Một nhà toán học tại Anthropic đã công bố rằng ông và Claude đã tìm ra một chứng minh cho Giả thuyết Riemann—một trong những bài toán chưa có lời giải nổi tiếng nhất của toán học kể từ năm 1859—và mở rộng cách tiếp cận sang Giả thuyết Riemann tổng quát (GRH). Tuy vậy, ngay cả khi tuyên bố này thu hút sự chú ý mạnh mẽ, liệu chứng minh có thực sự đúng vẫn chưa chắc chắn, làm nổi bật quy mô kiểm chứng khổng lồ cần thiết và cho thấy một “khoảnh khắc AI” rộng lớn hơn trong toán học và các khoa học vật lý.
Liên kết Github: https://github.com/CocoSgt/riemann-hypothesis-lean

Một chứng minh khổng lồ, với việc kiểm chứng vẫn còn bỏ ngỏ
Theo công bố của Levent Alpöge, toàn bộ lập luận đã được hình thức hóa trong Lean mà không cần thêm giả định nào, trong khi một phiên bản con người có thể đọc được vẫn chưa được viết vì bản nháp chi tiết của Claude vượt quá 250,000 trang. Thay vì công bố một khối văn bản được tạo ra không thể đọc nổi, Alpöge đã phát hành mã Lean chính thức (chia thành 14 phần lưu trữ) trong khi dự định nghiền ngẫm và đơn giản hóa lập luận trước khi viết một bài báo thông thường.
Điều quan trọng là, chưa có ai công khai kiểm chứng mã Lean, và Alpöge lưu ý rằng các phần của dòng thời gian và giải thích dựa vào bản tóm tắt của Claude—thừa nhận rằng lời kể lại của chính ông thậm chí có thể không hợp lý ở một số chỗ và rằng bản thân mã Lean phải là tài liệu tham chiếu cuối cùng. Ngay cả với các công cụ hình thức hóa như Lean, việc kiểm tra một lập luận có quy mô và độ phức tạp như vậy là một nỗ lực khổng lồ, nghĩa là tính hợp lệ của chứng minh còn lâu mới được xác lập.
Con người và AI đã phối hợp như thế nào
Alpöge—một nhà lý thuyết số có bằng Tiến sĩ từ Princeton dưới sự hướng dẫn của Manjul Bhargava, người đoạt Huy chương Fields, cựu Harvard Junior Fellow và người đoạt Giải Morgan, người đã chuyển trở lại thiên về điện toán sau GPT-4—đã mô tả sự phân công lao động trong đó Claude tiến rất xa về phía trước gần vạch đích.
- Chiến lược cốt lõi: Cố gắng phản chiếu ý tưởng “bội” (multiplicity) được sử dụng trong cách tiếp cận của Stepanov trên các trường hàm, nhóm cộng tác đã nối chuỗi các phép nâng theta với nhau để mô phỏng việc lấy đạo hàm hoặc bội trên các số nguyên.
- Bước nhảy vọt quan trọng của AI: Đối với một tổng có trọng số của hàm von Mangoldt có độ dài X, Claude đã đề xuất lấy độ dài chuỗi là \sqrt{X}—một gợi ý mà Alpöge nói rằng đủ gây ấn tượng mạnh đến mức khiến các đồng nghiệp rớt khỏi ghế.
- Kỳ vọng đơn giản hóa: Alpöge cũng linh cảm rằng chứng minh có thể sớm được rút ngắn đáng kể, cho thấy một lập luận ngắn gọn hơn nhiều có thể xuất hiện nhanh chóng.
Vì sao điều này cho thấy một “khoảnh khắc AI” xuyên suốt khoa học
Ngay cả khi nỗ lực cụ thể này cần được xem xét kỹ lưỡng hoặc chỉnh sửa thêm, sự việc này làm nổi bật một chuyển dịch lớn hơn: việc phá giải Giả thuyết Riemann với AI là động lực chính ngày càng giống như vấn đề thời gian hơn là khả năng có thể xảy ra.
Khi các hệ thống sinh tạo và suy luận có thể đề xuất những bước nhảy về cấu trúc, điều hướng các dạng tự đẳng cấu hạng cao và soạn thảo hàng trăm nghìn trang các bước kỹ thuật, nút thắt cổ chai chuyển từ việc chỉ tạo ra ý tưởng sang việc kiểm chứng, nén và tin tưởng chúng. Động thái đó khó có thể chỉ giới hạn trong lý thuyết số thuần túy. Trong toán học, khoa học vật liệu, vật lý và hóa học, nghiên cứu nền tảng đang bước vào một khoảnh khắc AI—nơi AI chuyển từ một trợ lý thỉnh thoảng sang một động cơ trung tâm của khám phá, định hình lại cách các đột phá được tìm ra và xác thực trên các ngành khoa học cốt lõi.
