Phát biểu tại sự kiện, Giáo sư, Tiến sĩ Phùng Hồ Hải, nhà nghiên cứu toán học, chuyên gia về đại số tại Viện Toán học cho biết, trí tuệ nhân tạo đang ngày càng tham gia sâu vào hoạt động nghiên cứu khoa học. Trong toán học, các công cụ AI hiện đại đã bắt đầu hỗ trợ đáng kể việc tìm kiếm ý tưởng, kiểm chứng và giải quyết các bài toán mở. Việc sớm tiếp cận và sử dụng hiệu quả những công cụ này là cần thiết để các nhà nghiên cứu Việt Nam theo kịp sự phát triển nhanh chóng của cộng đồng quốc tế. Chương trình không chỉ giới thiệu tổng quan về AI và toán học mà còn làm rõ một luận điểm cốt lõi: Chiều sâu toán học không chỉ là nền tảng của AI hiện đại mà còn là nguồn gốc của nhiều ý tưởng và phương pháp mới, vượt ra ngoài những gì các thử nghiệm thuần túy có thể mang lại.

 

Với bài giảng mở đầu chủ đề: "Tích hợp các công cụ AI vào nghiên cứu toán học", Giáo sư Daniel Litt, Đại học Toronto, Canada đã phân tích cách các công cụ AI hiện đại đóng vai trò thực chất trong giải quyết các bài toán mở trong toán học. Theo đó, Giáo sư Daniel Litt đưa ra các ví dụ cụ thể, sinh động được lấy từ chính các công trình nghiên cứu của mình, của đồng nghiệp và cả những trường hợp ấn tượng cho thấy AI có thể tự chủ giải quyết vấn đề. 
Nhận định về tương lai tích hợp các công cụ AI vào nghiên cứu toán học, Giáo sư Daniel Litt cho rằng, sự xuất hiện của những công cụ AI chắc chắn sẽ làm thay đổi sâu sắc hoạt động nghiên cứu toán học. Sự can thiệp của AI không dừng lại ở vai trò một công cụ tính toán tốc độ cao mà đang dần tiến hóa thành một "đối tác tư duy" cùng các nhà toán học giải quyết những bài toán hóc búa. Nhờ khả năng quét và phân tích dữ liệu khổng lồ, AI có thể hỗ trợ phát hiện các mô hình ẩn, gợi ý hướng chứng minh mới và tự động hóa quy trình kiểm chứng giả thuyết, vốn trước đây mất hàng thập kỷ làm việc thủ công.

 

Với góc nhìn khác, Tiến sĩ Nguyễn Mạnh Toàn, giảng viên và chuyên gia phụ trách lĩnh vực trí tuệ nhân tạo tại Swinburne Việt Nam, chương trình liên kết quốc tế giữa Đại học Công nghệ Swinburne (Australia) và Trường Đại học FPT đã trình bày bài giảng “Khi học sâu là chưa đủ: Vai trò của toán học trong các ứng dụng AI thực tiễn”.

 

Theo Tiến sĩ Nguyễn Mạnh Toàn, mặc dù học sâu (Deep Learning) đang tạo ra những bước tiến vượt bậc và là nền tảng của nhiều hệ thống AI hiện nay, nhưng chỉ Deep Learning thôi là chưa đủ để giải quyết những bài toán phức tạp trong thực tế. Một số bài toán AI trong các lĩnh vực y tế, tài chính hay giao thông với dữ liệu cảm biến có nhiễu, hình ảnh có độ phân giải thấp, dữ liệu gán nhãn hạn chế hoặc yêu cầu về khả năng giải thích... cho thấy những giới hạn của các phương pháp chỉ dựa trên dữ liệu. Tiến sĩ Nguyễn Mạnh Toàn cho rằng, toán học cổ điển và hiện đại có thể cung cấp những phương pháp có cơ sở lý thuyết vững chắc để giải quyết các bài toán mà các cách tiếp cận thuần túy dựa trên dữ liệu còn gặp hạn chế.

Để minh họa, Tiến sĩ Nguyễn Mạnh Toàn giới thiệu ba nghiên cứu ứng dụng. Nghiên cứu đầu tiên liên quan đến nhận diện khuôn mặt trong điều kiện ảnh bị giảm chất lượng. Một mô hình Deep Learning thông thường đạt độ chính xác tới 99% với ảnh rõ nét nhưng giảm xuống khoảng 72% khi ảnh bị mờ, nhiễu hoặc nén. Nhóm nghiên cứu đã bổ sung các công cụ của tô pô học (Topological Data Analysis) để khai thác những đặc trưng hình học bền vững của khuôn mặt. Cách tiếp cận này không thay thế Deep Learning mà kết hợp với nó, giúp hệ thống duy trì độ ổn định tốt hơn trong những điều kiện triển khai thực tế.

Trong phân tích hành vi lái xe, nghiên cứu hướng đến việc xác định phong cách lái xe như thận trọng, bình thường hay mạo hiểm. Nhóm nghiên cứu đã sử dụng các công cụ của hình học metric để xây dựng một không gian biểu diễn mới, trong đó các chuyến đi có đặc điểm hành vi tương tự sẽ tự động được nhóm lại. Cách tiếp cận này giúp phát hiện các kiểu hành vi lái xe ngay cả khi không có dữ liệu gán nhãn từ trước. Đối với robot và các hệ thống tự động hoạt động gần con người, nhóm nghiên cứu kết hợp toán mờ với học tăng cường để xây dựng các bộ điều khiển vừa có khả năng học, vừa có thể kiểm chứng và giải thích các quyết định của hệ thống.

Qua ba ví dụ, Tiến sĩ Nguyễn Mạnh Toàn cho rằng toán học không chỉ là nền tảng lý thuyết của AI mà còn trực tiếp tạo ra các phương pháp mới. Toán học giúp xác định đúng bài toán cần giải, xây dựng các mô hình có khả năng giải thích, cung cấp những bảo đảm về tính ổn định và độ tin cậy, đồng thời chỉ ra giới hạn của các phương pháp hiện có để định hướng những hướng tiếp cận hiệu quả hơn.