Một mô hình trí tuệ nhân tạo (AI) giải đúng 49 trong số 50 bài toán vật lý chuyên sâu, với chi phí sử dụng trung bình khoảng 2,33 USD mỗi bài. Đáng chú ý, khi một số lời giải bị chấm sai, AI bảo vệ kết quả của mình và khiến các nhà khoa học phát hiện lỗi trong đáp án ban đầu.
Thử nghiệm PhysEval tập hợp 50 bài toán từ 11 lĩnh vực vật lý, bao gồm cơ học chất lưu, vật lý lượng tử, hố đen và vũ trụ học. Đây không phải những câu hỏi kiến thức phổ thông mà là các phép tính xuất phát từ nghiên cứu thực tế, có kết quả kiểm chứng được nhưng chưa công bố.
Nhóm nghiên cứu gồm 35 tác giả đã sử dụng năm hệ thống AI để giải đề độc lập, không cung cấp gợi ý. Các hệ thống được phép tra cứu tài liệu, viết chương trình và sử dụng công cụ tính toán để hoàn thành nhiệm vụ.
Thử nghiệm PhysEval tập hợp 50 bài toán từ 11 lĩnh vực vật lý, bao gồm cơ học chất lưu, vật lý lượng tử, hố đen và vũ trụ học. Đây không phải những câu hỏi kiến thức phổ thông mà là các phép tính xuất phát từ nghiên cứu thực tế, có kết quả kiểm chứng được nhưng chưa công bố.
Nhóm nghiên cứu gồm 35 tác giả đã sử dụng năm hệ thống AI để giải đề độc lập, không cung cấp gợi ý. Các hệ thống được phép tra cứu tài liệu, viết chương trình và sử dụng công cụ tính toán để hoàn thành nhiệm vụ.
AI không chỉ giải toán mà còn phát hiện lỗi của con người
Trong thử nghiệm, GPT-6-Astra kết hợp với Codex đạt kết quả cao nhất khi giải đúng 49/50 bài toán, tương đương 98%. Các hệ thống khác lần lượt đạt 46/50 và 34/50 câu đối với Claude Opus 5.5 và Gemini 3.8 Flash.
Điểm đáng chú ý không chỉ nằm ở tỷ lệ chính xác mà còn ở quá trình kiểm chứng. Khi một số lời giải của AI bị đánh dấu sai, mô hình vẫn bảo vệ kết quả của mình. Sau khi rà soát lại các phép tính, nhóm chuyên gia phát hiện những sai sót tinh vi trong lời giải mẫu và điều chỉnh đáp án. Kết quả của GPT-6-Astra sau đó tăng từ mức gần 90% lên 98%.
Diễn biến này cho thấy AI có thể đóng vai trò như một công cụ kiểm tra độc lập, giúp chuyên gia nhận diện những lỗi mà quá trình đánh giá ban đầu bỏ sót. Tuy nhiên, việc AI bảo vệ một đáp án không tự động chứng minh đáp án đó đúng; kết quả vẫn cần được xác minh bằng lập luận, phép tính hoặc phương pháp kiểm chứng phù hợp.
Điểm đáng chú ý không chỉ nằm ở tỷ lệ chính xác mà còn ở quá trình kiểm chứng. Khi một số lời giải của AI bị đánh dấu sai, mô hình vẫn bảo vệ kết quả của mình. Sau khi rà soát lại các phép tính, nhóm chuyên gia phát hiện những sai sót tinh vi trong lời giải mẫu và điều chỉnh đáp án. Kết quả của GPT-6-Astra sau đó tăng từ mức gần 90% lên 98%.
Diễn biến này cho thấy AI có thể đóng vai trò như một công cụ kiểm tra độc lập, giúp chuyên gia nhận diện những lỗi mà quá trình đánh giá ban đầu bỏ sót. Tuy nhiên, việc AI bảo vệ một đáp án không tự động chứng minh đáp án đó đúng; kết quả vẫn cần được xác minh bằng lập luận, phép tính hoặc phương pháp kiểm chứng phù hợp.
Chi phí thấp, nhưng chưa thể thay thế nhà khoa học
Theo số liệu được công bố, tổng chi phí sử dụng GPT-6-Astra để giải 50 bài toán là 116,28 USD, tương đương khoảng 2,33 USD mỗi bài. Khi không được truy cập Internet, hệ thống vẫn giải đúng 46/50 câu.
Dù vậy, thử nghiệm cũng bộc lộ giới hạn của AI. Cả năm hệ thống đều không giải được một bài toán yêu cầu suy ngược phương trình từ đường cong cho trước. Theo nhóm nghiên cứu, các mô hình vẫn gặp khó khăn trong việc xác định những câu hỏi khoa học thực sự có giá trị và thay đổi hướng tiếp cận khi phương pháp đang sử dụng không hiệu quả.
Dù vậy, thử nghiệm cũng bộc lộ giới hạn của AI. Cả năm hệ thống đều không giải được một bài toán yêu cầu suy ngược phương trình từ đường cong cho trước. Theo nhóm nghiên cứu, các mô hình vẫn gặp khó khăn trong việc xác định những câu hỏi khoa học thực sự có giá trị và thay đổi hướng tiếp cận khi phương pháp đang sử dụng không hiệu quả.
Kết quả 98% cũng không đồng nghĩa AI đã có khả năng thực hiện toàn bộ quy trình nghiên cứu khoa học độc lập. Bộ đề chủ yếu kiểm tra khả năng giải các bài toán có thể xác định đáp án, chứ không đánh giá đầy đủ năng lực xây dựng giả thuyết mới, thiết kế thí nghiệm hay xác lập những lý thuyết khoa học đột phá.
Dù còn giới hạn, thử nghiệm cho thấy AI đang mở rộng khả năng hỗ trợ các công việc chuyên môn vốn đòi hỏi kiến thức sâu và nhiều thời gian tính toán. Trong khoa học, giá trị của AI không chỉ nằm ở tốc độ đưa ra câu trả lời, mà còn ở khả năng giúp con người kiểm tra giả định, phát hiện sai sót và tìm ra những hướng tiếp cận mới.
Khi AI ngày càng làm tốt những bài toán phức tạp, yêu cầu quan trọng không phải là tin tưởng tuyệt đối vào kết quả do máy tạo ra, mà là xây dựng quy trình kiểm chứng đủ chặt chẽ để tận dụng năng lực của AI mà không đánh mất vai trò đánh giá độc lập của con người.
Tuy nhiên để sử dụng AI an toàn
Để tận dụng hiệu quả AI mà vẫn hạn chế rủi ro, người dùng và tổ chức cần:
- Kiểm chứng kết quả: Không sử dụng trực tiếp câu trả lời của AI trong các quyết định khoa học, kỹ thuật hoặc chuyên môn quan trọng khi chưa có bước xác minh độc lập.
- Bảo vệ dữ liệu: Không tải lên các mô hình AI công cộng dữ liệu nghiên cứu chưa công bố, thông tin mật hoặc dữ liệu cá nhân khi chưa được đánh giá và cho phép.
- Giới hạn quyền của AI: Chỉ cấp cho tác nhân AI quyền truy cập tệp, chạy mã và sử dụng công cụ ở mức cần thiết; yêu cầu con người phê duyệt các thao tác có nguy cơ gây mất dữ liệu hoặc ảnh hưởng hệ thống.
- Duy trì giám sát độc lập: Không để AI tự ý vô hiệu hóa nhật ký kiểm toán, cảnh báo bảo mật hoặc cơ chế kiểm soát quan trọng. Cần ghi nhận và rà soát các thay đổi do AI thực hiện.
