Claude Fable 5 và Giả thuyết Jacobi: Điều gì đã được chứng minh và điều gì chưa

Vào đêm chung kết World Cup, đa số mọi người đang xem bóng đá. Một góc nhỏ trên internet lại dõi theo bước chuyển của lịch sử toán học.

Nhà nghiên cứu Anthropic Levent Alpöge đăng một tin nhắn ngắn trên X. Anh nói giả thuyết Jacobi là sai. Đây là một bài toán tồn tại không lời giải từ năm 1939. Anh ghi công một đồng nghiệp đã gợi ý bài toán. Anh ghi công Claude Fable 5 đã thực hiện công việc ấy trong lúc trận đấu diễn ra.

Sang ngày hôm sau, các nhà toán học đã kiểm tra bằng tay. Kết quả vẫn vững vàng.

Nhưng tiêu đề kiểu "AI phá vỡ bài toán 87 năm tuổi" lan nhanh hơn nhiều so với các chi tiết đằng sau nó. Vậy hãy chậm lại. Điều gì thực sự mới ở đây? Điều gì thì không? Và bạn có thể tự kiểm chứng không?

Có thể. Chỉ với khoảng mười lăm dòng Python. Ta sẽ nói ngay sau đây.

Câu trả lời nhanh

Claude Fable 5 đã giúp xây dựng một ánh xạ đa thức từ không gian phức ba chiều tới chính nó, ký hiệu ℂ³ → ℂ³. Định thức Jacobian của nó là hằng số -2 ở mọi nơi, đúng với điều kiện trong giả thuyết của Keller năm 1939, vậy mà ánh xạ này lại gửi ba điểm đầu vào khác nhau tới cùng một đầu ra. Chỉ một ví dụ như vậy là đủ bác bỏ giả thuyết ở không gian ba chiều trở lên. Phiên bản gốc với hai biến vẫn còn bỏ ngỏ, và hiện chưa có bài báo phản biện, chỉ có phép tính đã được kiểm chứng và một bản preprint.

Đó là toàn bộ câu chuyện trong một đoạn. Phần còn lại của bài viết sẽ giải thích vì sao từng mệnh đề trong đó lại quan trọng.

Giả thuyết Jacobi là gì?

Hãy hình dung một hàm nhận vào một danh sách số và trả ra một danh sách mới. Đây là một "ánh xạ" từ không gian này sang không gian khác. Các nhà toán học đặt một câu hỏi đơn giản về những ánh xạ như vậy: liệu bạn luôn có thể làm ngược lại? Nếu biết đầu ra, bạn có thể khôi phục chính xác đầu vào đã tạo ra nó không?

Nếu bạn từng làm machine learning, bạn đã gặp đối tượng ở trung tâm câu hỏi này, có lẽ mà không kèm theo kịch tính. Ma trận Jacobi là ma trận đạo hàm riêng của một ánh xạ: thứ mà backpropagation nhân qua ở mỗi lớp. Normalizing flow cũng cần định thức của nó để theo dõi khối lượng xác suất bị kéo giãn như thế nào khi di chuyển qua mạng. Cùng một ma trận. Bối cảnh khác nhau.

Giải tích cho bạn một phép kiểm tra tính khả nghịch cục bộ dựa đúng trên ma trận này: định thức Jacobi. Nếu nó khác 0 tại một điểm, ánh xạ khả nghịch quanh điểm đó.

Nhưng quanh một điểm không đồng nghĩa với khắp mọi nơi. Đây là ví dụ gọn nhất tôi biết, chỉ mất hai dòng:

import numpy as np

f = lambda x, y: (np.exp(x) * np.cos(y), np.exp(x) * np.sin(y))

print(f(0, 0))              # (1.0, 0.0)
print(f(0, 2 * np.pi))      # (1.0, ~0.0) — same output, different input

Định thức Jacobian của ánh xạ này là e^²ˣ, không bao giờ bằng 0. Nó vượt qua phép kiểm tra cục bộ tại mọi điểm trên mặt phẳng. Vậy mà vẫn không khả nghịch được, vì nó quấn vòng: hai con đường khác nhau, cùng về một nhà.

Lưu ý, ví dụ này dùng hàm mũ. Năm 1939, nhà toán học người Đức Ott-Heinrich Keller hỏi liệu đa thức có cư xử "ngoan" hơn không. Câu hỏi của ông: nếu định thức Jacobian của một ánh xạ đa thức không chỉ khác 0 ở mọi nơi, mà còn là một hằng số cố định ở mọi nơi, liệu điều đó cuối cùng có đảm bảo khả nghịch hoàn toàn, toàn cục hay không?

Trong 87 năm, không ai trả lời được. Không có chứng minh. Cũng không có phản ví dụ. Đó chính là giả thuyết mà Claude Fable 5 vừa tạo vết nứt.

Claude Fable 5 thực sự tìm ra điều gì

Bài đăng của Alpöge đưa ra một ánh xạ đa thức tường minh từ ℂ³ về chính nó. Định thức Jacobian của nó bằng một hằng số, -2, tại mọi điểm. Đó chính xác là điều kiện của Keller. Thế nhưng có ba điểm khác nhau đi vào, và cả ba đều cho cùng một kết quả.

Bất kỳ ai có công cụ đại số máy tính đều có thể thay vào và kiểm tra. Đó chính xác là điều đã xảy ra: các nhà toán học chạy phép tính chỉ trong vài giờ, và số học khớp.

Vì phản ví dụ nằm ở ba chiều, nó cũng phá giả thuyết cho mọi số chiều lớn hơn. Lấy ánh xạ 3D, đệm thêm các biến để nguyên, và bạn có một phản ví dụ hoạt động ở bốn chiều, năm, hay một trăm. Việc đệm chỉ đi theo chiều tăng, không thể nén một phản ví dụ 3D xuống hai biến, đó là lý do phần cuối của bài viết này tồn tại.

Tự kiểm chứng bằng Python

Đây là lúc một câu chuyện về AI tiên phong trở thành một bài tập bạn có thể chạy trong notebook. Rất đáng để chạy. Việc thấy phản ví dụ đứng vững bằng số học chính xác ngay trên máy của bạn có sức gợi mở đặc biệt. Bạn chỉ cần sympy, không cần gì khác.

Đầu tiên, định nghĩa ánh xạ và xác nhận định thức:

import sympy as sp

x, y, z = sp.symbols("x y z")

# The map Claude Fable 5 helped construct, from C^3 to C^3
f1 = (1 + x * y) ** 3 * z + y**2 * (1 + x * y) * (4 + 3 * x * y)
f2 = y + 3 * x * (1 + x * y) ** 2 * z + 3 * x * y**2 * (4 + 3 * x * y)
f3 = 2 * x - 3 * x**2 * y - x**3 * z

# Keller's condition: the Jacobian determinant must be a nonzero constant
jacobian = sp.Matrix([f1, f2, f3]).jacobian([x, y, z])
print(sp.simplify(jacobian.det()))

-2

Không phải "xấp xỉ -2." Chính xác là -2, theo ký hiệu, tại mọi điểm trong ℂ³. Xong một điều kiện.

Giờ đến va chạm. Tôi tìm ra ba điểm này bằng cách yêu cầu SymPy giải F(v) = F(1, 1, 1). Bài đăng gốc của Alpöge liệt kê một tập khác, và cả hai đều dùng được:

s = sp.sqrt(53)

points = [
    (1, 1, 1),
    (sp.Rational(-1, 2) - 7 * s / 106, 25 - 3 * s, -134090 + 18420 * s),
    (sp.Rational(-1, 2) + 7 * s / 106, 25 + 3 * s, -134090 - 18420 * s),
]

for p in points:
    image = [sp.simplify(f.subs({x: p[0], y: p[1], z: p[2]}))
             for f in (f1, f2, f3)]
    print(image)

[22, 34, -2]
[22, 34, -2]
[22, 34, -2]

Ba đầu vào thực sự khác nhau. Một đầu ra. Nếu ba đầu vào cho cùng một đáp án, không thể tồn tại nghịch đảo, và giả thuyết của Keller sụp đổ. Bạn vừa kiểm chứng, bằng số học chính xác, phép tính đã giải quyết một bài toán 87 năm tuổi.

Nếu bạn bỏ qua đoạn mã, tóm lại là: cả hai nửa của khẳng định, định thức hằng và các điểm va chạm, đều vượt qua kiểm chứng ký hiệu. Không cần tin vào số chấm động.

Khoan, chẳng phải ai đó đã bác bỏ rồi sao?

Trước khi đi xa hơn, đáng để đề cập một điều bạn có thể đã thấy trong các phản hồi với bài đăng của Alpöge, vì có một kết quả cũ hơn trong lĩnh vực này thường được nêu lại và sự khác biệt là quan trọng.

Năm 1994, Sergey Pinchuk tìm ra một ánh xạ đa thức hai biến trên số thực có khả nghịch cục bộ ở mọi nơi nhưng không khả nghịch toàn cục. Đây là một cấu trúc nổi tiếng, và rất dễ suy đoán rằng phiên bản của Fable 5 chỉ là kéo dài ý tưởng đó sang chiều thứ ba.

Không phải vậy. Ánh xạ của Pinchuk chỉ cần định thức Jacobian khác 0. Giá trị có thể thay đổi theo điểm, và toàn bộ chỉ hoạt động trên số thực. Điều đó trả lời một câu hỏi yếu hơn, đôi khi gọi là "giả thuyết Jacobi thực mạnh." Giả thuyết gốc của Keller yêu cầu số phức và một hằng số cố định, một ngưỡng mà cấu trúc của Pinchuk chưa bao giờ hướng tới. Các nhà toán học đã biết về khoảng cách này suốt ba thập kỷ.

Vì sao số phức nâng cao tiêu chuẩn? Đại khái: trên số thực, một đa thức có thể né rắc rối bằng cách đơn giản là không có nghiệm thực tại những điểm xấu. x² + 1 không bao giờ đạt 0 trên trục thực, nhưng trên ℂ thì bắt buộc. Không gian phức không để ánh xạ có chỗ ẩn nấp, nên sống sót qua điều kiện của Keller ở đó là một yêu cầu mạnh hơn nhiều. Ánh xạ mũ ở phần trước đã gợi ý điều này, vì sự quấn vòng khiến nó hỏng là một hiện tượng đậm chất số phức.

Hai kết quả đúng là có họ hàng. Cả hai đều khai thác khoảng cách giữa khả nghịch-ở-mọi-lân-cận và khả nghịch-trên-toàn-không-gian. Đó là dấu hiệu cho thấy toán học xây dựng dựa trên chính nó, không phải bằng chứng rằng chẳng có gì mới ở đây.

Điều gì vẫn chưa ngã ngũ

Trường hợp hai biến vẫn còn mở. Đây là phiên bản gốc, được nghiên cứu nhiều nhất của giả thuyết, dành cho các ánh xạ từ mặt phẳng về chính nó, và như đã nói, không lượng đệm nào có thể đưa một phản ví dụ 3D xuống. Một số nhà toán học coi bài toán trên mặt phẳng là khó hơn và trung tâm hơn. Giờ đây nó là phần cốt lõi còn lại của giả thuyết, chứ không phải một phiên bản nhỏ hơn của điều vừa được giải quyết.

Việc này cũng chưa qua phản biện. Hiện tại nó là một phép tính đã được kiểm chứng và một bản preprint, chưa phải bài báo được phản biện. Vì toàn bộ quy về hai phép tính bạn vừa chạy, việc kiểm chứng có lẽ không phải nút thắt, nhưng hồ sơ công bố nên nêu đúng thực tế.

Cũng có một khoảng trống sâu hơn. Chưa ai có thể giải thích trọn vẹn vì sao phản ví dụ hoạt động. Kiểm tra ký hiệu xác nhận va chạm là có thật; nó không đưa cho bạn câu chuyện đằng sau, kiểu giải thích mà một nhà toán học có thể tự dựng lại từ đầu. Akhil Mathew, nhà toán học Đại học Chicago người đã gợi ý bài toán, nói rất đúng: bạn có thể kiểm chứng đáp án, nhưng sẽ hay hơn nếu có một câu chuyện để kể.

Quá trình khám phá bản thân nó vẫn hơi mờ. Con người nêu câu hỏi, AI làm công việc, con người công bố kết quả. Dòng ghi công đó không cho thấy lời nhắc, những khởi đầu sai, hay mức độ điều khiển trong quá trình. Đây là một câu hỏi thực sự về cách ghi công cho các chứng minh có AI hỗ trợ, và là câu chuyện tách biệt với việc liệu toán có vững không. Câu trả lời là: có.

Lời kết

Bài toán là thật. Một giả thuyết bỏ ngỏ hàng thập kỷ đã có lỗ hổng thực sự ở số chiều từ ba trở lên, được xác nhận độc lập bằng các công cụ chuẩn, và không phải là làm lại kết quả năm 1994 của Pinchuk. Nhưng đây chưa phải là lời giải trọn vẹn cho "giả thuyết Jacobi." Trường hợp trên mặt phẳng vẫn đứng vững, và kết quả đến mà thiếu kiểu giải thích mà toán học thường coi trọng chẳng kém gì đáp án.

Đây cũng là một phần của bức tranh lớn hơn. Suốt năm 2026, các mô hình tiên phong đã dần bào mòn những bài toán mở lâu năm trong tổ hợp và số học. Hãy xem đây là một dữ kiện nữa trong xu hướng đó, không phải ngoại lệ đơn lẻ.

Với bất kỳ ai đang học cách làm việc với AI trên các bài toán kỹ thuật, bài học không phải là "AI giờ làm được nghiên cứu toán." Nó hẹp hơn: các mô hình này ngày càng giỏi tạo ra các đối tượng cụ thể trong những miền có bộ kiểm chứng chính xác, và như bạn vừa thấy ở trên, bạn có thể là người kiểm chứng chỉ với một pip install sympy. Khả năng sinh đang bứt tốc. Khả năng kiểm chứng kịp nhịp. Sự thấu hiểu vẫn cần đuổi kịp.

Đại số tuyến tính và Python ký hiệu là hai kỹ năng đáng bồi đắp ở đây: định thức, tính khả nghịch, và thói quen kiểm tra các khẳng định bằng số học chính xác thay vì tin suông. Lần tới khi một kết quả như vậy xuất hiện, bạn sẽ sẵn sàng tự chạy kiểm chứng trước khi ngày kết thúc.