AI Toán học, đang đón nhận khoảnh khắc "vả mặt" giống hệt làng cờ vây mười năm trước.
Người đưa ra đánh giá tương tự, không ai khác, chính là Hassabis, đồng sáng lập DeepMind, người đã thúc đẩy dự án AlphaGo mười năm trước.
Dù gần đây Hassabis trải qua một loạt thay đổi vai trò - từ CEO DeepMind chuyển sang làm Nhà khoa học trưởng kiêm Chủ tịch DeepMind tại Google.
Nhưng khi bàn về việc AI thay đổi nhận thức con người như thế nào, ông vẫn là một trong những người có tiếng nói nhất.
Mười năm trước, ông trực tiếp chứng kiến AlphaGo với nước đi thứ 37 chấn động, đánh bại kỳ thủ huyền thoại Lee Sedol.
Mười năm sau, đứng tại tiền tuyến nơi AI tấn công vào biên giới Toán học và Khoa học, ông lại đưa ra một nhận định mới:
Nếu AI có thể giải quyết một bài toán khó thuộc Giải thưởng Thiên niên kỷ trong Toán học, đó sẽ là đột phá lớn ở cấp độ "Nước đi thứ 37". Hiện tại mà xem, việc AI đạt đến trình độ đó dường như chỉ là vấn đề thời gian, tôi không thấy lý do gì lại không thể.
Nước đi thứ 37, một khoảnh khắc đại diện cho lần đầu tiên con người bị AI "vả mặt", từ đó được thế giới ghi nhớ.
Nhưng ít ai nhớ rằng, nước đi thứ 37 không phải là câu trả lời duy nhất mà trận đấu giữa người và máy để lại.
Hai ván sau, Lee Sedol - người đã thua liên tiếp ba trận - đã đặt xuống nước đi thứ 78.
Nước đi này cũng chỉ có xác suất con người đi là một phần vạn, nhưng lại thành công làm rối loạn AlphaGo, giúp Lee Sedol giành chiến thắng duy nhất của con người trong năm ván cờ.
Mười năm sau nhìn lại trận đấu giữa người và máy này, không khỏi cảm thán:
Mối quan hệ giữa con người và AI, đúng như hai con số này.
Một khiến con người nhận thức lại về AI, một khiến con người nhận thức lại về chính mình.
Nước đi thứ 37 khiến nhân loại mất mặt
Quay ngược thời gian về tháng 3/2016, trận đấu năm ván giữa AlphaGo và Lee Sedol đang diễn ra tại Seoul, Hàn Quốc.
Ván đấu đầu tiên, Lee Sedol không địch lại AlphaGo, khởi đầu bất lợi.
Đến ván thứ hai, cả thế giới đang chờ đợi vị kỳ thủ huyền thoại này phản công.
Cờ đến trung cuộc, Lee Sedol tạm rời bàn cờ, hút một điếu thuốc để bình tâm, nhưng khi quay trở lại trước bàn cờ, một quân đen đã được đặt xuống.
Nước đi thứ 37.
Lee Sedol không ngồi xuống ngay, ông đứng tại chỗ nhìn chằm chằm vào bàn cờ, gần như không thể tin vào mắt mình.
Lý do rất đơn giản, nước đi này quá không giống con người.
AlphaGo đặt quân cờ trên đường thứ năm, lệch khỏi trực giác khai cuộc mà các kỳ thủ chuyên nghiệp đã duy trì hàng trăm năm. Trong nhận thức thông thường của cờ vây con người, quân cờ cần chiếm vị trí cao nhất có thể để khống chế toàn cục, nhưng AlphaGo lại đặt quân vào một khu vực chưa xảy ra giao chiến trực tiếp.
Ban bình luận tại chỗ ban đầu thậm chí nghi ngờ, liệu AlphaGo có đi sai không.
Kỳ thủ chuyên nghiệp cửu đẳng Michael Redmond phụ trách bình luận, trước quân đen này, rất lâu không thể đánh giá, chỉ có thể nói:
Tôi không biết đây là nước tốt hay xấu, nó rất kỳ lạ.
Người đồng hành thì trực tiếp hơn:
Tôi tưởng đây là một sai lầm.
Đội ngũ DeepMind sau này tính toán, xác suất kỳ thủ con người chọn nước đi này chỉ là một phần vạn.
Nhưng khi ván cờ tiếp tục tiến triển, mọi người mới dần nhìn ra, đây không phải là nước cờ dở, mà là một nước diệu kỳ thay đổi cục diện trên quy mô lớn hơn.
Khoảng 100 nước sau, quân đen tưởng như đặt sai vị trí này, lại trở thành chìa khóa giúp AlphaGo thắng ván đấu thứ hai.
Về sau, khoảnh khắc khiến con người tập thể đánh giá sai này, dần bị gọi vui là "khoảnh khắc vả mặt" –
Vốn tưởng là AI sai, hóa ra sai lại là chính con người.
Tuy nhiên, ngoài việc "vả mặt", nước đi này cũng khiến cả thế giới lần đầu nhận ra, AI không chỉ biết bắt chước con người đánh cờ, nó còn có thể đi ra những nước mà con người chưa từng nghĩ tới.
Và ngay mười năm sau, "Nước đi thứ 37" đích thực đã xuất hiện trở lại, và lần này nó có liên quan đến một bộ môn khoa học cổ xưa:
Toán học.
Đối với AI, cờ vây và toán học có một điểm chung lớn, đó là tính có thể kiểm chứng.
Do logic và quy tắc trong các lĩnh vực này đủ rõ ràng, nên AI có thể liên tục lặp lại một quy trình đơn giản:
Thử một ý tưởng, kiểm tra nó, học từ kết quả, sau đó tiếp tục thử, cho đến khi thành công (bộ máy học tăng cường).
Cơ chế này cũng giải thích tại sao toán học lại trở thành bộ môn đầu tiên bị "Nước đi thứ 37" của AI tập trung oanh tạc.
Ở các lĩnh vực như nghiên cứu phát triển dược phẩm, sinh học, một ý tưởng có hiệu quả hay không thường cần thí nghiệm dài mới có thể kiểm chứng.
Toán học thì khác, quá trình chứng minh có thể kiểm tra từng bước, đúng là đúng, sai là sai, AI vì vậy có thể không biết mệt mỏi tìm kiếm.
Cứ như vậy, khi năng lực AI không ngừng tăng cường, biến hóa bắt đầu tăng tốc với đơn vị năm.
Lấy sự ra đời của ChatGPT làm điểm khởi đầu, năm 2023 mô hình lớn vẫn còn vấp phải một số bài toán số học cơ bản, hiện trường "9.11 và 9.9 số nào lớn hơn" từng khiến người ta vừa buồn cười vừa giận.
Nhưng đến năm 2024, AlphaProof và AlphaGeometry 2 của DeepMind đã xông vào Kỳ thi Olympic Toán học Quốc tế (IMO).
Hai hệ thống giải quyết 4 trong 6 bài toán, đạt 28 điểm, đạt trình độ huy chương bạc (chỉ kém 1 điểm so với ngưỡng huy chương vàng năm đó).
Và chỉ một năm sau, Gemini Deep Think trong thời gian quy định 4.5 giờ của kỳ thi chính thức giải quyết 5 bài toán, đạt 35 điểm, đạt trình độ huy chương vàng IMO.
Hai năm, AI từ tay mới đã tiến lên đến trình độ huy chương vàng IMO, tốc độ kinh người.
Nhưng đây mới chỉ là trường thi.
Điều thực sự khiến giới toán học cảm thấy sóng trào là AI bắt đầu từ "giải bài" tiến sang "nghiên cứu".
Năm 2025, GPT-5 tham gia giải quyết Bài toán Erdős 848, đưa ra đánh giá then chốt cần cho chứng minh.
Các nhà toán học sửa đổi, thắt chặt nó, cuối cùng hoàn thành chứng minh đầy đủ.
Cùng năm, nhà toán học UCLA Ernest Ryu nhờ sự trợ giúp của GPT-5, tìm ra điểm đột phá cho một vấn đề mở làm phiền lý thuyết tối ưu hóa suốt 40 năm.
Trong giai đoạn này, AI không chỉ tính toán đáp án, nó bắt đầu đóng góp ý tưởng then chốt.
Sau đó, thời gian đến năm 2026, một loạt vấn đề toán học trọng đại bắt đầu đạt được đột phá.
Người đầu tiên ném bom tấn vẫn là OpenAI.
Một mô hình lý luận tổng quát nội bộ nhắm vào Bài toán khoảng cách đơn vị trên mặt phẳng. Bài toán này do nhà toán học Paul Erdős đề xuất năm 1946, nghiên cứu việc đặt n điểm trên mặt phẳng, tối đa có thể tạo ra bao nhiêu cặp điểm có khoảng cách chính xác là 1.
Gần 80 năm, giới toán học phổ biến cho rằng, các cấu trúc như lưới hình vuông đã gần tối ưu.
Nhưng AI trực tiếp mượn một bộ công cụ từ lý thuyết số đại số tưởng như không liên quan, xây dựng một tập điểm mới, lật đổ giả thuyết dài hạn này.
Toàn bộ chứng minh sau đó được các nhà toán học bên ngoài kiểm tra hạt nhân.
OpenAI tuyên bố, đây là lần đầu tiên AI tổng quát tự chủ giải quyết một vấn đề mở có vị trí quan trọng trong nhánh toán học.
Tiếp ngay sau, Anthropic cũng theo một nước.
Tháng 7/2026, nhà toán học Anthropic Levent Alpöge nhờ sự trợ giúp của Claude Fable 5, tìm thấy một phản ví dụ rõ ràng cho Giả thuyết Jacobian.
Một giả thuyết làm phiền giới toán học 87 năm, cứ như vậy bị AI chứng minh sai trong một đêm.
Thậm chí còn có sự hợp tác của cả hai bên OA.
Mới hôm trước, GPT-5.6 và Fable 5 hợp lực, giải quyết một bài toán khó toán học bị bỏ ngỏ 25 năm.
(Những câu chuyện tương tự không quá nhiều...)
Tuy nhiên điều khoa trương nhất vẫn là Google, DeepMind đang biến kiểu đột phá này thành dây chuyền.
Đặc vụ toán học Aletheia của họ không chỉ tạo ra một đáp án, mà sẽ liên tục đề xuất chứng minh, kiểm tra lỗ hổng, lật đổ chính mình, rồi tìm lại đường đi mới.
DeepMind dùng nó quét 700 vấn đề mở trong cơ sở dữ liệu Giả thuyết Erdős.
Trong đó, AI tự chủ giải quyết 4 vấn đề chưa được giải, còn tham gia tạo ra nhiều thành quả toán học đạt chất lượng bài báo.
Thử nghiệm này cho thấy, AI đã bắt đầu tìm kiếm quy mô lớn vào vùng đất trống trong thế giới toán học.
Vì vậy không khó tưởng tượng:
AI giải quyết nhiều vấn đề toán học trọng đại hơn, thực sự chỉ còn là vấn đề thời gian.
Từ giải bài đến nghiên cứu, từ diễn lại kiến thức đã biết đến đề xuất đáp án chưa biết, những Nước đi thứ 37 trong lĩnh vực toán học, đang lần lượt rơi xuống.
Tìm kiếm Nước đi thứ 78 của con người
Và trước khoảnh khắc có xác suất cao sắp đến này, con người chắc chắn sẽ đối mặt với một câu hỏi hồn:
Nếu AI còn không ngừng đi ra những con đường mới mà con người chưa từng nghĩ tới, con người phải làm sao?
Nước đi thứ 78 xuất hiện trong trận đối đầu mười năm trước, có lẽ chính là đáp án.
Ván thứ tư trong năm ván, Lee Sedol - người đã thua liên tiếp ba trận - đã đóng một quân trắng vào trung tâm thế trận AlphaGo.
Nước đi này cũng lệch khỏi thông thường, AlphaGo ước tính xác suất con người đi ra cũng chỉ một phần vạn.
Sau đó, cỗ máy rối loạn đội hình.
Lee Sedol cuối cùng giành chiến thắng duy nhất của con người, nước đi thứ 78 vì vậy cũng được gọi là "Nước đi của thần".
Chiến thắng này không có nghĩa con người lại chiến thắng AI.
Nhưng ít nhất nó cho thấy, con người có thể sau khi hiểu máy móc, tìm ra bước đi tiếp theo mà máy móc không dự liệu.
Đây chính là bài học mà nước đi thứ 78 để lại cho ngày nay.
Khi AI ngày càng giỏi đưa ra đáp án, giá trị của con người sẽ chuyển nhiều hơn sang việc đặt câu hỏi, phán đoán phương hướng, và quyết định đáp án nào thực sự đáng tìm kiếm.
Mượn khái niệm "cờ người ngựa" (bán nhân mã) trong cờ vua, tức là để kỳ thủ con người cùng động cơ máy tính tác chiến chung.
P.S. Năm 1997, "Deep Blue" của IBM đánh bại nhà vô địch thế giới con người Kasparov, Kasparov năm 1998 chủ trương và tổ chức Giải đấu Cờ người ngựa đầu tiên, thăm dò khả năng hợp tác giữa con người và AI.
Hassabis cho rằng, khoa học đang bước vào một "Thời đại Bán nhân mã" tương tự:
Chúng ta đang bước vào một thời đại mà con người và máy tính cùng nhau hợp tác, tôi không biết chu kỳ này sẽ kéo dài bao lâu. Nhưng đối với những lĩnh vực rất phức tạp, thời gian này có thể sẽ rất dài. Ví dụ như lĩnh vực nghiên cứu phát triển dược phẩm, sinh học, hóa học, những lĩnh vực này rất phức tạp, tình huống biến hóa, và không thể kiểm chứng mọi thứ. Lúc này cần trực giác và sự sáng suốt của con người, để quyết định phương hướng tiến lên.
Sự biến hóa của cờ vây sau này đã chứng minh điều này.
Sau khi AlphaGo xuất hiện, AI nhanh chóng trở thành công cụ phục bàn cho kỳ thủ chuyên nghiệp, kỳ thủ có thể dùng AI kiểm tra lại các thế cờ định thức cũ, phát hiện kinh nghiệm nào thực ra không đáng tin, cũng có thể nghiên cứu những nước đi mới từng bị coi là không hợp lý.
Một nghiên cứu phân tích hơn 5.8 triệu quyết định của kỳ thủ chuyên nghiệp phát hiện:
Sau khi siêu AI xuất hiện, chất lượng nước đi của kỳ thủ con người tăng lên đáng kể, nước đi mới lạ cũng trở nên nhiều hơn.
Tuy nhiên sự việc cũng có mặt khác, đó là:
Mọi người bắt đầu phụ thuộc vào AI đưa ra đáp án, dần mất đi khả năng phán đoán đáp án.
Như Lee Sedol đã nói khi giải nghệ, đối mặt với một đối thủ không thể đánh bại, ông đã rất khó tiếp tục tận hưởng môn cờ vây từng yêu thích.
Đây có lẽ mới là vấn đề đáng cảnh giác nhất trong thời đại AI.
Khi nhiều lĩnh vực ngoài toán học chịu ảnh hưởng của AI, hệ thống mạnh mẽ hơn sẽ khiến chúng ta trở nên sáng tạo hơn, hiệu quả hơn, và cũng giống con người hơn?
Hay sẽ khiến mọi người từ bỏ nỗ lực?
Tương lai, AI còn sẽ không ngừng rơi xuống những Nước đi thứ 37.
Vấn đề còn lại là, con người có thể tìm thấy Nước đi thứ 78 của chính mình không.
Tài liệu tham khảo:
[1]https://www.wsj.com/tech/ai/move-37-ai-demis-hassabis-google-deepmind-alphago-ec832a41?st=9XMAjn&reflink=desktopwebshare_permalink
[2]https://x.com/demishassabis/status/2085914742414061886
Bài viết này đến từ tài khoản công chúng WeChat "Quantum Bit", tác giả: Quan tâm công nghệ tiền tuyến
