Một nhà toán học có thể mất cả đời cho một bài toán: AI thử cách khác — cho 10.000 agent cùng nghiên cứu trong 88 giờ

Một nhà toán học có thể dành nhiều năm, thậm chí cả sự nghiệp, để theo đuổi một bài toán khó. OpenAI vừa thử một cách tổ chức nghiên cứu gần như ngược lại: không đặt toàn bộ gánh nặng lên một dòng suy nghĩ duy nhất, mà cho khoảng 10.000 agent AI chạy đồng thời, chia nhau thăm dò nhiều hướng, trao đổi kết quả và dồn tài nguyên vào những nhánh có tín hiệu tốt nhất.

Theo công bố của OpenAI ngày 8/9/2026, hệ thống này mất khoảng 88 giờ để đi tới một lời giải được đề xuất cho bài toán tồn tại và tính trơn của phương trình Navier–Stokes, một trong bảy Millennium Prize Problems. Riêng quá trình làm Navier–Stokes tạo ra khoảng 2,7 triệu thông điệp giữa các agent và 130 tỷ output token. Sau đó, GPT‑6 Astra mất thêm 17 giờ để hình thức hóa và kiểm tra chứng minh trong Lean.

Những con số đó dễ dẫn tới headline kiểu “AI giải trong vài ngày bài toán con người vật lộn gần một thế kỷ”. Nhưng phần đáng quan tâm hơn nằm ở cách hệ thống làm việc. Nếu kết quả vượt qua kiểm tra độc lập, đây không chỉ là câu chuyện một mô hình thông minh hơn. Nó cho thấy một cách biến năng lực suy luận thành một quy trình nghiên cứu có thể mở rộng bằng tài nguyên tính toán.

Đây không phải 10.000 “nhà toán học số” ngồi cạnh nhau

“10.000 agent” không có nghĩa là 10.000 trí tuệ độc lập với nền tảng và trực giác riêng như 10.000 nhà nghiên cứu con người. Chúng là các phiên làm việc được điều phối, cùng dựa trên một mô hình nội bộ mà OpenAI nói là mạnh hơn GPT‑6 Astra. Các agent có thể đọc một bản cache của Internet, chạy code và giao tiếp trong từng nhóm.

OpenAI cho biết họ cố tình tạo ra nhiều nhóm với cách đặt bài toán khác nhau. Với Navier–Stokes, một số nhóm được giao tìm hướng chứng minh các phương án A và B trong phát biểu chính thức của Clay Mathematics Institute; các nhóm khác tìm phản ví dụ theo phương án C và D. Cách tổ chức này quan trọng vì một bài toán mở thường không thất bại do thiếu thêm vài bước biến đổi đại số. Nó thất bại vì không biết hướng nào đáng theo đuổi.

Hệ thống còn được cho thử các bài toán liên quan dễ hơn. Gần 100 agent đã làm việc khoảng 50 giờ trên bài toán regularity của phương trình Euler không có ngoại lực và đưa ra một phản chứng. Sau kết quả đó, OpenAI chuyển thêm tài nguyên sang Navier–Stokes và cung cấp lời giải Euler cho các nhóm đang làm bài toán lớn hơn. Công ty cũng dùng Codex để tổng hợp những ý tưởng hữu ích giữa các nhóm, tức là các nhánh tìm kiếm không hoàn toàn cô lập mà được “lai” thông tin khi có tiến triển.

Điểm mới nằm ở cách phân bổ compute, không chỉ ở model

Một nhà toán học thường không thể thử hàng nghìn chiến lược thật sự độc lập trong cùng một buổi chiều. Con người phải chọn hướng dựa trên kinh nghiệm, trực giác và kiến thức về lĩnh vực, sau đó đầu tư rất sâu vào một số ít nhánh. Đó vừa là sức mạnh, vừa là giới hạn về băng thông.

Hệ thống đa agent đổi bài toán kinh tế đó. Nếu chi phí tính toán cho phép, nó có thể mở rất nhiều nhánh song song, loại bỏ phần lớn nhánh thất bại, chuyển các bổ đề hoặc cấu trúc trung gian sang nhóm khác và tiếp tục từ đó. Ở đây, 88 giờ không nên được hiểu đơn giản là “AI nhanh gấp bao nhiêu lần con người”. Thời gian đồng hồ đã được đổi lấy một lượng compute khổng lồ và một số lượng đường thử mà một cá nhân không thể thực hiện song song.

Con số 130 tỷ output token càng làm rõ điều này. Đây không phải một phiên chat dài hơn bình thường, mà gần với một quá trình tìm kiếm công nghiệp: sinh rất nhiều ứng viên, tranh luận, kiểm tra, sửa và hợp nhất. Hiệu quả của cách làm đó vẫn là một câu hỏi mở; OpenAI không công bố chi phí tính toán đầy đủ cho riêng Navier–Stokes. Nhưng về mặt phương pháp, nó cho thấy “test-time compute” có thể được dùng để mua thêm độ rộng cho nghiên cứu, thay vì chỉ cho một mô hình suy nghĩ lâu hơn trên một chuỗi duy nhất.

AI thực sự tuyên bố đã chứng minh điều gì?

Phương trình Navier–Stokes mô tả chuyển động của chất lưu như nước và không khí. Câu hỏi Millennium Prize không phải là “chúng ta có dùng được phương trình này không” — chúng đã được dùng rộng rãi trong khoa học và kỹ thuật — mà là một vấn đề toán học nền tảng: trong ba chiều, một trạng thái ban đầu trơn có luôn tiếp tục trơn mãi hay có thể hình thành kỳ dị trong thời gian hữu hạn?

Bản thảo 166 trang của OpenAI xây dựng một nghiệm bắt đầu từ trạng thái nghỉ, chịu một ngoại lực trơn và có hỗ trợ compact. Vận tốc trở nên không bị chặn khi tiến tới một thời điểm hữu hạn, trong khi động năng vẫn bị chặn. Theo phát biểu chính thức của Clay, điều này tương ứng với phương án C; nhờ tính compact của cấu trúc, bài báo nói kết quả cũng cho phương án D trên không gian tuần hoàn.

Chi tiết “có ngoại lực” rất quan trọng. Phát biểu Millennium Prize của Clay cho phép giải bài toán theo hai hướng: chứng minh nghiệm luôn tồn tại và trơn trong các trường hợp A/B, hoặc xây dựng một trường hợp phá vỡ tính trơn theo C/D, trong đó C/D cho phép một ngoại lực đủ trơn. Vì vậy, không nên diễn giải kết quả thành việc AI đã chứng minh rằng một cốc nước bình thường có thể tự tạo vận tốc vô hạn.

Cấu trúc mà OpenAI xây dựng là một xoáy chất lưu cuộn vào trong và đồng thời bị kéo dài theo trục. Khi vùng lõi co lại, vận tốc tăng lên; bài toán kỹ thuật là sắp xếp các thành phần gia tốc, áp suất, truyền động lượng và nhớt triệt tiêu nhau đủ chính xác để ngoại lực còn lại vẫn trơn, thay vì “nhét” một kỳ dị vào hệ thông qua một lực vô hạn.

Lean thay đổi ý nghĩa của một “câu trả lời AI”

Một điểm khác biệt lớn so với các tuyên bố AI giải toán trước đây là OpenAI không chỉ đăng một bản chứng minh bằng văn xuôi. Công ty còn công khai formalization bằng Lean, một proof assistant có thể kiểm tra các bước suy luận theo những định nghĩa và tiên đề được chỉ rõ.

Điều đó giải quyết một điểm yếu quen thuộc của mô hình ngôn ngữ: văn bản có thể nghe rất thuyết phục nhưng chứa một bước suy luận sai. Với chứng minh hình thức, mục tiêu là biến lập luận thành một đối tượng mà máy kiểm chứng có thể từ chối nếu một mắt xích không hợp lệ.

Tuy nhiên, “Lean chạy qua” không đồng nghĩa tự động với việc toàn bộ cộng đồng toán học đã chấp nhận bài toán Millennium Prize được giải. Vẫn cần kiểm tra độc lập xem phát biểu được formalize có đúng với định lý mà bài báo tuyên bố hay không, các giả thiết có khớp phát biểu chính thức của Clay hay không, và toàn bộ chứng minh có đứng vững dưới sự soi xét của chuyên gia hay không.

Tính đến ngày 10/9/2026, Clay Mathematics Institute vẫn liệt kê Navier–Stokes là “Unsolved”. Theo quy định của Clay, một lời giải muốn được xem xét cho Millennium Prize phải xuất hiện ở một kênh xuất bản đủ điều kiện, ít nhất hai năm phải trôi qua và kết quả phải nhận được sự chấp nhận rộng rãi của cộng đồng toán học. OpenAI cũng tuyên bố họ không có ý định nhận giải thưởng 1 triệu USD.

88 giờ cũng không bắt đầu từ khoảng trống

Câu chuyện càng không nên được kể như thể AI bước vào một vùng đất chưa ai đặt chân tới. Chính bài báo của OpenAI đặt công trình trong một chuỗi dài kết quả trước đó về Navier–Stokes, Euler, blowup và các kỹ thuật xây dựng kỳ dị. Các tác giả dẫn những công trình của Diego Córdoba, Luis Martínez-Zoroa và nhiều nhóm khác làm nền cho chiến lược hình thành kỳ dị qua nhiều thang đo.

Còn có một tranh cãi về nghiên cứu song song. OpenAI nói họ bắt đầu chiến dịch vào ngày 1/9 sau khi nghe tin đồn rằng hai Millennium Prize Problems có thể đã có tiến triển; sau đó họ xác định tin đồn liên quan tới Levent Alpöge và Tristan Buckmaster. OpenAI khẳng định nhóm và các agent không xem công trình chưa công bố của hai nhà toán học này trước khi hoàn tất kết quả, đồng thời nói không thể loại trừ hoàn toàn khả năng dữ liệu đã được khử định danh từ việc sử dụng sản phẩm trước đó từng góp phần cải thiện mô hình.

Các cáo buộc và phản bác về quyền ưu tiên, dữ liệu và cách công bố hiện chưa có một kết luận độc lập cuối cùng. Nhưng chúng nhắc lại một điểm quan trọng: một hệ thống AI nghiên cứu toán học không hoạt động ngoài lịch sử của toán học. Nó tìm kiếm trong một không gian ý tưởng được tạo nên bởi hàng thập kỷ công trình của con người, tài liệu có sẵn, công cụ hình thức và cách người nghiên cứu đặt vấn đề.

Nếu cách này đứng vững, nghề làm toán có thể đổi ở đâu?

Điều dễ hình dung nhất không phải là “AI thay nhà toán học”, mà là nút thắt của công việc chuyển vị trí. Khi khả năng thử nghiệm ý tưởng trở nên rất rẻ về thời gian đồng hồ nhưng rất đắt về compute, vai trò của con người có thể dồn nhiều hơn vào việc chọn câu hỏi, phân rã bài toán, thiết kế tiêu chí kiểm tra, phát hiện khi hệ thống đang tối ưu sai mục tiêu và biến một chứng minh khổng lồ thành hiểu biết toán học có thể sử dụng tiếp.

Toán học đặc biệt thuận lợi cho mô hình này vì nhiều kết quả có thể được formalize và kiểm chứng bằng proof assistant. Trong hóa học, sinh học hay khoa học vật liệu, một agent có thể đề xuất hàng nghìn giả thuyết nhưng phần “verifier” thường là thí nghiệm vật lý chậm, đắt và có nhiễu. Do đó, thành công của một swarm agent trong toán chưa thể suy rộng trực tiếp thành khả năng tăng tốc mọi ngành khoa học theo cùng tỷ lệ.

Nếu chứng minh Navier–Stokes của OpenAI vượt qua kiểm tra độc lập, ý nghĩa lâu dài có thể nằm ở chính quy trình: một mô hình mạnh, hàng nghìn agent chạy song song, cơ chế chia sẻ kết quả giữa các nhóm, công cụ lập trình và một lớp kiểm chứng hình thức ở cuối. Đó là một cách làm nghiên cứu khác hẳn hình ảnh một bộ óc đơn độc theo đuổi một ý tưởng suốt nhiều năm.

Và đó cũng là lý do con số 88 giờ nên được đọc cẩn thận. Nó không chứng minh rằng 88 giờ của máy tương đương một đời người. Nó cho thấy khi có thể nhân rộng số nhánh suy luận lên hàng nghìn và vẫn có một cơ chế kiểm chứng đủ chặt, tốc độ của nghiên cứu không còn bị giới hạn bởi một dòng suy nghĩ duy nhất.