Bạn có bao giờ tự hỏi: Làm thế nào Google biết chính xác trang web bạn muốn tìm? Làm sao để tính toán lượng Uranium cần thiết để chế tạo một quả bom nguyên tử? Hay bằng cách nào các mô hình AI có thể đoán được từ tiếp theo trong câu bạn đang viết?
Tất cả những câu trả lời này đều bắt nguồn từ một cuộc đối đầu toán học cực kỳ gay gắt tại Nga hơn 100 năm trước. Từ cuộc chiến tư tưởng đó, một khái niệm toán học kỳ lạ đã ra đời và âm thầm định hình thế giới hiện đại: Chuỗi Markov (Markov Chain).
1. Cuộc chiến tư tưởng: Từ ý chí tự do đến bài thơ của Pushkin
Vào năm 1905, nước Nga rơi vào trạng thái chia rẽ sâu sắc giữa phe ủng hộ Sa hoàng và phe xã hội chủ nghĩa. Sự chia rẽ này gay gắt đến mức nó len lỏi vào cả giới toán học.
- Pavel Necrasov (Phe Sa hoàng): Một nhà toán học sùng đạo. Ông cố gắng dùng toán học để chứng minh “ý chí tự do” của con người và ý nguyện của Chúa. Luận điểm của ông dựa trên Định luật số lớn (Law of Large Numbers) – định luật phát biểu rằng khi bạn thực hiện một thử nghiệm độc lập (như tung đồng xu) đủ nhiều lần, tỷ lệ kết quả sẽ hội tụ về một con số chính xác. Necrasov lập luận: Vì các thống kê xã hội (như tỷ lệ tội phạm, tỷ lệ kết hôn) luôn ổn định qua các năm, nên các quyết định của con người phải độc lập với nhau, tức là con người có ý chí tự do.
- Andrei Markov (Phe Xã hội): Một người vô thần, được mệnh danh là “Andrei phẫn nộ”. Ông không chấp nhận việc lồng ghép tôn giáo vào toán học một cách thiếu nghiêm túc. Markov quyết tâm chứng minh Necrasov đã sai bằng cách chỉ ra rằng: Ngay cả các sự kiện phụ thuộc lẫn nhau vẫn có thể hội tụ theo Định luật số lớn.
Để chứng minh, Markov đã tự tay phân tích 20.000 ký tự trong tác phẩm thơ kinh điển Eugene Onegin của Pushkin [05:18]. Ông nhận ra việc chữ cái tiếp theo là nguyên âm hay phụ âm phụ thuộc rất lớn vào chữ cái đứng ngay trước nó (ví dụ: hai nguyên âm rất hiếm khi đứng liền nhau).
Markov lập ra một mô hình dự đoán dựa trên xác suất chuyển đổi giữa hai trạng thái (Nguyên âm và Phụ âm). Khi chạy mô hình này lặp đi lặp lại, tỷ lệ xuất hiện của chúng vẫn hội tụ chính xác về con số thực tế: 43% nguyên âm và 57% phụ âm [08:05].
Chuỗi Markov ra đời từ đó: Một chuỗi các sự kiện mà trong đó, xác suất của trạng thái tiếp theo chỉ phụ thuộc vào trạng thái hiện tại, hoàn toàn không quan tâm đến quá khứ xa xôi. Người ta gọi đây là tính chất “mất trí nhớ” (memoryless) [29:05].
2. Dự án Manhattan và Bí mật bên trong Quả bom nguyên tử
Khi mới ra đời, Chuỗi Markov chỉ được coi là một lý thuyết phân tích thuần túy. Nhưng đến Thế chiến II, nó đã trở thành chìa khóa cho một vũ khí thay đổi lịch sử.
Trong Dự án Manhattan, các nhà khoa học phải đối mặt với một bài toán bất khả thi: Làm sao biết được cần bao nhiêu Uranium-235 để tạo ra phản ứng dây chuyền kích nổ bom? Việc tính toán chính xác hướng đi của hàng nghìn tỷ hạt nơ-trôn (neutron) khi chúng va chạm liên tục trong lõi bom là điều không thể làm bằng tay.
Nhà toán học Stanislav Ulam, trong thời gian dưỡng bệnh, đã chơi trò bài cô độc (Solitaire) và nảy ra ý tưởng: Thay vì tính toán công thức phức tạp, tại sao không mô phỏng ngẫu nhiên hàng trăm ván bài để tìm ra tỷ lệ thắng? [12:15]
Khi đem ý tưởng này thảo luận với thiên tài John von Neumann, Von Neumann nhận ra ngay một vấn đề: Các hạt nơ-trôn không độc lập như những quân bài. Hướng đi tiếp theo của một hạt phụ thuộc vào vị trí và năng lượng hiện tại của nó. Nó chính là một Chuỗi Markov! [13:23]
Họ đã lập trình cho ENIAC – máy tính điện tử đầu tiên trên thế giới – giả lập các chuỗi hành vi của nơ-trôn (đâm vào nguyên tử khác, bị hấp thụ hoặc bay ra ngoài) dựa trên xác suất của trạng thái hiện tại. Phương pháp mô phỏng thống kê này được đặt tên là Phương pháp Monte Carlo [15:58] (lấy tên một sòng bạc nổi tiếng), giúp Hoa Kỳ chế tạo thành công quả bom nguyên tử đầu tiên mà không cần giải các phương trình vi phân bất khả thi.
3. Thuật toán PageRank: Bản hợp đồng tỷ đô của Google
Đến những năm 1990, Internet bùng nổ, mở ra một đại dương thông tin hỗn loạn. Các công cụ tìm kiếm thời bấy giờ (như Yahoo) xếp hạng trang web đơn thuần dựa vào số lần từ khóa xuất hiện trên trang. Hệ quả là người dùng dễ dàng bị lừa bởi các trang web rác nhồi nhét từ khóa ẩn [19:14].
Hai sinh viên PhD tại Stanford là Larry Page và Sergey Brin đã tiếp cận bài toán theo một hướng hoàn toàn khác: Họ coi toàn bộ Internet như một Chuỗi Markov khổng lồ [20:35].
- Mỗi trang web là một “trạng thái”.
- Các đường link dẫn từ trang này sang trang khác là “xác suất chuyển đổi”.
- Họ giả lập một “người lướt web ngẫu nhiên” (random surfer) liên tục bấm vào các đường link. Nếu người đó dành nhiều thời gian ở một trang web nào đó, chứng tỏ trang đó có chất lượng cao vì được nhiều trang khác dẫn link tới (như một sự đảm bảo uy tín).
Thuật toán này được đặt tên là PageRank [22:35] (vừa có nghĩa là xếp hạng trang, vừa là cách chơi chữ theo họ của Larry Page). Nhờ PageRank, Google luôn trả về kết quả chính xác nhất ngay từ lần tìm kiếm đầu tiên, nhanh chóng đánh bại gã khổng lồ Yahoo và xây dựng nên một đế chế công nghệ trị giá hàng nghìn tỷ đô la như ngày nay.
4. Từ Claude Shannon đến cuộc cách mạng Trí tuệ Nhân tạo (AI)
Vào những năm 1940, Claude Shannon – cha đẻ của lý thuyết thông tin – đã thử dùng Chuỗi Markov để dự đoán từ tiếp theo trong một câu văn [25:22]. Ông nhận ra rằng nếu chúng ta tăng lượng từ phía trước làm dữ kiện gợi ý (ngữ cảnh càng dài), câu văn được máy tính tự động tạo ra sẽ càng có nghĩa.
Nguyên lý này chính là nền móng sơ khởi của các Mô hình ngôn ngữ lớn (LLM) ngày nay như ChatGPT hay Gemini. Về bản chất, các AI này vẫn đang chơi trò chơi dự đoán: “Với chuỗi ký tự (token) hiện tại, từ tiếp theo có xác suất xuất hiện cao nhất là gì?” [26:57].
Dù các mô hình AI hiện đại đã được nâng cấp mạnh mẽ bằng cơ chế “chú ý” (Attention) để hiểu ngữ cảnh sâu hơn, nhưng gốc rễ tư tưởng của chúng vẫn gắn liền với lý thuyết toán học mà Markov đã tìm ra từ việc đếm chữ trong bài thơ của Pushkin.
Lời kết: Sức mạnh của sự đơn giản
Một trong những điều kỳ diệu nhất của toán học là khả năng đơn giản hóa. Một hệ thống có thể có lịch sử vô cùng phức tạp (như thời tiết trong nhiều tuần, hành trình của một hạt bụi, hay các bước đi của một ván bài), nhưng Chuỗi Markov chỉ ra rằng: Đôi khi bạn chỉ cần nhìn vào hiện tại để dự đoán tương lai.