Đọc báo ngày 22 tháng 11 năm 2026: AI tuyên bố giải bài toán 160 năm, nhưng khoa học chưa thể vội tin

Đọc báo ngày 22 tháng 11 năm 2026: AI tuyên bố giải bài toán 160 năm, nhưng khoa học chưa thể vội tin
Đọc báo cùng chú Nha ngày 22/11/2026 với câu chuyện AI hỗ trợ chứng minh giả thuyết Riemann, rủi ro Deepfake tại Việt Nam, hạ tầng dữ liệu và các ứng dụng công nghệ đáng học hỏi.

Có một tin công nghệ khiến chú Nha phải đọc chậm lại trong buổi sáng hôm nay. Một nhà nghiên cứu Anthropic tuyên bố đã tìm ra cách chứng minh Giả thuyết Riemann, bài toán nổi tiếng tồn tại hơn 160 năm, nhờ sự hỗ trợ của AI Claude.

Nghe rất hấp dẫn.

Nhưng chú Nha chú ý đến một chữ: tuyên bố.

Trong khoa học, việc tìm ra một lời giải và việc chứng minh lời giải ấy đúng là hai chuyện khác nhau. Chúng có thể cách nhau nhiều năm nghiên cứu, tranh luận và kiểm chứng.

Bản tin ngày 22 tháng 11 năm 2026 sẽ bắt đầu từ câu chuyện này. Sau đó là những thông tin đáng đọc về deepfake, trung tâm dữ liệu, AI Agent, Internet of Things và giáo dục.

1. AI và bài toán Riemann: Khi một tuyên bố lớn cần bằng chứng tương xứng

Theo Tuổi Trẻ ngày 21/11, nhà nghiên cứu Levent Alpoge thuộc Anthropic cho biết đã phối hợp với AI Claude để tìm ra cách chứng minh Giả thuyết Riemann.

Giả thuyết này được nhà toán học Bernhard Riemann đưa ra năm 1859, liên quan đến các tính chất của hàm zeta Riemann và có ý nghĩa sâu sắc đối với việc nghiên cứu phân bố số nguyên tố.

Đây là một trong bảy bài toán Thiên niên kỷ được Viện Toán học Clay công bố năm 2000.

Điểm đáng chú ý là nhà nghiên cứu đã sử dụng ngôn ngữ Lean, một công cụ hỗ trợ biểu diễn và kiểm tra chứng minh toán học bằng máy tính.

Tuy nhiên, theo thông tin báo chí tại thời điểm công bố, chứng minh đầy đủ chưa được cộng đồng toán học thẩm định độc lập. Chính tác giả cũng thừa nhận chưa hiểu hết các nội dung toán học liên quan trong phiên bản do mình xây dựng.

Chú Nha học được điều gì?

AI có thể tạo ra một câu trả lời rất thuyết phục. Nhưng sự thuyết phục về ngôn ngữ không đồng nghĩa với tính đúng đắn về logic.

Trong toán học, một chứng minh cần được kiểm tra từng bước. Trong lập trình, mã nguồn cần được chạy thử, kiểm thử và xem xét các điều kiện biên. Trong phân tích dữ liệu, kết quả phải được đối chiếu với dữ liệu và giả định ban đầu.

Điều này gợi ra một cách sử dụng AI khá thực tế: hãy dùng AI để đề xuất phương án, sau đó xây dựng cơ chế kiểm tra kết quả độc lập với chính mô hình đã tạo ra phương án ấy.

Chú Nha nghĩ đây là một thói quen quan trọng đối với những người đang học lập trình cùng AI. Đừng chỉ hỏi AI viết được gì. Hãy hỏi làm thế nào để biết đoạn mã đó đúng.

Nguồn: Tuổi Trẻ - Chuyên gia Anthropic dùng AI giải thành công bài toán tồn tại hơn 160 năm.

2. Deepfake tại Việt Nam: Khi mắt thấy và tai nghe không còn đủ

Tuổi Trẻ dẫn số liệu Kaspersky cho biết tỷ lệ tấn công bằng công nghệ deepfake tại Việt Nam đạt 21%, so với mức trung bình toàn cầu 11% trong dữ liệu khảo sát được công bố.

Bài báo cũng ghi nhận 75% tổ chức tại Việt Nam trong khảo sát chịu ảnh hưởng bởi các cuộc tấn công khai thác sự thiếu nhận thức của nhân viên.

Cần hiểu đúng các con số này. Chúng phản ánh kết quả khảo sát của một hãng bảo mật trong phạm vi được công bố, không có nghĩa cứ 100 người Việt thì 21 người bị deepfake tấn công.

Doanh nghiệp nên thay đổi điều gì?

Một cuộc gọi video có gương mặt giống lãnh đạo hoặc giọng nói giống người quen không còn là bằng chứng đủ mạnh để xác nhận danh tính.

Với các yêu cầu chuyển tiền, thay đổi tài khoản nhận thanh toán hoặc cung cấp dữ liệu quan trọng, nên có bước xác minh qua một kênh độc lập đã được đăng ký trước.

Doanh nghiệp cũng cần phân quyền phê duyệt, lưu nhật ký và hướng dẫn nhân viên nhận biết những tình huống giả mạo.

Đây không chỉ là bài toán mua thêm phần mềm bảo mật. Quy trình và nhận thức của con người vẫn rất quan trọng.

Nguồn: Tuổi Trẻ - Tấn công bằng deepfake tại Việt Nam cao gần gấp đôi thế giới.

3. Trung tâm dữ liệu và bài toán chi phí điện

Theo Dân Trí, Bộ Công Thương đang lấy ý kiến dự thảo sửa đổi quy định về giá bán điện, trong đó có đề xuất áp dụng giá điện sản xuất đối với hoạt động của trung tâm dữ liệu.

Đây mới là đề xuất chính sách, chưa phải quy định đã có hiệu lực.

Với người sử dụng dịch vụ đám mây, chuyện giá điện có vẻ khá xa. Nhưng thực tế, trung tâm dữ liệu cần điện để vận hành máy chủ, hệ thống mạng, thiết bị lưu trữ và làm mát.

Khi nhu cầu tính toán AI tăng, việc sử dụng điện và hiệu quả vận hành hạ tầng trở thành những yếu tố cần được tính toán trong chi phí dịch vụ.

Một bài học về quản trị hạ tầng

Khi xây dựng hệ thống, đừng chỉ nhìn vào chi phí thuê máy chủ theo tháng. Cần quan tâm đến mức sử dụng tài nguyên, khả năng mở rộng, chi phí lưu trữ, truyền dữ liệu và các khoản phát sinh khi tải tăng.

Việc tối ưu truy vấn cơ sở dữ liệu, bộ nhớ đệm và thời gian xử lý có thể giúp giảm tài nguyên sử dụng. Tuy nhiên, muốn kết luận tiết kiệm được bao nhiêu, vẫn phải đo đạc trên hệ thống thực tế.

Nguồn: Dân Trí - Bộ Công Thương muốn áp giá điện sản xuất cho trung tâm dữ liệu.

4. Một chậu cây thông minh và bài học về thiết kế sản phẩm

Thanh Niên giới thiệu dự án Synora của nhóm sinh viên Trường Đại học FPT Cần Thơ. Sản phẩm kết hợp cảm biến độ ẩm đất, bo mạch điều khiển, khoang chứa nước và máy bơm để hỗ trợ chăm sóc cây từ xa.

Khi độ ẩm xuống dưới ngưỡng cài đặt, hệ thống có thể kích hoạt việc tưới nước.

Đây là ví dụ khá gần gũi về Internet of Things, thường gọi là IoT.

Điều thú vị là bài toán ban đầu rất nhỏ: làm sao để cây không thiếu nước khi người chăm sóc bận hoặc vắng nhà?

Từ đó mới xuất hiện nhu cầu cảm biến, điều khiển, kết nối và tự động hóa.

Người học lập trình có thể thử gì?

Bạn có thể bắt đầu bằng một cảm biến độ ẩm đất kết nối với ESP32, đọc dữ liệu và hiển thị lên một trang web đơn giản.

Bước tiếp theo là thiết lập ngưỡng cảnh báo. Sau đó mới thử điều khiển máy bơm, bổ sung cơ chế an toàn khi cảm biến lỗi hoặc bình chứa hết nước.

Không nhất thiết phải thêm AI vào mọi bước. Với một điều kiện đơn giản như độ ẩm thấp hơn ngưỡng, chương trình điều khiển thông thường có thể đã đủ.

Chọn công nghệ vừa đủ với bài toán cũng là một kỹ năng thiết kế sản phẩm.

Nguồn: Thanh Niên - Sinh viên sáng tạo chậu cây thông minh, chăm sóc từ xa bằng AI.

5. Apple và hướng phát triển trợ lý AI có thể tự làm việc

Theo Thanh Niên dẫn lại The Verge, một thông tin tuyển dụng kỹ sư cho thấy Apple có thể đang phát triển hệ thống AI có khả năng tự thực hiện nhiều tác vụ trên máy tính.

Những tác vụ được đề cập bao gồm duyệt web, sử dụng ứng dụng và viết mã lập trình.

Cần lưu ý đây là thông tin về hướng nghiên cứu được suy ra từ tuyển dụng, không phải thông báo ra mắt sản phẩm chính thức.

AI Agent khác chatbot ở điểm nào?

Chatbot thường nhận câu hỏi rồi trả lời. AI Agent có thể được thiết kế để lập kế hoạch, sử dụng công cụ, kiểm tra kết quả và tiếp tục thực hiện nhiều bước công việc.

Ví dụ, một chatbot có thể hướng dẫn bạn tổng hợp dữ liệu bán hàng. Một AI Agent được cấp quyền phù hợp có thể đọc dữ liệu, chạy phép tính, tạo báo cáo và gửi kết quả đến người phụ trách.

Khác biệt nằm ở khả năng thực hiện hành động.

Vì vậy, khi thiết kế AI Agent, cần quy định rõ quyền truy cập, giới hạn ngân sách, điều kiện dừng, các bước phải được con người phê duyệt và cơ chế ghi nhận hoạt động.

AI làm được nhiều việc hơn không có nghĩa chúng ta nên cấp cho nó mọi quyền ngay từ đầu.

Nguồn: Thanh Niên - Apple âm thầm phát triển trợ lý AI vượt xa Siri.

6. Khi AI biết nhiều ngôn ngữ, con người cần hiểu văn hóa sâu hơn

Trong bài bình luận đăng ngày 21/11, Thanh Niên đặt ra vấn đề giáo dục bản sắc dân tộc khi AI có thể hỗ trợ dịch thuật, sáng tác và truyền tải tri thức giữa nhiều ngôn ngữ.

Công nghệ giúp chúng ta tiếp cận kiến thức từ nhiều quốc gia dễ dàng hơn. Nhưng hiểu một ngôn ngữ không đồng nghĩa với hiểu đầy đủ lịch sử, văn hóa và hoàn cảnh xã hội của cộng đồng sử dụng ngôn ngữ ấy.

Đây là một góc nhìn đáng suy nghĩ đối với người làm nội dung số.

Khi sử dụng AI để dịch hoặc biên tập bài viết, người viết cần kiểm tra những cách diễn đạt mang sắc thái văn hóa, tên riêng, thuật ngữ và bối cảnh lịch sử.

Một bản dịch đúng từng chữ vẫn có thể khiến người đọc hiểu sai ý nghĩa.

Với chú Nha, học thêm ngoại ngữ và sử dụng AI không đối lập với việc hiểu sâu tiếng Việt. Càng có nhiều công cụ hỗ trợ, chúng ta càng có điều kiện đọc rộng hơn và kiểm tra kỹ hơn.

Nguồn: Thanh Niên - Giáo dục bản sắc dân tộc thời AI.

Ba điều đáng ghi lại sau buổi đọc báo

Đọc sáu câu chuyện hôm nay, chú Nha muốn ghi lại ba điều.

Một là, đừng biến một tuyên bố thành sự thật khi chưa đủ bằng chứng. Câu chuyện Giả thuyết Riemann nhắc chúng ta rằng một kết quả ấn tượng vẫn cần được kiểm chứng độc lập.

Hai là, tự động hóa cần đi cùng trách nhiệm. Từ AI Agent đến bảo mật deepfake, việc thiết kế quyền hạn và quy trình xác minh không nên bị xem là bước làm sau.

Ba là, công nghệ nên bắt đầu từ một vấn đề cụ thể. Một chậu cây có thể tự tưới đúng lúc cũng đáng học hỏi như những hệ thống AI lớn, nếu nó giải quyết được nhu cầu thật.

Trong những ngày tới, chú Nha sẽ tiếp tục theo dõi việc công bố và thẩm định chứng minh Giả thuyết Riemann, cũng như tiến trình lấy ý kiến chính sách giá điện cho trung tâm dữ liệu.

Còn hôm nay, có lẽ chỉ cần thử một việc nhỏ: lấy một kết quả AI vừa tạo ra, tự hỏi mình có thể kiểm tra nó bằng cách nào mà không phải hỏi lại chính AI ấy.

Chúc mọi người một ngày Chủ nhật vui vẻ.

Cảm ơn bạn đã đọc hết bài viết!

Nha thân tặng bộ source code blog này cho những ai quan tâm.
☕

Mời tác giả tách cà phê / Tiếp sức cho Blog

Nếu nội dung này hữu ích với bạn, hãy ủng hộ một khoản nhỏ để tiếp thêm động lực cho tác giả duy trì và chia sẻ nhiều kiến thức chất lượng hơn!

Giới thiệu

Tìm kiếm Google

Tài trợ

Liên kết

Mạng thư viện
Quà tặng con gái và con trai
Dotgrid Planner 2023
Mua hàng tại amazone
Bàn phím cơ