Đặc biệt đồng tình với quan điểm của Tôn Triết Huy: Ở giai đoạn hiện tại, cách sử dụng AI phù hợp nhất không phải là trực tiếp sử dụng mô hình AI mạnh nhất để giải quyết những bài toán toán học khó nhất, mà cách sử dụng rộng rãi và thực tiễn hơn có thể là sử dụng những công cụ AI có hiệu suất trung bình để giúp các nhà toán học tăng tốc hoàn thành những nhiệm vụ nghiên cứu cơ bản hàng ngày, mặc dù chúng rất tốn thời gian nhưng lại cần thiết. Gần đây, tôi nghe một người từ CVS chia sẻ rằng, hiệu thuốc CVS rất bận rộn, nhưng phần lớn thời gian lại lãng phí vào những việc tốn thời gian, chẳng hạn như đếm viên thuốc, vì số lượng viên thuốc của mỗi bệnh nhân là khác nhau, cần hai dược sĩ chuyên nghiệp, một người chịu trách nhiệm cho việc cho số lượng viên thuốc đã chỉ định vào chai, một người chịu trách nhiệm kiểm tra lại số lượng viên thuốc trong chai có đúng hay không, một nhóm dược sĩ có trình độ cao và được đào tạo chuyên nghiệp hàng ngày phải dành rất nhiều thời gian cho những việc này. Vì vậy, họ gần đây đã sử dụng AI + robot để tự động hóa quy trình này, giúp các dược sĩ giải phóng thời gian để làm những việc quan trọng hơn. Bản thân tôi cũng sử dụng AI hàng ngày theo cách tương tự, nó không nhất thiết giúp tôi giải quyết nhiều vấn đề kỹ thuật, nhưng tôi có thể nhờ AI phát triển một số công cụ nhỏ, hoặc trực tiếp sử dụng các từ khóa cụ thể, điều này giúp tôi thực hiện nhiều công việc tốn thời gian, và như vậy đã có thể nâng cao hiệu suất tổng thể của tôi rất nhiều. --- Bản dịch gốc xem trong bình luận.

陶哲轩: Tôi có một số suy nghĩ về ứng dụng gần đây của AI trong lĩnh vực toán học Gần đây, tôi ngày càng cảm thấy rằng, ứng dụng hiệu quả nhất của trí tuệ nhân tạo (AI) trong lĩnh vực toán học trong ngắn hạn, không nhất thiết là việc sử dụng các mô hình AI mạnh nhất để giải quyết những bài toán toán học khó nhất. Tất nhiên, thỉnh thoảng chúng ta cũng thấy một số trường hợp thành công đặc biệt, nhưng những trường hợp đó thường đòi hỏi một lượng lớn tài nguyên tính toán và sự nỗ lực của các chuyên gia hàng đầu. Cách sử dụng thực tế và rộng rãi hơn có thể chính là việc tận dụng những công cụ AI có hiệu suất trung bình, để giúp các nhà toán học tăng tốc hoàn thành những nhiệm vụ nghiên cứu cơ bản hàng ngày, tuy có vẻ tầm thường nhưng lại rất cần thiết. Những nhiệm vụ có vẻ tầm thường này, vốn có thể được thực hiện bởi các chuyên gia con người, chỉ là tốn nhiều thời gian và công sức hơn. Nhưng thực tế đây lại là một lợi thế lớn của ứng dụng AI, chứ không phải là một thiếu sót. Bởi vì các chuyên gia con người đã tích lũy được nhiều kinh nghiệm và trực giác, có thể nhanh chóng và chính xác đánh giá xem đầu ra của AI có đáng tin cậy hay không, và tích hợp nó một cách an toàn vào quy trình nghiên cứu của họ. Lấy một ví dụ đơn giản: tìm kiếm tài liệu. Trước khi nghiên cứu một vấn đề, các nhà toán học thường cần tham khảo rất nhiều tài liệu nghiên cứu đã có. Nếu vấn đề đó đã có một cái tên được công nhận và có một cộng đồng nghiên cứu năng động, thì các công cụ tìm kiếm và cơ sở dữ liệu học thuật hiện có đã đủ tốt. Các nhà toán học chỉ cần bắt đầu từ một bài báo quan trọng, tìm kiếm theo chuỗi trích dẫn, nhanh chóng nắm bắt được tiến trình nghiên cứu của vấn đề. Tuy nhiên, còn nhiều lúc, một vấn đề nghiên cứu không có tên gọi thống nhất, các học giả ở các lĩnh vực khác nhau có thể tự hành động. Tài liệu liên quan phân tán ở nhiều tạp chí, hội nghị và sách khác nhau, và mối quan hệ trích dẫn lại lộn xộn. Đôi khi một bài báo chỉ đề cập đến một phần nhỏ của vấn đề, lẫn lộn trong một lượng lớn nội dung không liên quan. Để tìm ra tài liệu thực sự có giá trị trong tình huống này là rất khó khăn: có thể phải tìm kiếm khắp nơi, lọc đi lọc lại, rất có thể đã xem hàng giờ mà phát hiện ra không có liên quan gì đến vấn đề của mình. Nhưng một khi đã tìm thấy bài báo liên quan, một chuyên gia chỉ cần lướt qua nhanh, có thể ngay lập tức đánh giá xem bài báo này có đóng góp gì cho vấn đề hiện tại hay không. Khả năng xác minh nhanh chóng này chính là lý do khiến AI đặc biệt phù hợp để thực hiện tìm kiếm tài liệu (tất nhiên điều kiện tiên quyết là nhà nghiên cứu phải có kiến thức chuyên môn liên quan, có thể tự đánh giá chất lượng tài liệu). Đặc biệt khi nhà nghiên cứu cần chú ý đến nhiều vấn đề nghiên cứu cùng lúc, lợi thế của việc sử dụng AI càng trở nên rõ ràng hơn. Trong tình huống này, AI không cần phải đạt độ chính xác 100%, chỉ cần tỷ lệ thành công đủ cao, thì hiệu suất tổng thể sẽ cao hơn nhiều so với phương pháp truyền thống. Hơn nữa, nhà nghiên cứu dành một chút thời gian để học cách sử dụng hiệu quả các công cụ AI, cũng có thể dần dần giảm thiểu chi phí qua việc sử dụng lặp đi lặp lại. Gần đây, đã có một ví dụ rất điển hình xảy ra trong giới toán học: Nhà toán học nổi tiếng Paul Erdős đã đưa ra nhiều vấn đề toán học thú vị trong suốt cuộc đời của mình. Hiện tại, trang web chuyên thu thập và tổ chức những vấn đề này mang tên Erdős Problems có hơn một nghìn vấn đề, trong đó khoảng 600 vấn đề được đánh dấu là "chưa giải quyết" (open). Mặc dù một số vấn đề đã được nghiên cứu rộng rãi, nhưng cũng có nhiều vấn đề tương đối ít được chú ý, chỉ dựa vào tìm kiếm thủ công đơn giản rất khó để xác định xem có giải pháp hay không. Trong vài ngày qua, một số nhà nghiên cứu đã bắt đầu thử nghiệm việc sử dụng hệ thống các công cụ AI để giúp tìm kiếm tài liệu liên quan. Họ không trực tiếp công bố kết quả đầu ra của AI lên trang web, mà trước tiên xác minh thủ công, xác nhận tính hiệu quả rồi mới tiến hành bình luận hoặc ghi chú. Chỉ trong vài ngày ngắn ngủi, thông qua phương pháp "tìm kiếm tài liệu hỗ trợ bởi AI + xác minh thủ công", họ đã thành công phát hiện ít nhất 6 giải pháp cho các vấn đề. Những vấn đề này ban đầu đều được đánh dấu là "chưa giải quyết", giờ đã được cập nhật thành "đã giải quyết" (solved). Ví dụ: vấn đề 339, vấn đề 1043, vấn đề 494, vấn đề 621, vấn đề 822, vấn đề 903. Còn hơn mười vấn đề mặc dù vẫn chưa được giải quyết, nhưng tài liệu liên quan đã được tìm kiếm thành công, sau khi xác minh thủ công cũng đã được thêm vào phần bình luận trên trang vấn đề. Mặc dù không phải bình luận nào cũng rõ ràng chỉ ra rằng đã sử dụng AI, nhưng sự gia tăng đáng kể số lượng bình luận trong thời gian ngắn đã gợi ý về sự đóng góp của AI. Một lợi thế tiềm năng khác của công cụ AI này là có thể báo cáo một cách tự nhiên hơn những "kết quả tiêu cực" (negative results, tức là trường hợp "không tìm thấy tài liệu liên quan nào"). Nói chung, nếu nhà nghiên cứu thực hiện tìm kiếm tài liệu mà không tìm thấy gì, họ thường không báo cáo điều đó, có thể là vì lo ngại rằng sẽ bỏ lỡ một bài báo quan trọng nào đó và sẽ cảm thấy xấu hổ. Sự im lặng này thực sự dẫn đến nhiều công việc lặp lại không cần thiết - các nhà nghiên cứu khác nhau có thể đã từng dành nhiều thời gian tìm kiếm tài liệu không tồn tại, hoặc nhầm tưởng rằng một vấn đề chưa được giải quyết, thực tế chỉ là chưa từng thực hiện tìm kiếm tài liệu một cách nghiêm túc. Và khi sử dụng công cụ AI để xử lý hệ thống các nhiệm vụ tìm kiếm tài liệu quy mô lớn, các nhà nghiên cứu tự nhiên sẽ sẵn lòng công khai báo cáo những "kết quả tiêu cực" này. Ví dụ: "Công cụ AI đã kiểm tra 36 vấn đề, trong đó 24 vấn đề (66%) đã tìm thấy tài liệu mới có hiệu quả, còn 12 vấn đề (33%) chỉ trả về kết quả đã biết hoặc không liên quan". Cách tiếp cận công khai và minh bạch này có thể giúp toàn bộ cộng đồng học thuật hiểu rõ hơn về tình trạng nghiên cứu của một vấn đề nào đó, đồng thời tránh được nhiều công việc lặp lại không cần thiết. Tóm lại, trong lĩnh vực nghiên cứu toán học, cách sử dụng AI hiệu quả nhất trong ngắn hạn có thể chính là những nhiệm vụ cơ bản có vẻ "tầm thường" đối với các chuyên gia con người, nhưng lại rất quan trọng cho công việc nghiên cứu. AI ở đây không đóng vai trò là một thiên tài siêu phàm, mà là một bộ tăng tốc hiệu suất. Nó có thể giúp các nhà nghiên cứu giải phóng nhiều năng lượng quý giá hơn từ những công việc cơ bản tẻ nhạt, để có thể tập trung tốt hơn vào những lĩnh vực thực sự cần đổi mới và suy nghĩ sâu sắc.