Khi Trí Tuệ Nhân Tạo Giải Quyết Các Vấn Đề Toán Mở, Còn Lại Gì Cho Thiên Tài?

Toán học đã lâu được coi là thước đo trí thông minh thuần túy nhất. Không giống như hầu hết các khoa học khác, nó không phụ thuộc vào thiết bị phòng thí nghiệm, nhiễu thực nghiệm hoặc công cụ đo lường. Một bằng chứng là đúng hoặc sai. Sự rõ ràng đó là lý do tại sao những vấn đề chưa được giải quyết vĩ đại – những giả thuyết chống lại mọi kỹ thuật đã biết – đã trở thành một loại Mount Everest trí tuệ.

Lịch sử thường kể lại cùng một câu chuyện: một câu hỏi treo lơ lửng trong không khí trong nhiều thập kỷ hoặc nhiều thế kỷ cho đến khi một tâm trí hiếm có đến – một người có sự kết hợp độc đáo của sự kiên nhẫn, sáng tạo và sức mạnh kỹ thuật để nhìn thấy một con đường mà không ai khác nhìn thấy. Chúng ta tôn vinh “nhà thiên tài đơn độc” vì trong toán học, câu chuyện đó thường phù hợp.

Nhưng một mẫu mới đang bắt đầu xuất hiện. Vào cuối năm 2025 và đầu năm 2026, các cuộc thảo luận trực tuyến xung quanh một số vấn đề Erdős (một tập hợp các vấn đề mở được thu thập bởi Paul Erdős) gợi ý rằng các bằng chứng được hỗ trợ bởi trí tuệ nhân tạo có thể đã giải quyết nhiều mục trong một khoảng thời gian không thường xuyên. Một số bản phác thảo bằng chứng này được cho là đã được xem xét bởi các nhà toán học hàng đầu, bao gồm Terence Tao, người đã nói công khai về vai trò ngày càng tăng của trí tuệ nhân tạo như một cộng tác viên toán học. Tuy nhiên, lời cảnh báo quan trọng nhất vẫn còn: toán học không chạy trên các tiêu đề. Sự chấp nhận rộng rãi thường đòi hỏi thời gian – xác minh độc lập, viết cẩn thận và đôi khi chính thức hóa trong các hệ thống kiểm tra bằng chứng.

Dù với sự thận trọng đó, điểm quan trọng rộng lớn hơn vẫn còn: thế giới đang có cái nhìn thực sự đầu tiên về những gì xảy ra khi trí tuệ nhân tạo không chỉ tính toán, tóm tắt hoặc tìm kiếm mẫu, mà còn tham gia vào hành động suy luận. Nếu trí tuệ nhân tạo có thể giúp giải quyết các vấn đề mà con người đã vật lộn trong nhiều thế hệ, nó buộc phải đặt ra một câu hỏi sâu sắc hơn:
Còn lại gì cho thiên tài con người – khi máy móc có thể chạm đến đỉnh đầu tiên?

Cơ Chế Của “Suy Luận Silicon”

Để hiểu tại sao khoảnh khắc này cảm thấy khác biệt, nó giúp tách hai phiên bản trí tuệ nhân tạo mà mọi người thường nhầm lẫn.

Các thế hệ mô hình ngôn ngữ trước đây thường được mô tả (đúng) là các hệ thống dự đoán từ tiếp theo có khả năng. Chúng có thể trông ấn tượng, nhưng chúng cũng dễ bị “điên rồ tự tin” vì chúng có khả năng hạn chế để làm chậm lại, kiểm tra ý tưởng hoặc tự sửa.

Các hệ thống mới ngày càng dựa vào một cách tiếp cận khác: suy luận thời gian kiểm tra (thỉnh thoảng được thảo luận như “tính toán thời gian kiểm tra”). Thay vì tạo ra một câu trả lời ngay lập tức, mô hình có thể dành nhiều thời gian hơn cho một vấn đề duy nhất – tạo ra các phương pháp tiếp cận ứng viên, kiểm tra xem các bước logic có theo sau, lùi lại khi nó gặp phải mâu thuẫn và khám phá các tuyến đường thay thế. Trong các điều khoản của con người, nó giống như những gì một nhà toán học làm tại bảng trắng: thử một điều gì đó, phá vỡ nó, sửa chữa nó và lặp lại.

Điều này quan trọng trong toán học vì tiến bộ hiếm khi là một đường thẳng. Hầu hết các ý tưởng đầy hứa hẹn đều thất bại. Khả năng quay lại – mà không có cái tôi, mệt mỏi hoặc nản lòng – có thể biến một tìm kiếm không thể thành một tìm kiếm có thể xử lý.

Các hệ thống trí tuệ nhân tạo hiện đại đã đi xa hơn việc tính toán thuần túy, cung cấp bốn khả năng thực tế khiến chúng cảm thấy ít hơn như máy tính và nhiều hơn như cộng tác viên. Chúng xuất sắc trong tổng hợp quy mô lớn, kết nối ý tưởng trên toàn bộ văn học và các lĩnh vực chuyên ngành hẹp nơi các định lý quan trọng hiếm khi được trích dẫn. Chúng cũng cho phép lặp lại nhanh, kiểm tra nhiều “lộ trình” chứng minh nhanh và loại bỏ các kết thúc chết trong khi bảo tồn các cấu trúc con hứa hẹn. Hơn nữa, những máy này đôi khi đề xuất các quy tắc không bình thường – các cấu trúc trung gian mà cảm thấy xa lạ với trực giác của con người nhưng vẫn hợp lý. Cuối cùng, chúng tạo ra đầu ra thân thiện với xác minh mà có thể được dịch sang các trợ lý chứng minh chính thức như Lean hoặc Coq, cung cấp cho cộng đồng một con đường để tăng sự tự tin.

Quan trọng là, điều này không có nghĩa là trí tuệ nhân tạo “hiểu” toán học theo cách con người làm. Nó có nghĩa là một điều cụ thể hơn: dưới các ràng buộc đúng, nó có thể tạo ra các chuỗi suy luận mà đứng vững dưới sự kiểm tra. Trong toán học, đó là loại tiền tệ quan trọng.

Tại Sao Các Vấn Đề Kiểu Erdős Là Mục Tiêu Sớm

Không phải tất cả các biên giới toán học đều dễ bị tăng tốc bởi trí tuệ nhân tạo như nhau. Một số vấn đề đòi hỏi lý thuyết hoàn toàn mới, định nghĩa mới hoặc các bước nhảy khái niệm sâu mà không có nhiều điểm tựa trong văn học hiện có. Nhưng các vấn đề khác – đặc biệt là những vấn đề trong tổ hợp, lý thuyết số và toán học rời rạc – thường có hình dạng khác:

• Câu lệnh đủ đơn giản để giải thích cho những người không chuyên.
• Các công cụ đã biết dồi dào, phân tán trên các bài báo và dễ bị bỏ lỡ.
• Quá trình thường đến từ việc kết hợp các kết quả hiện có theo một cách thông minh.

Các vấn đề Erdős thường phù hợp với hồ sơ này. Chúng nổi tiếng vì dễ nêu và khó giải, và chúng sống trong các lĩnh vực mà chứng minh có thể liên quan đến một bản vá các kỹ thuật: phương pháp xác suất, tổ hợp cực đoan, lý thuyết ergodic, phân tích điều hòa và nhiều hơn nữa.

Điều đó làm cho chúng hữu ích như một “kiểm tra áp lực” cho trí tuệ nhân tạo. Nếu một hệ thống có thể đề xuất một chiến lược chứng minh đáng tin cậy cho một vấn đề mà đã chống lại nỗ lực của con người trong một thời gian dài, điều đó có ý nghĩa – ngay cả khi nó kết thúc (như đôi khi xảy ra) rằng ý tưởng chính đã ngầm trong công việc cũ, hoặc chứng minh cần được đánh bóng trước khi nó trở thành chuẩn.

Nói cách khác: câu chuyện không phải là “trí tuệ nhân tạo thay thế các nhà toán học.” Câu chuyện là trí tuệ nhân tạo có thể làm giảm khoảng cách giữa “kết quả tồn tại ở một nơi nào đó” và “cộng đồng thực sự có thể nhìn thấy nó.”

Khi Trí Tuệ Nhân Tạo Tái Khám Phá Điều Con Người Đã Quên

Một trong những mẫu thú vị nhất trong khoa học hiện đại không phải là con người thiếu kiến thức, mà là chúng ta đấu tranh để lấy lại kiến thức.

Toán học là vô cùng lớn. Các kết quả được phân tán trên các thập kỷ của các tạp chí, ghi chú của các buổi thảo luận và các lĩnh vực chuyên ngành với ngôn ngữ và quy ước của riêng họ. Ngay cả các nhà toán học xuất sắc cũng có thể bỏ qua một định lý mà là “đồng nghĩa” trong một lĩnh vực hẹp. Theo thời gian, toàn bộ chuỗi suy luận có thể trở nên chôn vùi – không phải vì chúng sai, mà vì sự chú ý đã chuyển sang nơi khác.

Trí tuệ nhân tạo thay đổi động lực đó bằng cách sẵn sàng tìm kiếm các góc nhàm chán mà con người hiếm khi nhìn vào vì chúng bị thu hút bởi các lĩnh vực thời thượng. Nó cũng phục vụ như một cây cầu, dịch giữa ngôn ngữ của các lĩnh vực chuyên ngành khác nhau và sắp xếp các ý tưởng mà con người truyền thống giữ riêng biệt.

Đây là nơi nhiều người nhìn thấy lời hứa sâu sắc nhất. Ngay cả khi trí tuệ nhân tạo không phát minh ra toán học hoàn toàn mới từ đầu, nó có thể hoạt động như một “nạo vét kiến thức” siêu mạnh, đưa các cấu trúc bị quên trở lại vào tầm nhìn và kết hợp chúng theo cách cảm thấy mới.

Chuyển Đổi “Toán Lớn”: Từ Người Viết Chứng Minh Sang Người Chỉ Hướng

Nếu trí tuệ nhân tạo tiếp tục cải thiện, thay đổi lớn nhất có thể không phải là máy móc giải quyết nhiều định lý. Nó có thể là vai trò của nhà toán học con người thay đổi.

Trong nhiều thế kỷ, làm toán học có nghĩa là dành một lượng lớn công sức vào chính bằng chứng – tìm một con đường, xác minh từng bước và viết nó theo cách các chuyên gia khác có thể kiểm tra. Công việc đó là một phần của nghề thủ công. Nhưng nó cũng là một nút thắt. Nhiều ý tưởng hứa hẹn chết chỉ vì thời gian con người cần để thực hiện và chính thức hóa chúng là quá cao.

Trong một thế giới được tăng tốc bởi trí tuệ nhân tạo, chứng minh trở nên ít khan hiếm hơn. Điều đó không làm cho toán học trở nên tầm thường. Nó thay đổi nơi công việc khó khăn sống.

Nhà Toán Học Là Người Bản Đồ, Không Phải Là Máy Tính

Nếu một chứng minh không còn là nút thắt chính, “thiên tài” chuyển sang các nhiệm vụ cấp cao hơn. Chọn các câu hỏi có giá trị nhất để giải quyết trở thành một trách nhiệm con người trung tâm, cũng như thiết kế các trừu tượng mới như các định nghĩa và định nghĩa bắc cầu. Hơn nữa, những tâm trí vĩ đại sẽ tập trung vào việc xây dựng các chương trình nghiên cứu bằng cách lập bản đồ các phong cảnh của các giả thuyết và chỉ đạo việc khám phá, cũng như dịch các kết quả trừu tượng thành các công cụ chức năng cho các lĩnh vực khác.
Hãy nghĩ về nó như sự thay đổi trong cờ vua sau khi máy tính. Cờ vua của con người không kết thúc khi các động cơ vượt qua chúng ta. Thay vào đó, chơi cờ vua cấp cao đã tiến hóa. Con người đã học cách đặt câu hỏi tốt hơn cho máy móc, giải thích các khuyến nghị của nó và phát triển các chiến lược kết hợp trực giác với tính toán.

Toán học có thể trải qua một sự chuyển đổi tương tự – ngoại trừ các ставки rộng lớn hơn. Các công cụ toán học mới có thể thay đổi mã hóa, tối ưu hóa, học máy, vật lý và kinh tế. Nếu trí tuệ nhân tạo giảm chi phí của việc khám phá, các hiệu ứng hạ游 có thể rất lớn.

Đây Có Phải Là “Suy Nghĩ Tự Do”, Hay Chỉ Là Tìm Kiếm Nhanh Chóng?

Một người hoài nghi hợp lý có thể nói: đây không phải là trí tuệ, mà chỉ là lực lượng thô. Cho một máy móc đủ tính toán và nó sẽ va phải vào một điều gì đó hoạt động.

Đó là một điểm thực. Trí tuệ nhân tạo mang lại quy mô. Nó có thể thử nhiều tuyến đường. Nhưng các trường hợp thú vị nhất không phải là va phải ngẫu nhiên – chúng liên quan đến tổng hợp có cấu trúc: kết nối các khái niệm, tái sử dụng các định lý trong các ngữ cảnh không quen thuộc và lắp ráp một chuỗi suy luận đủ mạch lạc để các chuyên gia có thể xác thực.

Trong thực tế, ranh giới giữa “tìm kiếm” và “suy nghĩ” trở nên mờ. Các nhà toán học con người cũng tìm kiếm – thông qua ý tưởng, thông qua các tương tự, thông qua các kết quả một phần. Điều quan trọng là quá trình có thể tạo ra sự thật mới, có thể kiểm tra.

Nếu trí tuệ nhân tạo trở nên nhất quán trong khả năng đó, thì nhãn mác ít quan trọng hơn kết quả. Tiền tuyến thay đổi theo cách nào.

Phương Tiện Nào Có Thể Sụp Đổ Tiếp Theo?

Nếu trí tuệ nhân tạo tiếp tục cải thiện, chúng ta nên mong đợi một mẫu: các vấn đề sẽ sụp đổ đầu tiên thường là những vấn đề mà kiến thức đã có nhưng bị phân mảnh, nơi các kỹ thuật hiện có có thể được kết hợp lại và nơi xác minh chính thức có thể nhanh chóng tăng cường sự tự tin.

Các mục tiêu gần hạn có thể bao gồm:

• Toán học tổ hợp cực đoan và lý thuyết đồ thị: các công cụ phong phú, nhiều định lý đã biết và nhiều vấn đề được định nghĩa trong các điều khoản sạch sẽ và rời rạc.
• Lý thuyết số cộng: đất đai màu mỡ cho các bằng chứng chéo kỹ thuật và các “đối số” kết nối các lĩnh vực.
• Các câu hỏi về tối ưu hóa và độ phức tạp: không phải là các kết quả “P so với NP” sâu nhất đầu tiên, mà là nhiều kết quả cấu trúc nhỏ hơn xung quanh các thuật toán và giới hạn.
• Các lĩnh vực có thể chính thức hóa: các lĩnh vực đã được mã hóa một phần vào các trợ lý chứng minh, nơi trí tuệ nhân tạo có thể tăng tốc quá trình dịch từ ý tưởng sang định lý đã được xác minh.

Các vấn đề lớn, nổi tiếng – như các vấn đề Giải thưởng Thiên niên kỷ – có thể vẫn đòi hỏi các phát minh khái niệm sâu. Nhưng ngay cả ở đó, trí tuệ nhân tạo có thể gặp nhấm vào các khu vực xung quanh: chứng minh các định lý, khám phá các trường hợp đặc biệt và xây dựng các cấu trúc để một bước nhảy cuối cùng của con người (hoặc hỗn hợp) có thể xảy ra.

Sự Quay Đầu Triết Học: Sự Trở Lại Của Người Đặt Câu Hỏi

Khi chúng ta tự động hóa các cơ chế của chứng minh, chúng ta buộc phải đối mặt với một thực tế đã tồn tại từ khi ra đời của lĩnh vực này: toán học là, và luôn là, một tập con của triết học. Lịch sử đã tách biệt việc nghiên cứu số khỏi việc nghiên cứu sự tồn tại; đối với họ, “vô lý” của một số là một cuộc khủng hoảng của tâm hồn cũng như một cuộc khủng hoảng của logic.

Trong thời đại hiện đại, chúng ta đã chuyển sự đánh giá giá trị của “thiên tài” con người của chúng ta đến người tính toán bậc thầy – tâm trí có thể nghiền qua công việc lao động thủ công của một chứng minh 300 trang. Chúng ta đã đồng nhất trí thông minh với khả năng hoạt động như một bộ xử lý sinh học. Nhưng khi trí tuệ nhân tạo bắt đầu chạm đến đỉnh của những chứng minh này đầu tiên, nút thắt kỹ thuật đó bốc hơi. Điều này không làm giảm trí tuệ con người; nó buộc nó phải di chuyển “lên ngăn xếp”.

Những tâm trí vĩ đại của tương lai sẽ không phải là những người có thể thực hiện một quá trình đã biết với hiệu suất cực cao, mà là những triết gia có thể định nghĩa điều gì đáng được khám phá trước hết. Khi “làm thế nào” trở thành một hàng hóa do silicon cung cấp, “tại sao” trở thành sự khan hiếm duy nhất còn lại. Chúng ta đang trở lại thời đại của Polymath, nơi khả năng đặt ra một câu hỏi thay đổi cuộc sống – để tưởng tượng ra một biên giới mới của ý nghĩa – là kỹ năng tối thượng. Giống như sự thay đổi từ xẻng đến máy xúc, chúng ta không còn được đánh giá cao vì khả năng đào bằng tay, mà vì tầm nhìn trong việc quyết định nơi để phá vỡ mặt đất.

Kết Luận: Một Tương Lai Nơi Thiên Tài Di Chuyển Lên Ngăn Ứng Dụng

Nếu trí tuệ nhân tạo có thể giúp giải quyết các vấn đề mà trước đây đòi hỏi một trí tuệ từng thế kỷ, điều đó không có nghĩa là chúng ta hết toán học. Nó có nghĩa là chúng ta thay đổi cách làm toán.

Trong một thế giới nơi chứng minh trở nên rẻ hơn, tài nguyên khan hiếm trở thành thứ khác: các câu hỏi tốt, các trừu tượng hữu ích và khả năng giải thích toán học có nghĩa là gì. Thiên tài duy nhất của tương lai có thể trông ít hơn như một hình ảnh cô độc nghiền ngẫm một chứng minh trong nhiều thập kỷ và nhiều hơn như một người bản đồ của ý tưởng – ai đó có thể nhìn thấy những ngọn núi nào đáng được chinh phục và làm thế nào để phối hợp một loại cuộc thám hiểm mới nơi con người và máy móc cùng nhau chinh phục.