Toán học đang đối mặt với một cuộc khủng hoảng "khó tiêu"
Toán học đang bước vào thế kỷ 21. Trong hàng trăm năm qua, tốc độ nghiên cứu toán học vẫn diễn ra chậm rãi. Một nhà nghiên cứu tìm ra kết quả, các đồng nghiệp thẩm định, và cuối cùng nó được đưa vào sách giáo khoa. Quy trình này diễn ra ổn định và có thể dự đoán được.
AI đã thay đổi mọi thứ. Nó tạo ra các chứng minh và giải quyết các vấn đề với tốc độ cực cao. Điều này tạo ra một lượng khổng lồ nội dung mới. Các chuyên gia thẩm định là con người không thể theo kịp. Điều này tạo ra cái mà Terence Tao gọi là "sự khó tiêu về chứng minh" (proof indigestion). Hệ thống học thuật đang rơi vào tình trạng tắc nghẽn.
AI giống như một chiếc xe đua tốc độ cao. Các tạp chí học thuật hiện nay giống như những con đường đá hẹp được xây dựng cho xe ngựa. Bạn không thể lái một chiếc xe tốc độ cao trên một con đường hẹp mà không gây ra tai nạn. Việc nâng cấp chiếc xe sẽ không có tác dụng nếu con đường bị hư hỏng. Chúng ta phải xây dựng những con đường mới cho AI.
Terence Tao đang xây dựng những con đường mới này thông qua các cuộc thi SAIR. Ông tạo ra các lộ trình riêng biệt cho con người và AI.
Một cuộc thi là Thử thách Chưng cất (Distillation Challenge). Các nhà nghiên cứu sử dụng một bộ dữ liệu khổng lồ gồm 22 triệu bài toán đại số. Các mô hình AI lớn giải quyết chúng dễ dàng nhưng lại tiêu tốn quá nhiều chi phí. Thử thách yêu cầu những người tham gia viết một bản hướng dẫn tóm tắt (cheat sheet) dài một trang cho các mô hình nhỏ và rẻ hơn. Mục tiêu là chuyển giao kiến thức từ các mô hình lớn sang các mô hình nhỏ. Những bản hướng dẫn tốt nhất đã nâng cao độ chính xác từ 50% lên 80%.
Một cuộc thi khác là Bài toán Galois Nghịch đảo (Inverse Galois Problem). Hãy coi đây như một cuộc săn trứng kỹ thuật số. Có 160.000 đặc tính toán học khác nhau, hay có thể gọi là các "màu sắc". Những người tham gia sẽ tìm kiếm các đa thức cụ thể khớp với các màu sắc này. Nếu bạn tìm thấy một màu sắc hiếm mà không ai khác có, bạn sẽ ghi điểm. Điều này biến toán học thành một ngành khoa học thực nghiệm.
Những cuộc thi này không thay thế các nhà toán học. Chúng tạo ra những cách thức làm việc mới. Chúng tách biệt con đường đi bộ của con người khỏi đường cao tốc của AI.
Mô hình này có thể áp dụng cho tất cả các ngành khoa học. Nếu một lĩnh vực có các bộ dữ liệu lớn và các nhiệm vụ có thể kiểm chứng, nó có thể sử dụng phương pháp này. Toán học chỉ mới là điểm khởi đầu.
Optional learning community: https://t.me/GyaanSetuAi