Nghiên cứu của Harvard và Google: GPT-6 Astra giải quyết 98% bài toán vật lý
Một hợp tác nghiên cứu giữa Harvard và Google đã gây chấn động giới học thuật với một bộ đánh giá kiểm tra AI tiên tiến trên các bài toán vật lý lý thuyết chưa được công bố. Theo các báo cáo lan truyền trên truyền thông công nghệ Trung Quốc, đánh giá có tên TheoPhysEval yêu cầu các mô hình tiên tiến giải quyết những bài toán mới mà theo báo cáo, các chuyên gia hàng đầu của con người cần cả ngày để giải. Mô hình nổi bật là GPT-6 Astra, được cho là đã giải được 98% số bài toán.
Chi tiết đáng chú ý nhất không phải là điểm số gần như hoàn hảo mà là cách mô hình đạt được điều đó. Báo cáo cho biết GPT-6 Astra ban đầu đạt 88%, sau đó phát hiện lỗi tính toán trong một bài toán do các chuyên gia con người thiết kế bài kiểm tra đặt ra. Sau khi các chuyên gia xem xét và thừa nhận sai sót, điểm của mô hình tăng lên 98%. Giai thoại đó, nếu chính xác, đánh dấu một khoảnh khắc biểu tượng: một hệ thống AI không chỉ trả lời một câu hỏi tiên tiến mà còn sửa lỗi cho những người đã viết ra nó.
TheoPhysEval được thiết kế để tránh vấn đề nhiễm bẩn vốn ảnh hưởng đến nhiều bộ đánh giá AI. Thay vì dựa vào các bài báo đã công bố mà mô hình có thể đã thấy trong quá trình huấn luyện, nó sử dụng các bài toán chưa công bố, mới được viết. Ý tưởng là kiểm tra khả năng suy luận thực sự thay vì ghi nhớ. Nếu một mô hình có thể xử lý vật lý lý thuyết mới lạ mà chưa từng gặp bài toán chính xác đó trước đây, điều đó cho thấy một năng lực tổng quát hơn.
Kết quả này đến trong bối cảnh khả năng toán học và khoa học của AI đang tăng tốc rộng khắp. Đầu tháng 10, OpenAI tuyên bố hệ thống của họ đã chứng minh một giả thuyết gần-Riemann, một kết quả mà các nhà toán học mô tả là xứng đáng Huy chương Fields nếu do con người tạo ra. Trong vòng vài ngày, các nhà nghiên cứu báo cáo rằng với sự hỗ trợ của AI, các nhà toán học đã chứng minh một dạng của giả thuyết Riemann tổng quát. Tốc độ này khiến một số học giả phấn khích và những người khác lo lắng.
Các nhà nghiên cứu MIT cũng lên tiếng, với các báo cáo trích dẫn thử nghiệm của chính họ cho thấy AI tiên tiến đã đạt được tiến bộ nhanh chóng trong việc giải các bài toán khoa học lý thuyết trong hai năm qua. Các đường xu hướng cho thấy AI đang chuyển từ một công cụ hỗ trợ các nhà khoa học sang một người tham gia có thể đề xuất và kiểm tra kết quả. Sự chuyển dịch đó đặt ra câu hỏi về cách ghi nhận công lao, xác minh và bình duyệt nên hoạt động khi có máy móc tham gia.
Những người hoài nghi cảnh báo rằng kết quả đánh giá có thể bị phóng đại, đặc biệt khi các chi tiết được lọc qua báo chí thay vì các bài báo đã qua bình duyệt. Thành phần chính xác của TheoPhysEval, số lượng bài toán được kiểm tra và tính độc lập của đánh giá chưa được công bố đầy đủ. Cho đến khi phương pháp luận được công bố và tái lập, con số 98% nên được coi là một tuyên bố cần theo dõi hơn là một sự thật đã ngã ngũ.
Tuy nhiên, câu chuyện vẫn nắm bắt được một tâm trạng. Trong nhiều thập kỷ, vật lý lý thuyết là một trong những lĩnh vực mang tính con người nhất, đòi hỏi trực giác, sự thành thạo toán học và nhiều năm đào tạo. Một mô hình được cho là có thể phát hiện lỗi số học của một chuyên gia cho thấy những bức tường đó thấp hơn nhiều người tưởng. Dù đây là một bước đột phá hay một tiêu đề được căn thời điểm, cuộc trò chuyện về AI trong khoa học đã chuyển từ việc liệu nó có thể giúp ích hay không sang việc nó sẽ đảm nhận bao nhiêu phần công việc.