'AI có thể thay thế hoặc kiểm soát những cộng đồng toán học nhỏ'

Khi ChatGPT xuất hiện lần đầu vào cuối năm 2022, GS Toán học Đào Hải Long (Đại học Kansas, Mỹ) cảm thấy khá thản nhiên. Giống như nhiều đồng nghiệp lúc đấy, ông nghĩ hệ thống này có thể trò chuyện, viết luận, làm thơ hay vẽ tranh, nhưng lại làm toán rất dở. "Vì thế tôi cũng không có gì để cảm thấy lo lắng về nó," ông kể trong buổi giảng đại chúng ngày 21/8 tại Viện Nghiên cứu Cao cấp về Toán.

Chưa đầy hai năm sau, nhận thấy sức mạnh và tiềm năng của các hệ thống AI, GS Long đã gọi điện trò chuyện với GS Ngô Bảo Châu và chia sẻ rằng: "Trí tuệ nhân tạo và học máy sẽ không thay các nhà toán học, ít ra là trong tương lai gần. Nhưng chúng có thể giúp cho một nhóm nhỏ với năng lực sẵn có, tham vọng lớn, tư duy dẫn dắt, thay thế hoặc kiểm soát cả một cộng đồng. Đây mới là điều nguy hiểm nhất là đối với những nền khoa học của các quốc gia như Việt Nam, vẫn còn nhỏ yếu, lại ít có ý thức phối hợp liên ngành, và ít có tham vọng nội tại để hội nhập sâu."

Quả thật, năng lực làm toán của AI đang tiến rất nhanh. Hệ thống AI ngày nay đã có thể quét lượng tài liệu rất lớn bằng nhiều ngôn ngữ, viết code kiểm tra giả thuyết, tìm ví dụ và phản ví dụ, thậm chí giải quyết một số bài toán mở trong toán học.

Tình hình mới khiến nhiều người đặt câu hỏi liệu AI có thể thay thế hay kiểm soát cả một cộng đồng toán học hay không.

Toán học như ‘vùng đất hứa’ với AI

Thoạt nhìn, toán học dường như là lĩnh vực nhiều thử thách lớn với máy móc, bởi lĩnh vực này còn đòi hỏi tư duy trừu tượng, nắm rõ bản chất vấn đề. Nhưng thực tế, đây lại là môi trường có nhiều đặc điểm thuận lợi cho máy học.

Trước hết là nguồn ngữ liệu phong phú và rõ ràng. Suốt nhiều thế hệ, giới toán học đã xây dựng văn hóa chia sẻ tri thức cởi mở qua sách báo, ghi chú bài giảng và các diễn đàn chuyên môn như MathOverflow. GS Đào Hải Long cho biết bản thân ông có thói quen giải thích các lập luận sao cho càng rõ ràng, khúc chiết càng tốt. Kho tri thức được tổ chức bài bản này trở thành nguồn dữ liệu dồi dào để huấn luyện máy móc, giúp hệ thống nhanh chóng nhận diện các dạng bài quen thuộc và gợi ý những hướng đi tiềm năng.

Bên cạnh đó, các hệ thống hiện nay không còn hoạt động như một công cụ đoán từ đơn thuần mà kết hợp nhiều công cụ khác nhau - từ tìm kiếm tài liệu, viết code, tính toán, thử nhiều trường hợp đến tự kiểm tra kết quả. Với năng lực tính toán quy mô lớn, máy có thể kiểm tra hàng loạt phương án giải trong thời gian rất ngắn - điều một người khó lòng thực hiện thủ công.

Quan trọng hơn cả, trong toán học, kết quả thường dễ kiểm tra đúng hay sai. Từng bước trong một chuỗi lập luận đều có thể được đối chiếu và kiểm tra bằng phần mềm tính toán hoặc các công cụ logic hình thức. Vì vậy, AI vừa có rất nhiều kiến thức để học, vừa có khả năng thử nhiều cách giải, lại nhận được phản hồi rõ ràng về việc mình đúng hay sai, nên quá trình cải thiện diễn ra rất nhanh.

"Trong toán học, câu trả lời rất rõ ràng", GS Đào Hải Long nhận định, ông dẫn lại câu nói nổi tiếng của nhà toán học John von Neumann: "Nếu người ta không tin toán học là đơn giản thì chẳng qua vì người ta không biết cuộc đời phức tạp như thế nào." Và chính sự rõ ràng, chuẩn xác và có thể kiểm chứng ấy của toán học đã biến nó thành một môi trường lý tưởng để công nghệ phát huy thế mạnh.

Những giới hạn máy chưa thể chạm tới

Khi AI giải toán ngày càng thuần thục, nhiều ý kiến cho rằng nó đã có thể thay thế được vai trò của những nhà toán học. Song GS Đào Hải Long cho rằng thực tế vẫn còn nhiều khoảng trống mà máy chưa thể chạm tới.

Năng lực nổi bật nhất của các mô hình hiện nay là khả năng tìm kiếm trong một không gian dữ liệu khổng lồ. Nếu xem lời giải là con đường dẫn đến đích, máy có ưu thế tương tự một kỳ thủ nhìn trước hàng trăm nước đi để rà soát ví dụ, tìm kiếm phản ví dụ, cũng như kết nối những mẩu tri thức nằm rải rác ở nhiều ngôn ngữ và phân ngành khác nhau.

Tuy nhiên, hệ thống này chưa thể tự mình xây dựng nên một khung lý thuyết mang tính bước ngoặt, hay chuyển hóa một ý tưởng mơ hồ thành một câu hỏi toán học chuẩn xác. Công việc của nhà toán học không chỉ gói gọn trong giải một bài toán, mà còn là nhận biết đâu là vấn đề thực sự đáng đặt ra. "Chúng ta biết là những câu hỏi nào nên hỏi", GS Đào Hải Long chia sẻ.

Với khả năng tính toán, lập trình và đối chiếu dữ liệu nhanh chóng, AI có thể hỗ trợ các nhà toán học với tư cách là công cụ. Chính nhà khoa học mới là người giữ vai trò quyết định xem những bài toán cần giải đó nên là gì.

Song hành với việc đặt vấn đề, kỹ năng diễn giải cũng đóng vai trò quan trọng. Khi máy móc đưa ra một chứng minh, nhà toán học không thể chỉ dừng lại ở việc kiểm tra xem chuỗi suy luận đó đúng hay sai, mà còn phải tìm ra được ý tưởng mấu chốt, diễn giải ý nghĩa của kết quả ấy cho toàn thể cộng đồng. Theo GS Đào Hải Long, nếu trước đây khâu diễn giải ít được chú trọng bằng việc tìm ra lời giải, thì trong tương lai, phần việc này sẽ quan trọng hơn và đồng thời ảnh hưởng đến cách chúng ta đào tạo toán học cho thế hệ trẻ.

Đây cũng là lý do GS Long nghĩ rằng người làm nghiên cứu nên tập trung vào những vấn đề mà mình có "sẵn lợi thế, thậm chí là lợi thế không công bằng". Lợi thế đó giúp các nhà toán học nhận diện và lý giải được cốt lõi vấn đề - điều mà AI chưa thể làm được.

Sự bướng bỉnh - lợi thế đặc biệt của người làm toán

Một lợi thế khác của các nhà toán học so với AI, theo GS Đào Hải Long, là sự bền bỉ, khả năng thích ứng linh hoạt nhưng giữ được sự kiên định về mặt học thuật. Nếu như ChatGPT thường có xu hướng thay đổi câu trả lời để chiều lòng người dùng, thì người làm toán lại có "sự bướng bỉnh" nhất định - và đó là một lợi thế đặc biệt của người làm toán.

Nhìn rộng hơn, việc làm rõ những lợi thế này chính là cách các nhà toán học chứng minh giá trị trong công việc của mình. "Tôi nghĩ một điều quan trọng đối với cộng đồng toán học là chúng ta phải giải thích được cho thế giới, cho những người không cùng chuyên môn, vì sao toán học vẫn cần thiết và vai trò của nhà toán học là gì", GS Đào Hải Long nhấn mạnh. "Chúng ta phải giải thích cho thế giới rằng cách sống, lối tư duy của chúng ta thực sự có giá trị. Nó giúp chúng ta nhìn ra những giá trị thật giữa một khung cảnh rất hỗn loạn. Chúng ta có khả năng đánh giá vấn đề một cách thực chất."

"Nếu để các công ty AI kể câu chuyện thì họ sẽ muốn chứng minh rằng họ gần như đã ‘giải quyết xong’ toán học rồi. Chúng ta không thể để người khác định nghĩa công việc của mình. Chúng ta phải tự giành lấy quyền định nghĩa công việc của chúng ta".