Navier-Stokes và lời giải "rất có thể" từ OpenAI
Károly Zsolnai-Fehér giải thích phương trình Navier-Stokes, lời giải OpenAI công bố, tranh cãi quanh nó và vì sao AI giỏi toán (video đăng ngày 10/09/2026).
✓ Đã duyệt độc lập · cập nhật 17/11/2026 · 9 min
1. Một bài toán chưa ai chứng minh được, "rất có thể" đã có lời giải
Károly Zsolnai-Fehér mở đầu bằng một lời thú nhận: anh không nghĩ mình sẽ sống đến ngày vấn đề toán học này được giải. Và rồi anh đã được thấy ngày đó, "có lẽ là vậy" (anh nói "likely"). Thế nên anh đang ngồi đây, theo lời anh, "kind of" không tin nổi. Theo anh (video đăng ngày 10/09/2026), đây là thứ mà chưa ai từng chứng minh được.
Theo Károly (video đăng ngày 10/09/2026), bài toán về sự tồn tại và tính trơn (existence and smoothness) của phương trình Navier-Stokes đã "rất có thể" được giải, và đó là điều OpenAI nói. Anh gọi đây là lịch sử đang được viết nên, và hứa sẽ còn một bất ngờ lớn hơn nữa ở cuối video.
Anh nói rõ (video đăng ngày 10/09/2026) rằng anh không có quan hệ gì với OpenAI, chưa bao giờ có. Họ thậm chí không gửi cho anh thứ gì để dùng thử sớm (early access), dù họ gửi đi rất nhiều thứ như vậy, chỉ là không gửi cho anh.

2. Tranh cãi: hai nhà khoa học đi trước và tin đồn
Rồi anh nói có tranh cãi (video đăng ngày 10/09/2026). Anh là một nhà khoa học nghiên cứu (research scientist), và chuyện này khiến anh rất không thoải mái. Nhưng anh vẫn phải nhắc tới, vì đó là bối cảnh bên ngoài của công trình mà người xem nên biết. Sau đó anh sẽ nói về phần mà, theo anh, gần như không ai bàn tới.
Câu chuyện theo lời Károly (video đăng ngày 10/09/2026): hai nhà khoa học đã có tiến bộ đáng kể trên một bài toán liên quan, và theo nhà toán học huyền thoại Terence Tao, họ đã đi tới mức lời giải của họ "có lẽ" (likely) mở rộng được để giải bài toán Navier-Stokes. Khi anh nói tới hai người này, trên màn hình hiện dòng chữ "Alpöge and Buckmaster".
Và rồi, vẫn theo lời anh (video đăng ngày 10/09/2026), sau khi nghe các tin đồn, OpenAI đã khởi động một hệ thống AI mạnh hơn Astra, và hệ thống đó đưa ra được một lời giải. Anh thốt lên: "Whoa!"
Anh nói (video đăng ngày 10/09/2026) đây là Two Minute Papers, nơi anh và nhóm tôn vinh khoa học và các nhà khoa học. Anh không biết hai nhà khoa học bên ngoài OpenAI này sẽ được ghi công (attribution) đến đâu, nên để cảm ơn công trình của họ, đây là lời ghi công của anh và nhóm dành cho họ. Anh cũng gửi một lời cảm ơn lớn tới công trình của họ.
3. Dữ liệu chat có thể đã được dùng để cải thiện model
Thêm một lưu ý nữa, theo Károly (video đăng ngày 10/09/2026): hai nhà khoa học này cũng đã dùng các LLM độc quyền (proprietary) như ChatGPT và Claude một cách rộng rãi. Và họ muốn được xác nhận rằng OpenAI không dùng lại dữ liệu này trong hệ thống của mình, dù làm dữ liệu huấn luyện hay theo cách khác.
Câu trả lời, theo anh, là một câu, chính thức từ OpenAI. Câu trích trên màn hình, ghi nguồn OpenAI, như anh đọc trong video đăng ngày 10/09/2026:
While unlikely, we cannot rule out that de-identified data derived from their usage of our products helped improve our models.

Anh nói tiếp (video đăng ngày 10/09/2026): đúng vậy, bất cứ thứ gì bạn gõ vào khung chat của một AI độc quyền đều có thể được dùng để huấn luyện. Theo anh, chuyện này không thể xảy ra nếu bạn tự chạy các hệ thống AI miễn phí và open weights. Vì sao? Vì prompt không bao giờ rời khỏi máy của bạn.
4. Phương trình Navier-Stokes là gì
"Okay, Navier-Stokes." Cuối cùng, anh nói, anh cũng được nói về khoa học. Anh không phải chuyên gia về chuyện này, anh chỉ là một người đang học. Nhưng theo anh (video đăng ngày 10/09/2026), anh có chút kinh nghiệm trong lĩnh vực này, vì anh đã làm nghiên cứu vài năm và viết luận văn về nó.

Vậy phương trình Navier-Stokes là gì? Theo Károly (video đăng ngày 10/09/2026), đó là các phương trình mô tả chuyển động của chất lỏng. Anh tự hỏi lại: "Nhưng cái gì cơ?", nghe thật điên rồ. Anh bảo hãy nhìn đoạn phim thiên nhiên tuyệt đẹp này, những dòng nước trắng xoá đổ qua ghềnh đá. Anh nhớ mình từng nhìn những cảnh như thế và nói: bạn muốn hiểu và tính toán được thứ này à? Bạn điên à? Thứ này phức tạp không thể tưởng tượng nổi.
Thế nhưng, theo anh (video đăng ngày 10/09/2026), với sức mạnh của khoa học, hoá ra nó không phức tạp như vậy. Phương trình Navier-Stokes dạy rằng bạn chỉ cần hiểu ba thành phần (term), và bạn sẽ hiểu tất cả những thứ này.
5. Ba thành phần: advection, pressure, diffusion, cộng thêm lực ngoài
Thứ nhất là advection. Theo Károly (video đăng ngày 10/09/2026), đây vừa là trái tim vừa là nỗi khổ của mọi mô phỏng chất lỏng (fluid simulation). Tin tốt: nếu bạn thả một vật xuống sông, nó sẽ trôi theo dòng chảy. "Goodbye." Đó là advection. Tin xấu: chính chất lỏng cũng tự advect bản thân nó. Điều này được mô tả bằng đạo hàm theo hướng (directional derivative) ở thành phần thứ nhất.

Thành phần thứ hai là pressure (áp suất). "Yummy", anh nói. Theo anh (video đăng ngày 10/09/2026), nó hơi giống người trên một chuyến xe buýt đông khách: mọi người chen lấn nhau rất nhiều, và việc đó tạo ra chuyển động hướng ra ngoài.

Thành phần thứ ba là diffusion (khuếch tán), "crowd favorite" theo lời anh. Theo Károly (video đăng ngày 10/09/2026), nó có nghĩa là các khác biệt sẽ được san bằng theo thời gian. Nếu bạn nhỏ một giọt mực vào nước, bạn thấy ngay nó ở đâu, dĩ nhiên rồi. Nhưng nếu vài phút sau quay lại, bạn sẽ thấy nó đã lan ra hoàn toàn, và cả cốc chất lỏng giờ cùng một màu. Đó là diffusion.

Ngoài ra, theo anh (video đăng ngày 10/09/2026), chất lỏng còn phản ứng với lực ngoài (external forces). Nếu bạn thổi vào nó, nó chuyển động, dĩ nhiên là thế. Phần này xong bằng một phép cộng đơn giản, đẹp đẽ, và anh không tính nó là một thành phần.
Bạn cũng cần thêm một phương trình thứ hai, theo Károly (video đăng ngày 10/09/2026): điều kiện không nén được (incompressibility condition), nói rằng thể tích giữ nguyên theo thời gian. Ta không làm mất đi hay tự dưng tạo ra chất lỏng từ hư không.
6. Đưa phương trình lên grid và viết chương trình mô phỏng
Điều anh thích làm, theo lời anh (video đăng ngày 10/09/2026), là rời rạc hoá (discretize) loại phương trình này lên một grid. Và các biểu thức này rất dễ tính trên grid. Ví dụ, advection nghĩa là bạn lấy một phần mật độ chất lỏng (fluid density) ra khỏi chỗ bạn đang đứng và cộng nó vào ô lân cận thích hợp. Diffusion nghĩa là lấy trung bình. "So simple", anh nói.

Với những thứ này, theo Károly (video đăng ngày 10/09/2026), bạn có thể viết một chương trình máy tính "kind of" mô phỏng được thực tại, và anh thấy điều đó thật choáng ngợp. Mô phỏng chất lỏng cho vui? Có chứ. Thử nghiệm trong hầm gió cho một chiếc máy bay mới? Có chứ. Károly viết những mô phỏng điên rồ để điều khiển chất lỏng của cả thế giới? Có chứ.

Anh nói (video đăng ngày 10/09/2026) bạn cũng có thể viết một mô phỏng như vậy. Source code cho mọi nghiên cứu của anh luôn có sẵn, miễn phí cho tất cả mọi người, kèm theo cả các paper.
7. Câu hỏi triệu đô: toán học có đổ vỡ không?
Vậy câu hỏi cần giải ở đây là gì? Theo Károly (video đăng ngày 10/09/2026), câu hỏi là: nếu bạn bắt đầu với một dòng chảy trơn (smooth) và chạy các phương trình này mãi mãi, liệu toán học cuối cùng có đổ vỡ (break down) không?
Rồi anh chào: "Dear Fellow Scholars, this is Two Minute Papers with Dr. Károly Zsolnai-Fehér". Anh vui mừng báo (video đăng ngày 10/09/2026) với các fellow scholars rằng câu trả lời không phải là 42, như một số người xem nói.
Câu trả lời đáng giá một triệu đô, theo anh (video đăng ngày 10/09/2026), là có. Toán học có thể đổ vỡ. Các phương trình không được bảo đảm sẽ hành xử tử tế mãi mãi.
Theo Károly (video đăng ngày 10/09/2026), OpenAI bắt đầu lời giải từ trạng thái đứng yên (rest) và dùng các lực ngoài được tạo ra một cách cẩn thận. Anh giải thích: nếu bạn tạo ra một xoáy (vortex) xoắn vào trong, bị kéo giãn, và vận tốc của nó tăng lên không giới hạn trong một khoảng thời gian hữu hạn, trong khi tổng năng lượng của nó vẫn hữu hạn, thì toán học đổ vỡ. Như vậy, theo anh, có những trường hợp toán học rất "hairy".

Chuyện này có xảy ra trong tự nhiên (Mother Nature) không? Theo anh (video đăng ngày 10/09/2026): chưa có trường hợp nào mà ta biết. Nếu có, vật lý ở cấp độ phân tử sẽ thay thế. Đừng dùng Navier-Stokes cho trường hợp đó.
Anh nhắc lại một lần nữa rằng anh chỉ là một người đang cố học hỏi ở đây. Anh có thể sai, nhưng anh đang cố hết sức.
8. Model của OpenAI mất bao lâu?
Rồi tới một bất ngờ khác. Model của OpenAI mất bao lâu để tìm ra lời giải? Họ đã chạy nó âm thầm một năm hay lâu hơn? Anh trả lời (video đăng ngày 10/09/2026): "Nope."
Anh bảo các fellow scholars hãy giữ chặt tờ giấy của mình ("hold on to your papers"), bởi vì, theo Károly (video đăng ngày 10/09/2026), việc đó mất khoảng ba ngày rưỡi. "Goodness", anh nói. Trên màn hình ở đoạn này là một dòng chữ ghi rằng các agent đi tới kết quả vào thứ Bảy, ngày 5 tháng 9, khoảng 88 giờ sau khi những agent đầu tiên được khởi chạy.

9. Vì sao AI giỏi toán: toán kiểm chứng được
Và một điều nữa. Theo Károly (video đăng ngày 10/09/2026), mọi người không thực sự hiểu vì sao AI lại giỏi toán đến vậy. Anh bảo hãy nhìn vào văn xuôi (prose) trước.
Theo ví dụ của anh (video đăng ngày 10/09/2026): nếu bạn bảo một AI viết một bài theo văn phong của bạn, nó viết. Bạn làm gì tiếp? Bạn đọc và đánh giá bằng tay: bài đó có tốt hay không? Như vậy, bạn đọc và đánh giá có lẽ khoảng một trăm bài mỗi giờ.
Nhưng với toán học thì không như vậy, theo anh (video đăng ngày 10/09/2026). Toán học kiểm chứng được (verifiable), và đó là chìa khoá. Bạn có thể tự động kiểm tra xem kết quả có tốt hay không. Vì thế bạn có thể làm việc đó một trăm triệu lần mỗi giờ. Một trăm bài học so với một trăm triệu bài học mỗi giờ: đó là một khác biệt lớn.

Theo Károly (video đăng ngày 10/09/2026), đây là lý do AI đang tiến bộ cực nhanh ở môn toán, và nó sẽ còn giỏi hơn thế này rất, rất nhiều. Điều đó khó hình dung, nhưng theo anh "likely true", có lẽ là đúng.
10. An toàn, alignment và ý tưởng của Demis Hassabis
Và vì AI đang trở nên mạnh như vậy, Károly cho rằng (video đăng ngày 10/09/2026) chúng ta cần phối hợp nhiều hơn rất nhiều cho safety và alignment.
Anh kể thêm (video đăng ngày 10/09/2026): khi Sir Demis Hassabis, người đoạt giải Nobel, nói với anh rằng chúng ta có thể chữa mọi bệnh tật trong 10 năm, anh ngã khỏi ghế. Vì sao, và bằng cách nào?

Với rủi ro là đang mở rộng lập luận của ông ấy, Károly đưa ra cách hiểu của mình (video đăng ngày 10/09/2026): hãy biến bệnh tật thành một bài toán kiểm chứng được, giống như toán học. Nếu làm được vậy, chúng ta có thể chữa được mọi bệnh tật trong 10 năm.
Rồi anh nói: "What a time to be alive!"
Nguồn và liên kết 8 nguồn
- Tên gốc: I Never Thought I’d See This Happen
- Sự kiện: YouTube
- Video gốc: https://www.youtube.com/watch?v=mOvtumfyjCs youtube.com
- Kênh YouTube Two Minute Papers (Károly Zsolnai-Fehér): trang kênh youtube.com
- OpenAI, bài về lời giải bài toán Navier-Stokes mà Károly trích trong video đăng ngày 10/09/2026: openai.com/index/navier-stokes-solution openai.com
- Károly Zsolnai-Fehér, "The flow from simulation to reality", Nature Physics (đọc ngày 17/11/2026): nature.com/articles/s41567-022-01788-5 nature.com
- Trang nghiên cứu của Károly Zsolnai-Fehér, danh sách paper (đọc ngày 17/11/2026): users.cg.tuwien.ac.at/zsolnai users.cg.tuwien.ac.at
- Luận văn MSc "Real time fluid simulation and control using the Navier-Stokes equations" (2012) của Károly Zsolnai-Fehér (đọc ngày 17/11/2026): users.cg.tuwien.ac.at/zsolnai/gfx/fluid_control_msc_thesis users.cg.tuwien.ac.at


