGPT và Claude trong những năm gần đây. Phần lớn trong đó khó hiểu, khó đọc và thể hiện rất ít hiểu biết về chủ đề; đặc biệt tồi tệ ở khâu ghi công các nhà nghiên cứu khác.

Các bài viết toán học trước đây của OpenAI từng bị giới chuyên gia chỉ trích nặng nề vì tính cẩu thả, đặc biệt là việc ghi nguồn kém hoặc hoàn toàn không có. Trong các cuộc trò chuyện với The Verge trước đợt công bố, một số nhà nghiên cứu đã gọi dòng bài báo sắp ập đến là “slopocalypse” (ngày tận thế rác AI) hoặc những biến thể tương tự.

Liệu “slopocalypse” mà họ lo sợ có thực sự xảy ra hay không thì khó nói, phần lớn vì khối lượng tài liệu quá choáng ngợp. Các dấu hiệu ban đầu cho thấy lần này OpenAI đã cẩn thận hơn, hoặc ít nhất là với một phần tài liệu. Một số nhà toán học nói với The Verge rằng ấn tượng đầu tiên của họ tốt hơn nhiều so với kỳ vọng, dù theo lời họ thừa nhận thì đó cũng chẳng phải một mức chuẩn cao gì, xét đến các ấn phẩm cẩu thả trước đây của công ty.

Chất lượng không đồng nghĩa với tiêu chuẩn học thuật

Nhưng “tốt hơn” chưa chắc đã là “tốt”, chứ chưa nói đến việc đạt tiêu chuẩn thường được kỳ vọng ở những công trình học thuật đưa ra tuyên bố tầm cỡ như vậy. Khi thiếu xác minh hình thức cho nhiều tuyên bố của OpenAI, chất lượng của các bài báo đi kèm trở nên đặc biệt quan trọng: đó là phương tiện chính để nhà toán học xác nhận, hiểu, mổ xẻ và đặt kết quả vào bối cảnh.

Sản xuất các bài báo toán học chặt chẽ là công việc khó khăn ngay cả trong điều kiện tốt nhất. Làm điều đó ở quy mô này là một thách thức ghê gớm. Các mô hình của OpenAI đang tuôn ra toán học với tốc độ chóng mặt và trải rộng trên nhiều chuyên ngành, vượt xa năng lực của đội ngũ nhân sự. Công ty đơn giản là không có đủ chiều sâu chuyên môn lẫn nguồn lực để thẩm định đúng mức các phát hiện của mình ở biên giới tiên tiến nhất của toán học. Các nhà nghiên cứu nói với The Verge rằng điều đó thể hiện rõ.

Nhiều người mô tả các bài báo rất khó, đôi khi gần như không thể, theo dõi.

“Phần trình bày về bài toán mà tôi hiểu rõ nhất gần như vô nghĩa sau một lần đọc nhanh,” Brendan Hassett, giáo sư toán học tại Đại học Brown, nói với The Verge. “Nếu đây là do một người viết, tôi sẽ không dành thêm thời gian để cố hiểu nó. Tất nhiên, còn 721 bản thảo khác nữa!” (Hassett nói điều này trước khi OpenAI rút lại ba bài báo).

Một số nhà nghiên cứu nói với The Verge rằng vài bài báo mà họ hoặc đồng nghiệp để ý dường như bao trùm lĩnh vực mà các nhà toán học khác đã đi qua, dù họ thận trọng không nói công khai trước khi có cơ hội xem xét kỹ. Những người khác chỉ ra độ ngắn bất thường của các công trình, với những kết quả mà bình thường họ kỳ vọng được triển khai qua hàng trăm trang lại bị nén vào vài chục trang hoặc ít hơn.

Nalini Joshi, giáo sư toán học tại Đại học Sydney ở Úc, cho biết một tìm kiếm nhanh trong đợt công bố cho thấy ít nội dung trùng với công việc của bà, nhưng lưu ý rằng một số bài báo bà xem “có thư mục tham khảo rất ngắn”. Xét đến các chỉ trích trước đây về cách OpenAI ghi nguồn, bà nói mình “e ngại rằng phần ghi công trong các bài báo có thể thiếu mất câu chuyện đầy đủ”.

Nhưng vẫn có những công trình thực sự ấn tượng

Bất chấp rác AI và sự bất định, đồng thuận chung là đợt công bố chứa đựng một số công trình thực sự đáng nể.

Trong khi nhấn mạnh khó khăn khi đánh giá khối lượng tài liệu — và nhu cầu xác minh đúng đắn các kết quả — nhiều nhà nghiên cứu The Verge trò chuyện cho biết công trình có vẻ ở đẳng cấp rất cao, dù còn thiếu sót trong cách trình bày. Trong một thế giới tiền AI, họ nói, nhiều kết quả của OpenAI rõ ràng xứng đáng được công bố trên các tạp chí hàng đầu và có thể đủ để đảm bảo một sự nghiệp học thuật cho tác giả. Một vài kết quả được mô tả là loại công trình có thể đưa một nhà toán học vào danh sách ứng viên nghiêm túc cho Huy chương Fields, một trong những vinh dự cao quý nhất của ngành.

Bìa minh họa về AI và toán học

Nhà toán học Stanford Jared Duker Lichtman cho biết có “hàng chục” kết quả ông xếp vào loại này, bao gồm tiến bộ hướng tới giả thuyết Riemann, một trường hợp đặc biệt của giả thuyết Hodge, và lời giải cho giả thuyết Kakeya bốn chiều. Đây đều là những bài toán lớn của toán học. Riemann — có thể nói là bài toán chưa giải nổi tiếng nhất của toàn ngành — và Hodge đều nằm trong bảy bài toán Giải thưởng Thiên niên kỷ nổi tiếng. Chúng lần lượt liên quan đến phân bố số nguyên tố và, nói đại khái, cách hiểu các hình dạng hình học phức tạp qua những khối xây dựng đơn giản hơn. Kakeya, trong khi đó, đại khái hỏi cần ít không gian đến mức nào để xoay một cây kim hay cây bút chì theo mọi hướng. Một chứng minh cho phiên bản ba chiều của Kakeya là một trong những thành tựu giúp nhà toán học NYU Hong Wang nhận Huy chương Fields hồi đầu năm nay.

“Không phải đây chỉ là những bài toán ngớ ngẩn mà chưa ai từng nghe đến,” nhà toán học Scott Armstrong nói. “Nhiều bài trong số đó là những bài toán rất nổi tiếng mà bao người đã thử trong hàng thập kỷ.”

Một bối cảnh đột ngột đổi thay

Khi bụi bắt đầu lắng xuống, giới toán học thấy mình đối diện với một bối cảnh đã đột ngột thay đổi quanh họ. Nhiều người vừa chứng kiến nhiều năm công sức và những kế hoạch nghiên cứu được dày công vạch ra bốc hơi trong chớp mắt, hoặc biết đồng nghiệp rơi vào tình cảnh đó. Trên khắp ngành, dù phản ứng xen lẫn hào hứng, sợ hãi, tuyệt vọng hay điều gì đó ở giữa, đều có một cảm giác mất phương hướng sâu sắc.

Sáng hôm sau, tâm trạng ấy vẫn chưa khác mấy. Trả lời điện thoại khi đang đi bộ qua Paris, Armstrong hình dung rằng nếu Sorbonne không đóng cửa vì các cuộc biểu tình sinh viên đang diễn ra và đồng nghiệp của ông tụ tập quanh máy pha cà phê quen thuộc, bầu không khí hẳn sẽ khá “trang nghiêm”.

Tại Scotland, Colva Roney-Dougal, giáo sư toán học tại Đại học St Andrews, mô tả bầu không khí ảm đạm tương tự giữa đồng nghiệp và sinh viên. Bà nói dòng thác này có phần “kinh hoàng”, nhưng sự xuất hiện của nó cũng mang lại chút nhẹ nhõm sau nhiều tuần bất định. “Tôi có một loạt bạn bè và đồng nghiệp vừa bị xóa sổ đề xuất tài trợ,” bà nói.

Armstrong cho biết ông biết một nhóm mà toàn bộ chương trình nghiên cứu gần như bị “xóa sổ” bởi đợt công bố. Tristan Buckmaster, nhà toán học NYU từng ở trung tâm cuộc tranh cãi trước đó của OpenAI về bài toán Navier-Stokes, thì nói đã nghe về “ba người bị hủy diệt toàn bộ chương trình nghiên cứu”.

Những câu chuyện tương tự xuất hiện lặp đi lặp lại trong các cuộc trò chuyện của The Verge với giới toán học, dù sự xáo trộn tập trung nặng nề ở một số khu vực của ngành. Francesco Fournier-Facio, giáo sư toán học tại Đại học Heriot-Watt ở Scotland, cho biết các nhà nghiên cứu trong lĩnh vực xác suất, tổ hợp và khoa học máy tính lý thuyết có vẻ “đặc biệt bị sốc”, thêm rằng một số vùng trong lĩnh vực của ông, lý thuyết nhóm, đã bị “càn quét”.

Armstrong và các nhà nghiên cứu khác nói một số lĩnh vực dường như bị nhắm tới với độ chính xác gần như quân sự. “Chắc chắn có những mục tiêu,” Armstrong nói. Ông chỉ ra công trình trong lĩnh vực mà Wang nhận Huy chương Fields năm nay, cùng một số bài toán Giải thưởng Thiên niên kỷ. Một cụm kết quả trong vật lý toán, ông nói, cho thấy rõ OpenAI đang theo đuổi lý thuyết Yang-Mills — khuôn khổ toán học nâng đỡ phần lớn vật lý hạt hiện đại — và bài toán “khoảng khối lượng” (mass gap) chưa giải của nó, một trong bảy bài toán thưởng.

Cảm giác vượt qua một ngưỡng

Tính đến ngày 8 tháng 10, hồ sơ công bố đã liệt kê nhiều chỉnh sửa, bao gồm sửa đổi hơn một chục bản thảo và gỡ bỏ ba bài báo do một “lỗi dấu” mà công ty nói làm vô hiệu một lập luận.

Dù công việc của mình có bị ảnh hưởng trực tiếp hay không, phần lớn nhà toán học The Verge trò chuyện đều chung cảm giác rằng ngành này đã vượt qua một loại ngưỡng nào đó và không còn như một ngày trước nữa. Constantin Kogler, nhà nghiên cứu tại Viện Nghiên cứu Cao cấp, gọi đây là “khoảnh khắc quan trọng nhất trong lịch sử toán học”, còn Yang-Hui He, thành viên Viện Khoa học Toán học London, lùi xa hàng thiên niên kỷ để so sánh những phát triển do AI dẫn dắt năm nay với việc công bố bộ Cơ sở (Elements) của Euclid, một trong những tác phẩm có ảnh hưởng nhất của ngành.

Ít nhà nghiên cứu có đánh giá lớn lao đến vậy, nhưng đều đồng thuận rằng toán học đang thay đổi nhanh chóng — và giới toán học sẽ phải thay đổi theo.

OpenAI có lắng nghe, nhưng chưa đủ

OpenAI biết đợt công bố sẽ gây xáo trộn và đã có nỗ lực giảm nhẹ cú sốc cũng như tương tác với cộng đồng toán học. Sau nhiều cuộc đụng độ gay gắt với giới nghiên cứu hồi đầu năm, công ty quay sang chính các nhà toán học để nhờ giúp đỡ, làm việc với Nhóm Cố vấn về Toán học và Trí tuệ Nhân tạo (AGMAI) mới thành lập về cách công bố kết quả một cách có trách nhiệm.

AGMAI đã vạch rõ điều họ cho là tương tác có trách nhiệm. Các phòng thí nghiệm AI lý tưởng nên công bố những bài báo “mà con người hiểu được”, hoặc nếu không thì cung cấp “hỗ trợ cần thiết cho các hoạt động toán học bổ sung để con người có thể hiểu và tiếp thu đầu ra toán học do AI tạo ra, đồng thời nhận diện các ứng dụng tiềm năng của nó”. Họ nói rằng khi có thể, các chứng minh nên được hình thức hóa, và các công ty nên công khai mô hình cùng câu lệnh (prompt) họ dùng để tạo ra chúng. Nhóm cũng kêu gọi các phòng thí nghiệm AI ngừng coi việc công bố toán học là “phương tiện tiếp thị để quảng bá mô hình” và “ngừng thử nghiệm các bài toán toán học tiên tiến trên những mô hình độc quyền” mà cộng đồng khoa học rộng lớn không thể tiếp cận.

OpenAI đã tuân theo một phần lời khuyên. Công ty nói sẽ tài trợ một loạt hội thảo và hội nghị quanh công trình toán học của mình để giúp cộng đồng xử lý và hiểu công việc, dù không cung cấp chi tiết về hình thức hay thời gian. Công ty cũng công bố nhiều thông tin hơn đáng kể so với trước — một lần nữa, các nhà nghiên cứu nói đây là mức chuẩn thấp — bao gồm việc mô hình của họ đã thử hơn 4.000 bài toán và một kết quả điển hình dùng khoảng ba giờ suy luận của ChatGPT Pro. Công ty cũng đã triển khai “các giao thức sửa đổi và trích dẫn bài báo”, và trên GitHub nói sẽ “giữ nguyên lịch sử công bố công khai” của bộ sưu tập.

Nhưng OpenAI không tuân theo tất cả khuyến nghị — kể cả một số khuyến nghị quan trọng nhất. Công ty không tiết lộ mô hình đứng sau đợt công bố, cũng không công bố các câu lệnh đã dùng hay toàn bộ tập bài toán mà mô hình đã thử. OpenAI cũng dường như thừa nhận các hình thức hóa còn thiếu — họ nói sẽ bổ sung thêm khi có — và rằng các bài báo còn dưới chuẩn, khi nói rằng “với các đợt công bố trong tương lai, chúng tôi cam kết cải thiện hơn nữa chất lượng bài báo thông qua trích dẫn, trình bày toán học và cách giới thiệu kết quả để dễ hiểu hơn”.

Các nhà nghiên cứu The Verge trò chuyện đặt câu hỏi tại sao OpenAI không thể cải thiện chất lượng các bài báo này và bày tỏ thất vọng rằng công ty dường như không buồn hình thức hóa — hoặc thậm chí kiểm tra, trong trường hợp các bài bị rút — nhiều kết quả trước khi công bố. Thông tin như các câu lệnh đã dùng cũng sẽ cực kỳ hữu ích để giảm bớt gánh nặng mà nhiều người cảm nhận khi phải đánh giá dòng tài liệu công ty bất ngờ trút lên họ.

Toán học sẽ tiếp diễn — nhưng theo cách nào?

Đối với hàng trăm bài toán lâu đời mà OpenAI tuyên bố đã giải, giới toán học nói còn vô số việc phải làm. Nhiều người ước tính việc hiểu hết mọi thứ công ty vừa công bố có thể mất cộng đồng nhiều năm.

Armstrong ví sự xuất hiện đột ngột của quá nhiều toán học mới với sự náo động có thể xảy ra sau một chuyến thăm ngắn ngủi của người ngoài hành tinh. “Nếu các AI biến mất bây giờ, như thể người ngoài hành tinh đến Trái đất rồi rời đi, chúng ta sẽ nghiên cứu chuyện này trong 10 năm tới, cố gắng hiểu mọi thứ.”

Phần lớn công việc đó sẽ tự nó đã thú vị. Các nhà nghiên cứu sẽ phải lấp đầy lỗ hổng, rút ra những ý tưởng và mối liên hệ hữu ích, rồi đặt các lời giải vào bối cảnh toán học rộng lớn hơn — tất cả đều là những việc thường đi kèm với việc tạo ra lời giải cho con người.

Có thể vẫn còn rất nhiều toán học để con người làm. Lichtman nói rằng theo những gì ông thấy, mọi kết quả, dù “tuyệt vời”, đều “xuất phát từ các phương pháp và kỹ thuật đã có”. Chúng lấp đầy những phần của bản đồ toán học đã biết thay vì tạo ra những vùng hoàn toàn mới. “Hóa ra còn nhiều chỗ để lấp đầy hơn các chuyên gia từng biết!” Lozano-Robledo đồng tình: “Tất cả đều đang dùng các kỹ thuật đã có theo những cách cực kỳ tài tình.”

Và bản đồ hiện tại chưa phải là giới hạn. “Nghiên cứu toán học về bản chất là vô hạn,” Lozano-Robledo nói. “Nghiên cứu sẽ tiếp tục.” He của Viện London nói ông đặc biệt háo hức chờ xem điều gì sẽ xuất hiện tiếp theo, dự đoán rằng các nhà nghiên cứu có thể sẽ tạo ra ý tưởng mới và “thậm chí là những lĩnh vực toán học mới”.

“Một mớ hỗn độn lớn”

Nhìn vào các đợt công bố toán học của OpenAI và các phòng thí nghiệm AI khác, người ta dễ lầm tưởng rằng nghiên cứu toán học về cơ bản chỉ là đánh dấu hoàn thành các bài toán trong danh sách. Cách các phòng thí nghiệm AI công bố kết quả càng củng cố ý niệm đó: một thông báo hào nhoáng, một bản viết sơ bộ, phần còn lại ném cho giới toán học tự tìm hiểu và đặt vào bối cảnh.

Nhiều nhà nghiên cứu nói với The Verge rằng các công ty dường như sẵn sàng bước tiếp ngay lập tức, rất lâu trước khi cộng đồng có cơ hội hợp lý để tiêu hóa những gì họ tạo ra.

“Có kết quả mới thì tốt, nhưng quy mô này là một đẳng cấp khác,” Bartosz Naskręcki, nhà toán học tại Đại học Adam Mickiewicz ở Poznań, Ba Lan, nói. “Đó là một mớ hỗn độn lớn. Nó có thể gây ra sự sụp đổ lớn trong văn hóa học thuật và đơn giản là giết chết phần lớn các khoa. Đây là một vấn đề xã hội và có vẻ như các phòng thí nghiệm AI đang hoàn toàn phớt lờ nó.”

Không chỉ toán học mới mất nhiều năm để hiểu. Các nhà nghiên cứu cũng đang vật lộn để lĩnh hội ý nghĩa của biến động này đối với chính họ. Nhiều người mô tả một tâm trạng ảm đạm, gần như hiện sinh, bao trùm cộng đồng khi giới toán học giải mã xem mình phù hợp ở đâu trong lĩnh vực đang biến đổi nhanh chóng. Có thể họ không có nhiều thời gian để tìm ra.

Tin đồn đã lan truyền giữa giới toán học về các đợt công bố tiếp theo từ OpenAI, công ty không trả lời câu hỏi của The Verge về việc liệu có kế hoạch tung thêm hay không. Roney-Dougal nói bà sợ hãi một đợt công bố nữa — hoặc viễn cảnh Anthropic hay một phòng thí nghiệm AI khác nhảy vào cuộc.

Sự xáo trộn đang giáng đòn nặng nhất vào nghiên cứu sinh tiến sĩ, nhà nghiên cứu trẻ và những người chưa có biên chế vĩnh viễn. Những bài toán mở như loại mà mô hình OpenAI đang cày qua có thể là nền tảng cho luận án, đề xuất tài trợ, đơn xin việc và nhiều năm nghiên cứu đã hoạch định — tất cả đều là những khối xây dựng quan trọng cho sự nghiệp học thuật.

“Với ai đang cạn nguồn tài trợ hoặc đang tìm việc, chuyện này cực kỳ đảo lộn,”