Ghi chép từ Việt Nam về pháp luật, công nghệ, ngôn ngữ, lịch sử, văn hóa và du lịch.

Meta công bố 6 bài báo toán học viết cùng AI Muse Spark: kết quả thật, nhưng còn thiếu nhiều dữ liệu

Thứ Năm, ngày 2/10/2026, nhóm nghiên cứu của Meta đăng bài blog Solving Open Research Problems Together (Cùng nhau giải các bài toán nghiên cứu mở). Kèm theo bài là sáu bài báo toán học, do các nhà toán học viết cùng Muse Spark, dòng model suy luận (reasoning model) độc quyền của Meta Superintelligence Labs. Theo Meta, năm trong sáu bài trả lời được những câu hỏi trước đó còn bỏ ngỏ trong chuyên ngành. Cùng ngày, Alexandr Wang, người đứng đầu mảng AI của Meta, đăng danh sách sáu đề bài lên X.

Đến năm 2026, chuyện AI hỗ trợ làm toán không còn hiếm, nên thêm một loạt kết quả chưa hẳn là tin lớn. Đợt công bố này đáng chú ý ở hai điểm. Thứ nhất là cách làm: Meta cho biết các nhà toán học dùng Muse Spark 1.1 và 1.2 ở chế độ Thinking, ngay trên giao diện chat meta.ai thông thường, không dựng thêm hệ thống hỗ trợ nghiên cứu riêng nào (Meta gọi là “scaffolding”). Thứ hai là cách ghi công: mỗi bài báo đánh dấu rõ đoạn nào do con người viết, đoạn nào do model soạn.

Sáu bài báo nói về gì

Theo mô tả của Meta:

  1. Xác suất: ngưỡng chính xác cho bài toán khớp ellipsoid với điểm Gauss (Aykut Arslan cùng Muse Spark). Bài toán hỏi: khi nào n điểm ngẫu nhiên phân phối Gauss trong không gian d chiều nằm gọn trên bề mặt một ellipsoid có tâm ở gốc tọa độ? Bài báo xác định một ngưỡng sắc nét quanh n ≈ d²/4, đúng như giả thuyết trước đó. Dưới ngưỡng, ellipsoid như vậy gần như chắc chắn tồn tại. Trên ngưỡng, gần như chắc chắn không. Trường hợp đúng tại ngưỡng vẫn chưa được giải.
  2. Phương trình vi phân: hiện tượng “nổ” (blow-up) trong thời gian hữu hạn của phương trình Schrödinger phi tuyến song điều hòa ở mức tới hạn khối lượng (Leonard Dinh cùng Muse Spark). Bài báo chứng minh các nghiệm đối xứng xuyên tâm có năng lượng âm buộc phải sụp đổ sau thời gian hữu hạn khi số chiều từ hai trở lên. Câu hỏi này bỏ ngỏ từ năm 2015, và kết quả khẳng định điều mà các mô phỏng số từ năm 2002 đã gợi ý.
  3. Lý thuyết nhóm: nhóm nửa abel không nhất thiết là nhóm đơn thức (Joseph Phillip Brennan và Milana Golich cùng Muse Spark). Bài báo bác bỏ giả thuyết năm 2024 của M. Kida bằng một phản ví dụ là nhóm có 384 phần tử. Muse Spark viết chương trình tìm kiếm phản ví dụ này trên GAP, một hệ đại số máy tính.
  4. Tối ưu hóa: điều kiện để phép nới lỏng dựa trên chu trình (cycle-based relaxation) cho kết quả chính xác (Aykut Arslan cùng Muse Spark). Bài báo đưa ra tiêu chí chính xác cho câu hỏi mà Del Pia và Khajavirad đặt ra hồi đầu năm 2026.
  5. Vật lý số học: hàm hai điểm của lý thuyết dây bằng hàm độ cao trên đường cong (Anindya Dey, Gabriel Herczeg, An Huang, Nicolas Jaramillo Torres và Jacob H. Swenberg cùng Muse Spark). Bài báo nối một đại lượng của lý thuyết dây p-adic với hàm độ cao số học, mở rộng ra ngoài trường hợp đường cong Tate đã biết. Đây là hướng mà Yuri Manin phác thảo từ thập niên 1980. Meta cho biết chính model đã phát hiện mối liên hệ này, đề xuất các chứng minh ứng viên và soạn ba phần kỹ thuật cốt lõi.
  6. Đại số không kết hợp: đại số tiến hóa giải được (Andres Barei cùng Muse Spark). Bài báo bác bỏ giả thuyết của García-Martínez và Pérez-Rodríguez bằng một phản ví dụ ba chiều, đồng thời đề xuất một cách đặc trưng hóa thay thế.

Mỗi bài còn được một nhóm nhà toán học khác kiểm tra, có nêu tên người thẩm định. Tuy vậy, đây là kiểm tra nội bộ, chưa phải bình duyệt (peer review) của tạp chí.

Điểm mới thật sự nằm ở đâu

Về kỹ thuật, điều đáng chú ý là quy trình làm việc, không phải một định lý cụ thể nào. Các thành tích AI làm toán nổi tiếng nhất trước đây đều đến từ hệ thống chuyên dụng. AlphaProof và AlphaGeometry 2 của DeepMind đạt mức huy chương bạc Olympic Toán quốc tế (IMO) năm 2024 nhờ công cụ chứng minh hình thức. Các kết quả sau đó lại dựa vào agent chạy những vòng tìm kiếm dài, dùng nhiều công cụ. Tuyên bố của Meta hẹp hơn nhưng thực tế hơn: một sản phẩm chat đại trà, trong tay nhà toán học bình thường, qua những cuộc hội thoại thông thường, đã đóng góp ý tưởng, chứng minh và mã nguồn ở tầm nghiên cứu.

Lập trình viên sẽ thấy mô hình này rất quen từ các coding agent. Model là người cộng tác nhanh và không biết mệt: đề xuất hướng giải, viết script tìm kiếm (ở đây là code GAP duyệt qua các nhóm hữu hạn) và soạn các phần kỹ thuật. Con người chọn bài toán, tránh cho model đi vào ngõ cụt và chịu trách nhiệm về tính đúng đắn. Hai bài về lý thuyết nhóm và đại số tiến hóa đều là phản ví dụ. Với loại kết quả này, một model biết viết và chạy code tìm kiếm phát huy tác dụng rõ, và kiểm tra đáp án dễ hơn nhiều so với tìm ra nó.

Việc ghi rõ đoạn nào do AI soạn cũng là một tiền lệ đáng giá. Các tạp chí và kho preprint (bản thảo công bố trước khi bình duyệt) vẫn đang loay hoay với quy định về đóng góp của AI. Một bài báo ghi rõ “các đoạn này do model soạn” cho người đọc và người phản biện thứ cụ thể để kiểm tra.

Những điểm trừ: cái Meta tự nêu và cái Meta không nói

Nhiều kết quả được người khác tìm ra độc lập, gần như cùng lúc. Meta thừa nhận đã có ba lời giải độc lập cho ngưỡng khớp ellipsoid được công bố hồi tháng 8/2026 bằng các phương pháp khác (Misiakiewicz và Wen; De la Cerda và cộng sự; Koehler và Sohn). Ngày 16/9/2026, một AI agent khác tên Nilradical đã công bố một phản ví dụ khác cho giả thuyết của Kida. Hu và Wen cũng độc lập tìm ra phản ví dụ cho giả thuyết về đại số tiến hóa. Nói cách khác, nhiều bài toán trong số này đã “chín”, và cả con người lẫn các hệ thống khác cũng đang tiến tới lời giải. Các bài báo của Meta không vì thế mà sai. Nhưng điều này làm yếu đi mọi tuyên bố rằng model nhìn ra thứ không ai khác thấy.

Không đo được thiên lệch chọn lọc. Meta công bố sáu thành công nhưng không cho biết đã thử bao nhiêu bài toán rồi bỏ dở, mỗi bài tốn bao nhiêu lượt prompt hay bao nhiêu giờ công của nhà nghiên cứu. Cũng không có so sánh đối chứng xem chính các nhóm này sẽ mất bao lâu nếu không có model. Như một bài phân tích đã nhận xét, sáu ca được chọn lọc không đủ để kết luận về tỷ lệ thành công.

Thiếu nhật ký hội thoại và bình duyệt chính thức. Meta chưa công bố toàn bộ nội dung các cuộc hội thoại. Đó là bằng chứng tốt nhất cho tuyên bố “không cần scaffolding”, vì nó cho thấy nhà toán học đã dẫn dắt nhiều đến đâu. Danh sách người thẩm định có nêu tên, nhưng các bài báo chưa qua bình duyệt của tạp chí. Cũng không thấy chứng minh nào được kiểm tra bằng máy qua Lean hay công cụ tương tự.

Các model được dùng đã cũ. Công trình dùng Muse Spark 1.1 (tháng 7) và 1.2 (tháng 8), không dùng bản 1.3 ra ngày 2/9. Đây là một hình thức tiếp thị bằng nghiên cứu cho một dòng sản phẩm thay đổi rất nhanh, và nên được đọc với con mắt đó.

Ý nghĩa với tương lai ngành IT

Với lập trình viên, bài học ở đây ít liên quan đến toán mà nằm ở chỗ giá trị của các model hàng đầu đang dịch chuyển. Câu hỏi “model có giải được benchmark không?” đang nhường chỗ cho “chuyên gia trong ngành có dùng nó làm cộng sự nghiên cứu được không, và có để lại dấu vết kiểm chứng không?”. Ghi rõ phần do AI soạn, có người kiểm tra độc lập và công khai thừa nhận công trình đi trước là những thói quen mà đội phát triển phần mềm cũng đang cần với code do AI sinh ra: ai viết, ai kiểm tra, và đã kế thừa những gì? Các bài báo của Meta là một khuôn mẫu đáng tham khảo.

Về thương mại, đợt công bố đưa Meta vào cuộc đua “AI cho khoa học” cùng OpenAI và Google DeepMind, bằng một model đa năng thay vì hệ thống chuyên biệt. Nếu chỉ cần giao diện chat thông thường là đủ để đóng góp vào nghiên cứu, khoảng cách giữa các phòng thí nghiệm AI hàng đầu và phần còn lại sẽ thu hẹp: nhà toán học ở bất kỳ trường đại học nào, chỉ cần trình duyệt, cũng có cùng công cụ.

Câu hỏi còn bỏ ngỏ là điều mà dữ liệu của chính Meta chưa trả lời được: đây là năng lực ổn định, hay chỉ là tuyển tập những khoảnh khắc đẹp nhất? Câu trả lời sẽ đến từ nhật ký hội thoại được công bố, từ việc các bài báo được tạp chí chấp nhận, và từ các nhóm độc lập chia sẻ cả thành công lẫn thất bại khi dùng cùng công cụ.

Nguồn