AI phản đối khi bị chấm sai, chuyên gia kiểm tra lại và phát hiện mình nhầm
Một mô hình AI giải đúng 49/50 bài toán vật lý nghiên cứu với chi phí chưa tới 3 USD mỗi câu. Nhưng bất ngờ lớn hơn nằm ở những lời giải ban đầu bị chấm sai.
Một "thí sinh" bị chấm sai đã phản đối, khẳng định đáp án của người ra đề mới có lỗi. Khi kiểm tra lại, các nhà khoa học phát hiện họ đã sai trong một số phép tính. "Thí sinh" ấy là trí tuệ nhân tạo (AI), còn người ra đề là những chuyên gia vật lý lý thuyết.
AI bảo vệ đáp án, chuyên gia phải kiểm tra lại
TheoPhysEval, nhà vật lý Suvrat Raju, người tham gia điều phối, kể rằng mô hình GPT-6-Astra ban đầu chỉ đạt điểm gần 90%. Nhưng khi xem lại những câu bị chấm sai, AI vẫn bảo vệ kết quả của mình. Các chuyên gia rà soát và phát hiện những lỗi tinh vi trong lời giải mẫu. Sau khi sửa đáp án, tỉ lệ đúng của Astra tăng lên 98%.
Tốc độ tiến bộ ấy khiến chính Raju bất ngờ. Khoảng sáu tháng trước, ông từng giao cho một AI bài toán chưa công bố. Nó giải sai và chỉ hoàn thành sau vài gợi ý. Trong quá trình nhóm tập hợp bộ đề, những phiên bản AI mới liên tục xuất hiện, khiến họ phải tìm câu hỏi khó hơn. Raju tiết lộ rằng kết quả cuối cùng khiến ông mất ngủ vài đêm.
Nhóm 35 tác giả tập hợp 50 bài toán thuộc 11 lĩnh vực, từ chất lỏng, vật lý lượng tử đến hố đen và vũ trụ học. Khác với đề thi sinh viên, đây là những phép tính từ nghiên cứu thực tế, có đáp số kiểm chứng được nhưng chưa công bố.
Độ chuyên sâu của chúng lớn đến mức Raju thừa nhận ông chỉ có thể giải những bài do chính mình đóng góp và hiểu thêm một vài bài khác. Phần lớn câu hỏi thậm chí nằm ngoài chuyên môn của ông.
Một chuyên gia hàng đầu trong đúng lĩnh vực thường cần khoảng một ngày hoặc ít hơn để giải một câu; người ở chuyên ngành khác có thể mất lâu hơn nhiều. Có bài yêu cầu đọc nghiên cứu về hố đen, chuyển phép tính từ không gian năm chiều sang bốn chiều, rồi viết chương trình tìm nghiệm. Một tác giả của phép tính gốc cũng mất khoảng một ngày để hoàn thành.
Mỗi bài toán tốn trung bình 2,33 USD
Năm hệ thống AI được yêu cầu tự giải đề, không nhận gợi ý nhưng được phép tìm tài liệu, viết mã và tính toán. GPT-6-Astra chạy cùng Codex giải đúng 49/50 câu; Claude Opus 5.5 đúng 46 câu; Gemini 3.8 Flash đúng 34 câu. Hai hệ thống còn lại lần lượt đạt 27 và 21 câu.
Chi phí sử dụng mô hình cũng gây chú ý. Theo ước tính dựa trên bảng giá, lượt giải 50 bài của Astra tốn 116,28 USD, tương đương trung bình 2,33 USD mỗi bài.
Con số này chưa bao gồm toàn bộ chi phí hạ tầng và công sức kiểm chứng kết quả. Dù vậy, nó cho thấy AI có thể thực hiện những phép tính nghiên cứu chuyên sâu với chi phí sử dụng tương đối thấp.
Ngay cả khi không được truy cập Internet, Astra vẫn giải đúng 46/50 câu. Nhóm tác giả cho rằng mô hình có thể đã tiếp thu lượng lớn kiến thức vật lý trong quá trình huấn luyện. Tuy nhiên mỗi hệ thống chỉ được thử một lượt, nên chênh lệch kết quả chưa đủ để xác định chắc chắn mức độ ảnh hưởng của Internet.
Đáng chú ý, cả năm hệ thống đều thất bại trước cùng một bài toán.
Đề bài đưa ra một đường cong và yêu cầu tìm phương trình có thể tạo ra đường cong đó, đảo ngược cách giải toán thông thường. Lời giải đòi hỏi mở rộng khái niệm "phương trình vi phân".
Nhóm nghiên cứu thừa nhận câu hỏi có phần đánh đố, nhưng cho rằng nó gợi đến một tình huống quen thuộc trong khoa học: suy ra quy luật từ dữ liệu và đôi khi phải xem xét lại chính những giả định ban đầu.
Giải được bài toán chưa đồng nghĩa làm được khoa học
Kết quả 98% không có nghĩa AI đã trở thành nhà vật lý độc lập. Bộ đề không bao gồm những vấn đề khoa học lớn chưa có lời giải, mà chủ yếu yêu cầu vận dụng các phương pháp đã biết.
Theo kinh nghiệm của nhóm nghiên cứu, AI vẫn gặp khó khăn khi lựa chọn câu hỏi thực sự đáng nghiên cứu hoặc thay đổi hướng tiếp cận khi phương pháp đang dùng đi vào bế tắc. Tuy nhiên, những nhận định này chưa được đo lường trực tiếp trong thử nghiệm.
Dù còn giới hạn, kết quả cho thấy một thay đổi đáng kể: những bài toán từng phù hợp để nghiên cứu sinh mới vào nghề rèn luyện nay có thể được AI giải với chi phí chỉ vài USD.
Khi tìm ra lời giải ngày càng dễ dàng hơn, thách thức của nhà khoa học có thể không còn chỉ nằm ở việc giải được một bài toán, mà còn ở khả năng nhận ra bài toán nào thực sự đáng để giải.
Mẹo dùng AI đọc, đối chiếu tài liệu khi làm luận vănTrước 'rừng' bài báo khoa học, người làm luận văn có thể dùng ứng dụng AI Gemini Notebook hay NotebookLM để hỗ trợ tóm tắt từng nghiên cứu, đối chiếu kết quả và tìm những điểm cần đọc sâu.