Toán học trong Kỷ nguyên AI: Khi Lời giải trở nên “Dư thừa” và Giá trị Con người được Định nghĩa lại
Bài viết tổng hợp và phân tích dựa trên bài trình bày tại Đại hội Nhà toán học Quốc tế 2026 (ICM 2026) của Giáo sư Terence Tao (Đại học California, Los Angeles - UCLA), kết hợp cùng bộ slide chính thức của ông.
1. Khủng hoảng Nền tảng: Câu chuyện Lịch sử lặp lại
Trước thế kỷ 20, các nhà toán học tin rằng toán học là một “tòa lâu đài tuyệt đối hoàn hảo” — nơi mọi thứ đều có thể chứng minh là đúng hoặc sai một cách logic. Họ dùng các khái niệm như tập hợp, số, vô cùng… theo thói quen và bản năng một cách ngây thơ mà chưa hề viết ra một bộ luật hay một nền tảng thực sự chặt chẽ để định nghĩa chúng.
Tuy nhiên, bước sang đầu thế kỷ 20, sự xuất hiện của Nghịch lý Russell (1901) hay Định lý Bất toàn của Gödel (1931) đã giội một gáo nước lạnh vào toàn bộ cộng đồng.
Bertrand Russell chỉ ra rằng cách các nhà toán học dùng khái niệm “tập hợp” lúc bấy giờ chứa đựng mâu thuẫn nội tại cực kỳ nghiêm trọng. Russell đặt câu hỏi về “tập hợp của tất cả các tập hợp không chứa chính nó”. Điều này chứng minh logic toán học thời đó bị hổng, dẫn tới mâu thuẫn tự xé rách chính nó.
Kurt Gödel đưa ra một phát hiện còn chấn động hơn: Trong bất kỳ hệ thống toán học nào đủ phức tạp, sẽ luôn tồn tại những mệnh đề đúng nhưng KHÔNG THỂ CHỨNG MINH ĐƯỢC bằng các quy tắc của hệ thống đó. Nói cách khác, toán học không bao giờ có thể “hoàn hảo và khép kín” 100% như con người từng mơ ước.
Tình huống đó châm ngòi cho cuộc khủng hoảng kéo dài 30 năm, buộc các nhà toán học phải nhìn nhận lại các giả định ngầm của mình. Nhưng chính từ đám tro tàn của cuộc khủng hoảng ấy, một hệ thống logic và lý thuyết tập hợp nghiêm ngặt đã ra đời, trở thành bệ phóng vững chắc cho toán học hiện đại.
Các nhà toán học không còn dùng các khái niệm một cách tùy tiện. Hệ đề tài ZFC (Zermelo–Fraenkel cùng với Đề tài Chọn) ra đời. Mọi khái niệm toán học ngày nay (từ số học, hình học đến giải tích) đều phải được định nghĩa chính xác từ các tập hợp cơ bản thông qua hệ đề tài này để tránh gặp phải nghịch lý như Russell. Chính nhờ việc chuẩn hóa logic một cách siêu nghiêm ngặt này mà ngành Khoa học Máy tính (Computer Science) và ngôn ngữ lập trình sau này mới có thể ra đời.
Theo Terence Tao, chúng ta đang bước vào một thời kỳ biến động tương tự. Điểm khác biệt duy nhất là lần này, toán học không khủng hoảng về mặt logic, mà khủng hoảng về giá trị và thực hành nghiên cứu trước sự bùng nổ của Trí tuệ Nhân tạo.
2. Giả thuyết Năng lực AI & Giả định Làm việc
Khi bàn về AI trong toán học, Terence Tao đề xuất một góc nhìn mang tính “meta-toán học”. Ông đưa ra Giả thuyết Năng lực AI (AI Capability Conjecture), cho rằng trong tương lai gần, các công cụ AI với mức chi phí và sự giám sát hợp lý từ con người sẽ đủ sức hoàn thành nhiều tác vụ nghiên cứu toán học phức tạp.
Thực tế đã minh chứng cho điều này qua dự án First Proof (1stproof.org) diễn ra vào tháng 5/2026. Khi đưa 10 bài toán nghiên cứu hoàn toàn mới cho 4 hệ thống AI thử nghiệm dưới điều kiện kiểm soát nghiêm ngặt, kết quả thu được vô cùng bất ngờ: 7 trên 10 bài toán đã được AI giải quyết đạt chất lượng có thể xuất bản trên các tạp chí chuyên ngành, với chi phí tính toán chỉ từ 10 đến 1.000 USD mỗi bài.
Dù giả thuyết này có đúng hoàn toàn hay không, Terence Tao đề nghị cộng đồng hãy chấp nhận một Giả định Làm việc (Working Hypothesis): Hãy giả định rằng AI sẽ sớm làm chủ được một phần lớn các tác vụ nghiên cứu. Khi ấy, câu hỏi cốt lõi không còn nằm ở việc tranh cãi “AI có thể làm toán hay không”, mà là “Mục tiêu và giá trị thực sự của cộng đồng toán học sẽ là gì khi AI giải toán vượt trội hơn con người?”
3. Định luật Goodhart và Sự phân kỳ của các Mục tiêu
Trong lịch sử, các mục tiêu của toán học vốn song hành và hỗ trợ lẫn nhau. Việc giải quyết bài toán, xây dựng lý thuyết mới, thấu hiểu tự nhiên, đào tạo thế hệ kế thừa hay kết nối cộng đồng thường tạo ra tác động dây chuyền tích cực.
Thế nhưng, khi một công cụ như AI xuất hiện và đẩy tốc độ tối ưu hóa lên mức tối đa, nó chạm phải Định luật Goodhart (1975): “Khi một thước đo trở thành một mục tiêu, nó không còn là một thước đo tốt nữa.” AI có khả năng tối ưu hóa các con số thuần túy mà không bị ràng buộc bởi thực tế hay cảm xúc. Nếu cộng đồng quá sa đàm vào việc dùng AI để tối ưu chỉ số “số lượng bài toán được giải”, các mục tiêu gắn kết chặt chẽ trước đây sẽ bắt đầu phân kỳ và xung đột gay gắt với nhau.
4. Bóc tách Hành trình Giải toán trong Kỷ nguyên Mới
Để làm rõ sự xung đột này, Terence Tao đã phân tích sự thay đổi trong cấu trúc của việc giải toán qua từng chặng phát triển khi có sự tham gia của AI.
Ở những nấc thang đầu tiên, mục tiêu giải nhiều bài toán nhanh chóng bộc lộ điểm yếu khi tạo ra hàng loạt lời giải rác. Khi nâng cấp mục tiêu lên thành “giải toán và kiểm chứng tính đúng đắn” thông qua các ngôn ngữ kiểm chứng máy tính như Lean hay Rocq, một kịch bản kỳ lạ lập tức xuất hiện: AI tạo ra những chứng minh dài hàng ngàn dòng, máy tính xác nhận chuẩn xác 100%, nhưng không một nhà toán học nào — kể cả người nhập lệnh cho AI — có thể hiểu nổi bản chất của lời giải.
Nhận thức này buộc mục tiêu phải dịch chuyển sang khâu Diễn giải và Truyền đạt (Exposition). Lời giải không chỉ cần đúng mà phải được trình bày sao cho cộng đồng hiểu được. Tuy nhiên, AI hiện tại diễn giải toán theo một cách rất ngô nghê. Bề ngoài câu từ và ngữ pháp của nó hoàn toàn hoàn hảo, nhưng trọng tâm tư duy lại lệch lạc. AI có thể dành hàng trang giấy để giải thích những bổ đề hiển nhiên, trong khi lướt qua hoặc làm lu mờ hoàn toàn những bước ngoặt tư duy đột phá nhất.
Terence Tao chia sẻ lại kỷ niệm năm 1991 khi ông còn là sinh viên cao học, chật vật đọc từng trang báo của nhà toán học Jean Bourgain. Những dòng ghi chú kín lề và các dấu hỏi chấm đầy thất vọng đã rèn dũa nên tư duy của ông. “Ma sát tự nhiên” trong lời giải do con người viết ra giúp người đọc phải chậm lại để thực sự tiêu hóa tri thức. Nếu AI làm mượt lời giải quá mức, nó sẽ xóa sạch sự “ma sát” vô giá đó, tạo ra những bài báo đọc rất trôi chảy nhưng hoàn toàn rỗng tuếch về mặt tư duy.
Một lời giải chỉ thực sự hoàn thành sứ mệnh khi nó đi qua hai cột mốc cuối cùng: Sự tiếp nhận của cộng đồng (Digestion) và Sự chuẩn hóa (Canonicalization). Đó là khi công trình được các đồng nghiệp phản biện, thấu hiểu, ứng dụng vào nghiên cứu mới, và cuối cùng được đúc kết vào sách giáo khoa để giảng dạy cho thế hệ tiếp theo. Đây là giai đoạn chậm nhất, đòi hỏi sự đồng thuận sâu sắc giữa người với người — nơi mà AI hoàn toàn bất lực.
5. Từ Khan hiếm sang Dư thừa: Căn bệnh “Bội thực Chứng minh”
Toán học đã trải qua hàng ngàn năm tồn tại trong Thời kỳ Khan hiếm — khan hiếm ý tưởng, khan hiếm góc nhìn và khan hiếm lời giải. Sự can thiệp của AI đang đẩy toán học bước sang Thời kỳ Dư thừa với tốc độ chóng mặt.
Nếu không thay đổi tư duy, cộng đồng sẽ sớm rơi vào trạng thái “bội thực chứng minh”. Hàng vạn chứng minh do AI tạo ra sẽ nằm đắp chiếu chờ kiểm chứng; các chứng minh đã xác minh lại nằm chờ được viết lại cho dễ đọc; hệ thống phản biện truyền thống bị nhấn chìm dưới đống tài liệu khổng lồ; và các công trình xuất bản thì quá nhiều đến mức không ai đủ sức hệ thống hóa chúng thành kiến thức giảng dạy.
Thách thức này giống như việc xã hội chuyển từ thời kỳ nạn đói sang thời kỳ béo phì. Khi thức ăn dư thừa, năng lực quan trọng nhất không phải là cố gắng ăn hết tất cả, mà là phải có gu thẩm mỹ, biết gạn lọc dinh dưỡng và kiên quyết loại bỏ rác thải.
6. Định hướng Hành động cho Tương lai
Để thích ứng với kỷ nguyên mới, Terence Tao đã gợi mở những định hướng mang tính chiến lược cho cộng đồng toán học:
Trực diện nhất là việc bình thường hóa việc minh bạch sử dụng AI. Cần tránh kịch bản các nhà nghiên cứu lén lút sử dụng AI rồi che giấu vì sợ dèm pha. Thay vào đó, việc công khai ranh giới ứng dụng AI cần được xem là tiêu chuẩn đạo đức mới.
Song song với đó, cộng đồng cần hạ bớt sự tôn sùng đối với việc “giải bài toán đầu tiên” hay “tạo ra chứng minh”, để dồn tài nguyên tôn vinh giai đoạn “thấm nhuần chứng minh”. Những đóng góp trong việc diễn giải, đúc kết, giảng dạy và hệ thống hóa lý thuyết cần được ghi nhận bình đẳng với việc tìm ra lời giải.
Về quy chuẩn xuất bản, ông đề xuất một quy tắc vàng: Tác giả chỉ được xuất bản nếu có thể chứng minh bản thân đủ khả năng thuyết trình chuyên sâu, rõ ràng và làm chủ hoàn toàn bản chất của công trình do họ đứng tên.
Cuối cùng, lĩnh vực giáo dục và đào tạo phải là nơi bảo vệ nghiêm ngặt nhất các giá trị con người. Việc cho học sinh, sinh viên dùng AI quá sớm có thể triệt hạ khả năng tư duy tự thân. Tương tự như việc con người phải tập đi, tập chạy trước khi cầm lái ô tô, hay phải học tính tay trước khi bấm máy tính bỏ túi, tư duy toán học cốt lõi của thế hệ trẻ bắt buộc phải được rèn luyện hoàn toàn độc lập với máy móc.
Lời kết
Trí tuệ nhân tạo có thể giải quyết các bài toán với tốc độ vượt xa khả năng của con người, nhưng sự thấu hiểu, cảm hứng sáng tạo, việc xây dựng cộng đồng và truyền cảm hứng cho thế hệ mai sau vẫn mãi là đặc quyền riêng của nhân loại. Tương lai của toán học không nằm ở cuộc đua tốc độ với máy móc, mà ở cách con người làm chủ công cụ để mở rộng và làm sâu sắc hơn kho tàng tri thức của chính mình.