Đột phá lý thuyết tại WAIC 2026: Mở ra kỷ nguyên mới cho AI nhờ sức mạnh song hành của toán học và dữ liệu

< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400">

2026-07-07 11:14:41 Nguồn: QbitAI

Tại WAIC 2022, Khâu Thành Đồng (Shing-Tung Yau), người gốc Hoa đầu tiên nhận giải thưởng Fields, đã đưa ra một nhận định cốt lõi đầy tầm nhìn: "Toán học là nền tảng cho sự phát triển của công nghệ trí tuệ nhân tạo, và ngược lại, sự phát triển của trí tuệ nhân tạo cũng cung cấp sự hỗ trợ quan trọng cho nghiên cứu toán học." Logic nền tảng về sự tương hỗ giữa toán học và trí tuệ này đã được các hội nghị quốc tế hàng đầu như AAAI, ACM (Hiệp hội Máy tính Quốc tế) và các tạp chí khoa học uy tín như *Nature* kiểm chứng trong thời gian dài.

Hiện nay, những hạn chế trong sự phát triển ồ ạt của ngành công nghiệp AI đang bộc lộ rõ rệt. Mô hình lặp lại chỉ dựa vào việc chồng chất tham số và tiêu tốn tài nguyên tính toán đã chạm đến giới hạn lý thuyết. Các vấn đề nhức nhối của ngành như khả năng giải thích kém của các mô hình lớn, cơ chế đột phá (emergent properties) chưa rõ ràng và tính bền vững (robustness) không đủ, về bản chất là do thiếu hụt hệ thống toán học nền tảng và sự trì trệ trong việc cập nhật lý thuyết cơ sở của AI.

Hiện tại, sự hội nhập hai chiều giữa toán học và trí tuệ đã tạo ra nhiều thành quả có thể ứng dụng và truy xuất nguồn gốc. Các lý thuyết toán học như tối ưu hóa lồi, thống kê xác suất, giải tích hàm đã giải quyết hiệu quả các bài toán kỹ thuật như quá khớp (overfitting), khả năng khái quát hóa kém và dư thừa tài nguyên tính toán trong các mô hình lớn. Các hệ thống thông minh như AlphaGeometry, FunSearch, AlphaProof của DeepMind đã vượt qua giới hạn nghiên cứu thủ công truyền thống trong các lĩnh vực suy luận hình học, toán học tổ hợp và chứng minh hình thức. Nhà toán học Vương Hồng (Wang Hong), với chuyên môn sâu về giải tích điều hòa và lý thuyết đo lường hình học, đã bổ sung những thiếu hụt về thuật toán trong xử lý và khử nhiễu hình ảnh AI thông qua việc chứng minh giả thuyết Kakeya ba chiều và tối ưu hóa kỹ thuật phân tích Fourier, cung cấp nền tảng toán học vững chắc cho việc tối ưu hóa các mô hình thị giác.

WAIC 2024 Khâu Thành Đồng

Là phong vũ biểu hàng đầu của ngành AI, WAIC 2025 đã giới thiệu cuộc đối thoại học thuật đỉnh cao mang tên "Câu hỏi Toán học" (Math Question). Sự kiện do Viện sĩ Khâu Thành Đồng đặt đề bài, nhiều mô hình lớn nội địa trực tiếp giải đề, thoát khỏi các cuộc đua kỹ thuật nông cạn để trở về với nguyên lý đầu tiên (first principles) của AI, thực hiện tư duy sâu sắc về ranh giới toán học và tái cấu trúc nền tảng của AI. WAIC 2026, dự kiến khai mạc từ ngày 17 đến 20 tháng 7, sẽ lấy đổi mới sáng tạo lý thuyết cơ bản làm trục chính, xác lập ba chủ đề cốt lõi: Math for AI (Toán học cho AI), AI for Math (AI cho Toán học) và Ứng dụng AI + Toán học vào thế giới thực.

Đại hội tập hợp ba mảng học thuật cao cấp: Diễn đàn Toán học và Trí tuệ nhân tạo Smale, Diễn đàn Trí tuệ nhận thức tính toán Hoa Viện (Huayuan), và Hội thảo Mô hình hóa toán học và Tính toán khoa học WAICA. Ba nền tảng này bổ trợ ưu thế cho nhau, liên kết chéo, dùng toán học để củng cố kiến trúc nền tảng của AI, dùng sức mạnh tính toán của AI để hạ thấp ngưỡng cửa nghiên cứu toán học, thúc đẩy AI trong nước chuyển mình từ ứng dụng kỹ thuật sang giai đoạn phát triển mới với sự phối hợp giữa đổi mới lý thuyết và ứng dụng công nghiệp.

Math for AI: Xây dựng nền tảng bằng tiên đề toán học, tái cấu trúc mô hình khoa học nền tảng của AI.

Nhiều nghiên cứu uy tín từ AAAI, ACM (Hiệp hội Máy tính Quốc tế) và *Communications of the ACM* đã xác nhận rằng hệ thống toán học hiện đại là công cụ cốt lõi để giải mã các nút thắt kỹ thuật của mô hình lớn, thúc đẩy AI tiến tới "trí tuệ khoa học".

Ở cấp độ tối ưu hóa mô hình, tối ưu hóa lồi và phi lồi tái cấu trúc logic huấn luyện mô hình lớn, nói lời tạm biệt với việc huấn luyện thử sai kém hiệu quả. Thống kê xác suất và lý thuyết thông tin chuẩn hóa cơ chế chú ý (attention mechanism) của Transformer, cải thiện đáng kể độ chính xác trong khớp nối đa phương thức. Các công cụ như giải tích hàm, phương trình đạo hàm riêng giải quyết hiệu quả các khó khăn kỹ thuật như khử nhiễu chiều cao, mô hình hóa kịch bản phức tạp và khớp phi tuyến tính trong AI.

Nhiều kết quả thực nghiệm công khai đã chứng minh đầy đủ giá trị của việc trao quyền bằng toán học: Khung học tăng cường trong thời gian kiểm thử (test-time reinforcement learning) do Đại học Thanh Hoa phối hợp với Shanghai AI Lab phát triển đã cải thiện đáng kể hiệu suất của các mô hình thi toán; Nemotron-Math của Nvidia dựa trên tập dữ liệu suy luận toán học quy mô hàng chục triệu đã hiện thực hóa việc nâng cấp hệ thống năng lực suy luận toán học của mô hình lớn.

Nhìn từ nguyên lý đầu tiên, mô hình hóa trí tuệ AI thuộc về các bài toán khoa học chiều vô hạn, trong khi các mô hình ứng dụng công nghiệp đều là kiến trúc kỹ thuật chiều hữu hạn. Sự mâu thuẫn về chiều này chính là nút thắt cốt lõi khiến AI phụ thuộc lâu dài vào việc điều chỉnh tham số theo kinh nghiệm, thiếu khả năng kiểm soát và khả năng giải thích. Giá trị cốt lõi của Math for AI chính là xây dựng một hệ thống toán học có thể suy diễn, kiểm chứng và truy xuất nguồn gốc, xác định rõ ranh giới vận hành của trí tuệ, hỗ trợ sự lặp lại an toàn, phổ quát và khoa học của AI.

Diễn đàn Toán học và Trí tuệ nhân tạo thuộc Viện Nghiên cứu Toán học và Tính toán Smale năm nay là trận địa cốt lõi để giải quyết các lý thuyết cơ bản của AI. Diễn đàn quy tụ các viện sĩ và đội ngũ nghiên cứu hàng đầu trong và ngoài nước, tập trung thảo luận sâu sắc về việc phá vỡ các lý thuyết nền tảng.

Diễn đàn Toán học và Trí tuệ nhân tạo - Viện Nghiên cứu Toán học và Tính toán Smale

Viện sĩ Từ Tông Bản (Xu Zongben) sẽ phân tích sâu sắc mâu thuẫn cốt lõi giữa "bài toán khoa học chiều vô hạn và kỹ thuật kỹ thuật chiều hữu hạn" của AI, giải mã cơ chế toán học của quy luật quy mô (scaling laws) và sự trỗi dậy của trí tuệ trong các mô hình lớn, cung cấp cơ sở lý thuyết cho việc tối ưu hóa kiến trúc mô hình và đánh giá hiệu suất. Các học giả uy tín như Ngạc Duy Nam (E Weinan), Đổng Bân (Dong Bin), Kim Thạch (Jin Shi) sẽ chia sẻ những thành tựu tiên phong như sự kết hợp giữa phương trình vi phân và mạng thần kinh, mô hình hóa hệ thống phức tạp, nhằm hoàn thiện hệ thống toán học toàn diện về mô hình hóa nhân quả, tối ưu hóa bền vững và kiểm soát rủi ro an toàn cho AI.

Diễn đàn thiết lập các phần đặc sắc như Đối thoại Thanh Lam, Tranh biện bàn tròn, mời các học giả nổi tiếng trong và ngoài nước như Phạm Kiếm Thanh (Fan Jianqing), Tu Đại Thành (Xiu Dacheng) cùng lực lượng nghiên cứu trẻ, tập trung giải quyết các vấn đề như mô hình hóa dữ liệu chiều cao, tối ưu hóa toán học cho thuật toán thông minh, chuyển đổi lý thuyết sang kỹ thuật, tiếp tục tối ưu hóa mô hình nghiên cứu phát triển ồ ạt của AI, giúp mô hình đạt được cơ chế có thể giải thích, hiệu suất có thể kiểm soát và khả năng lặp lại có thể tối ưu hóa.

AI for Math: Trao quyền bằng sức mạnh tính toán thông minh, tái định hình mô hình nghiên cứu toán học cơ bản.

Giá trị của việc AI trao quyền cho toán học cơ bản đã được giới học thuật toàn cầu công nhận, phá vỡ hiệu quả những hạn chế nghiên cứu của suy diễn thủ công truyền thống, tái định hình mô hình nghiên cứu toán học hiện đại.

Nhiều thành quả tiêu biểu đã được đưa vào ứng dụng: AlphaGeometry của DeepMind đạt năng lực suy luận hình học cấp độ IMO, AlphaEvolve thúc đẩy nghiên cứu bài toán số hôn (kissing number) tồn tại hàng trăm năm; đội ngũ AI4MATH của Đại học Bắc Kinh đã chứng minh sai giả thuyết Anderson tồn tại hơn mười năm, hoàn thành xác minh hình thức tiêu chuẩn hóa, kết quả được đăng trên tạp chí *Nature*.

Nghiên cứu toán học truyền thống bị hạn chế bởi suy diễn thủ công và sức mạnh tính toán, hiệu quả giải quyết các bài toán phức tạp còn thấp. Trong khi đó, AI dựa vào sức mạnh tính toán hiệu quả, suy diễn song song và khả năng khai thác quy luật thông minh, đã phá vỡ nút thắt phương pháp luận nghiên cứu truyền thống, xây dựng một hệ thống nghiên cứu toán học hoàn toàn mới với sự phối hợp giữa người và máy.

Tiếp nối tinh thần đổi mới phối hợp người-máy của "Câu hỏi Toán học" năm 2025, WAIC 2026 tiếp tục làm sâu sắc thêm nghiên cứu giao thoa giữa toán học và trí tuệ. Diễn đàn Trí tuệ nhận thức Hoa Viện năm nay tập trung vào các đường đua tiên phong như chứng minh định lý tự động, toán học hình thức, mô hình lớn toán học, suy luận hỗn hợp ký hiệu-số, đào sâu vào việc AI hỗ trợ đổi mới sáng tạo toán học nguyên bản.

Các học giả nổi tiếng trong và ngoài nước như Manuel Blum, Phạm Kiếm Thanh sẽ giải mã lộ trình đổi mới của công nghệ thông minh trong việc giải quyết các bài toán toán học phức tạp. Tiến sĩ Đường Vĩ (Tang Wei) sẽ kết hợp với thực tiễn tiên phong của AI for Science, chia sẻ những thành quả ứng dụng của công cụ thông minh trong việc hỗ trợ nghiên cứu toán học cơ bản, cung cấp một mô hình tham chiếu hoàn toàn mới cho nghiên cứu liên ngành toàn cầu.

Diễn đàn Trí tuệ nhận thức - Hoa Viện

WAIC năm nay liên kết với Đại học Đồng Tế, tổ chức Hội thảo Mô hình hóa toán học và Tính toán khoa học WAICA. Hội thảo phá vỡ các rào cản kỷ luật giữa trí tuệ nhân tạo, toán học ứng dụng, tính toán khoa học và kỹ thuật, cung cấp các giải pháp mới do AI dẫn dắt cho việc mô hình hóa hệ thống phức tạp, giải phương trình đạo hàm riêng và mô phỏng khoa học độ chính xác cao. Hội thảo tập trung vào các hướng cốt lõi như mạng thần kinh thông tin vật lý, toán tử thần kinh, mô hình hỗn hợp dữ liệu-vật lý, chú trọng cả đổi mới lý thuyết và ứng dụng thực tế, khám phá các ứng dụng quy mô lớn của AI trong mô phỏng kỹ thuật, bản sao kỹ thuật số (digital twin) và mô phỏng khí hậu. Hội thảo dựa vào các hình thức trao đổi học thuật đa dạng để giải quyết các vấn đề cốt lõi như khả năng giải thích, khả năng khái quát hóa và kiểm soát sai số của tính toán khoa học AI, xây dựng nền tảng trao đổi giao thoa toán học-trí tuệ quốc tế trình độ cao.

Ứng dụng AI + Toán học: Trao quyền bằng sự hội nhập toán học-trí tuệ, hiện thực hóa vòng lặp khép kín từ giá trị lý thuyết đến công nghiệp.

Ngày nay, sự hội nhập giữa toán học và trí tuệ đã chuyển từ khám phá lý thuyết sang ứng dụng công nghiệp quy mô lớn. Các công cụ toán học như giải tích điều hòa, tính toán số, mô hình hóa topo tiếp tục tối ưu hóa hiệu suất AI, nâng cao hiệu quả độ chính xác và tính ổn định của các nhiệm vụ như thị giác công nghiệp, hình ảnh y tế, mô phỏng khí tượng và tích hợp đa phương thức.

Đồng thời, khả năng giải quyết hiệu quả, mô phỏng thông minh và suy diễn phức tạp của AI đã giảm đáng kể chi phí mô hình hóa toán học trong các lĩnh vực sản xuất cao cấp, kiểm soát rủi ro thông minh và hàng không vũ trụ, đả thông các rào cản chuyển đổi từ nghiên cứu cơ bản sang ứng dụng công nghiệp.

WAIC 2026 dựa vào ba diễn đàn học thuật đặc sắc, xây dựng chuỗi hoàn chỉnh "Nghiên cứu toán học - Lặp lại AI - Trao quyền công nghiệp", thúc đẩy các thành quả toán học-trí tuệ tiên phong được tiêu chuẩn hóa và ứng dụng với độ chính xác cao, dùng nghiên cứu cơ bản để thúc đẩy sự phát triển của nền kinh tế thực.

Ngành công nghiệp đã hình thành một vòng lặp đổi mới hai chiều toán học-trí tuệ trưởng thành: Toán học củng cố nền tảng cơ sở của AI, AI mở rộng ranh giới nghiên cứu toán học.

Từ việc khởi động tư duy toán học tại "Câu hỏi Toán học" năm 2025 đến việc triển khai toàn diện ba chủ đề đổi mới vào năm 2026, ngành công nghiệp AI trong nước chính thức nói lời tạm biệt với sự cạnh tranh nội bộ về tham số và sức mạnh tính toán, bước vào giai đoạn phát triển tinh vi với sự dẫn dắt của toán học, sự phối hợp người-máy và sự hội nhập giữa sản xuất và nghiên cứu. Dựa vào nguồn lực đổi mới sáng tạo của Thượng Hải và nền tảng quốc tế WAICA, lực lượng nghiên cứu toàn cầu cùng phối hợp, tiếp tục củng cố hệ sinh thái học thuật và công nghiệp của sự hội nhập toán học-trí tuệ. Từ ngày 17 đến 20 tháng 7, WAIC 2026 sẽ khai mạc tại Thượng Hải. Đại hội sẽ quy tụ các học giả hàng đầu thế giới, công bố các thành quả tiên phong về hội nhập toán học-trí tuệ, mở khóa mô hình mới về đổi mới toán học AI, tiếp tục thúc đẩy trí tuệ nhân tạo và toán học cơ bản cùng ứng dụng, lặp lại và tiến hóa.

Phụ lục: Diễn đàn Toán học WAIC 2026

Liên kết gốc: https://mp.weixin.qq.com/s/4UGra1M-J9504TNDwkbkbg

Bài viết này do WAIC cung cấp, QbitAI được ủy quyền đăng tải lại, quan điểm thuộc về tác giả gốc.

Bản quyền thuộc về đơn vị sở hữu, không được sao chép hoặc sử dụng dưới bất kỳ hình thức nào khi chưa được cho phép, những trường hợp vi phạm sẽ bị xử lý theo quy định.