NTTU – Chiều ngày 12/9/2026, Trường Đại học Nguyễn Tất Thành tổ chức Seminar Toán học và Ứng dụng (Seminar on Mathematics and Applications – SMA) lần thứ IX, mở đầu chuỗi sinh hoạt học thuật của năm học 2026 – 2027. Tiếp nối tám kỳ seminar được tổ chức trong năm học 2025 – 2026, SMA IX đưa thảo luận về trí tuệ nhân tạo trong giáo dục toán học sang một vấn đề ngày càng thiết thực: khi người học đã có thể tiếp cận GenAI một cách dễ dàng, câu hỏi không còn dừng ở “có nên sử dụng AI hay không” mà chuyển sang “sử dụng đến đâu, kiểm chứng thế nào và ai chịu trách nhiệm đối với kết quả do AI tạo ra?”.
Từ “có nên dùng AI?” đến “chúng ta có kiểm chứng được AI?”
Mở đầu chương trình, chuyên gia AI Phan Văn Hòa trình bày chủ đề “AI or Not-AI Có nên dùng AI hay không?”. Thay vì tiếp tục đặt vấn đề theo hai lựa chọn “dùng” hoặc “không dùng”, diễn giả hướng sự chú ý đến một câu hỏi thực tế hơn: người sử dụng có đủ năng lực để đánh giá và kiểm chứng kết quả mà AI tạo ra hay không?
Chuyên gia AI Phan Văn Hòa
Cách tiếp cận này phản ánh một thay đổi đáng chú ý trong cách nhìn nhận AI. Các công cụ GenAI có thể tạo ra câu trả lời gần như tức thời, diễn đạt mạch lạc và đưa ra những lời giải có vẻ hợp lý. Tuy nhiên, tốc độ xử lý hay sự thuyết phục về hình thức không đồng nghĩa với tính chính xác.
Để minh họa, diễn giả đưa ra một lời giải Toán học có cấu trúc tương đối hoàn chỉnh nhưng dẫn đến kết quả sai. Ví dụ cho thấy sự khác biệt giữa việc “nhận được một đáp án” và “biết rằng đáp án đó đáng tin cậy”. Một lỗi sai có thể được phát hiện nhanh nếu người kiểm tra có đủ kiến thức nền, nhưng để xác nhận toàn bộ một lập luận là đúng lại có thể đòi hỏi nhiều thời gian, kiến thức và năng lực chuyên môn hơn.
Từ đó, vấn đề được mở rộng sang việc sử dụng AI trong học tập và nghiên cứu. Khi người dùng chưa đủ khả năng kiểm tra đầu ra của công cụ, kết quả do AI tạo ra chưa thể mặc nhiên được xem là một kết luận đã được xác nhận. AI có thể hỗ trợ đề xuất phương án, thực hiện một số thao tác hoặc gợi mở hướng giải quyết, nhưng quyết định tin cậy, sử dụng, hiệu chỉnh hay loại bỏ kết quả vẫn thuộc về con người.
Đối với sinh viên, ranh giới này càng có ý nghĩa. Trong nhiều môn học, đặc biệt là toán học, mục tiêu của một bài toán không chỉ nằm ở đáp số cuối cùng. Quá trình phân tích dữ kiện, lựa chọn phương pháp, thử nghiệm, phát hiện sai sót, sửa lỗi và xây dựng lập luận chính là một phần quan trọng của quá trình học.
Từ góc nhìn đó, báo cáo gợi mở một cách tiếp cận cụ thể hơn thay cho những quy định đơn giản theo hướng “cấm” hoặc “cho phép” AI. Giảng viên có thể xác định ngay từ đầu đâu là những hoạt động sinh viên cần tự thực hiện, đâu là những nhiệm vụ được phép sử dụng AI hỗ trợ và đâu là những thao tác kỹ thuật có thể giao cho công cụ. Quyền sử dụng AI, theo đó, cần đi kèm trách nhiệm kiểm chứng kết quả.
Khi AI giải bài rất nhanh, giảng viên cần đánh giá điều gì?
Nếu báo cáo đầu tiên tiếp cận vấn đề từ phía người sử dụng AI, phần trình bày của TS. Nguyễn Anh Vũ – Bộ môn Toán, Đại học Y Dược TP. HCM mở rộng thảo luận sang một câu hỏi lớn hơn đối với giáo dục đại học: khi sinh viên có đầy đủ công cụ GenAI, cách dạy và cách đánh giá cần thay đổi như thế nào?
Trong báo cáo “Mastering bottlenecks and handover points in mathematics pedagogy and assessment strategies when students have full access to GenAI”, TS. Nguyễn Anh Vũ đưa ra một minh họa trực quan: một số dạng bài trước đây được thiết kế để sinh viên thực hiện trong thời gian tương đối dài hiện có thể được các công cụ AI xử lý rất nhanh, thậm chí chỉ từ hình ảnh của đề bài.
Phần trình bày của TS. Nguyễn Anh Vũ – Bộ môn Toán, Đại học Y Dược TP. HCM
Thực tế đó đặt ra câu hỏi về giá trị của những hình thức kiểm tra chủ yếu đo khả năng lặp lại các quy trình tính toán quen thuộc. Khi máy có thể thực hiện nhanh và ngày càng chính xác những thao tác mang tính thủ tục, việc đánh giá người học chỉ dựa trên khả năng tạo ra đáp số cuối cùng có nguy cơ không còn phản ánh đầy đủ mức độ hiểu biết của sinh viên.
Điều này không có nghĩa AI làm giảm vai trò của việc học toán. Ngược lại, sự phát triển của công nghệ đang buộc giáo dục phải xác định rõ hơn đâu là năng lực toán học cốt lõi cần được hình thành và đánh giá.
Thay vì chỉ yêu cầu sinh viên tìm ra lời giải, bài kiểm tra có thể được thiết kế theo hướng yêu cầu người học phát hiện sai sót trong một lời giải có sẵn, giải thích nguyên nhân dẫn đến sai lệch, kiểm tra các giả định, so sánh nhiều phương pháp hoặc phân tích vì sao một cách giải không còn phù hợp khi điều kiện của bài toán thay đổi.
Khi đó, AI có thể tham gia như một công cụ hỗ trợ tính toán hoặc tạo phương án, nhưng sinh viên vẫn phải chứng minh rằng mình hiểu vấn đề, nhận diện được giới hạn của công cụ, phát hiện được kết quả bất hợp lý và có khả năng giải thích quyết định của chính mình.
AI càng mạnh, năng lực kiểm chứng càng quan trọng
Dù tiếp cận từ hai hướng khác nhau, hai báo cáo tại SMA IX gặp nhau ở một điểm chung: con người không cần cạnh tranh với AI về tốc độ tính toán nhưng phải duy trì năng lực đặt vấn đề, đánh giá, phản biện và chịu trách nhiệm đối với kết quả cuối cùng.
Trong phần trình bày của chuyên gia Phan Văn Hòa, trọng tâm nằm ở năng lực kiểm chứng sản phẩm do AI tạo ra. Trong khi đó, TS. Nguyễn Anh Vũ đặt ra bài toán tiếp theo cho giáo dục: làm thế nào thiết kế hoạt động dạy học và đánh giá để sinh viên vẫn hình thành được năng lực kiểm chứng ấy trong bối cảnh AI luôn sẵn có.
Các đại biểu thảo luận tại buổi seminar
Sự thay đổi này cũng đặt ra yêu cầu mới đối với giảng viên. Nếu công nghệ có thể đảm nhiệm ngày càng nhiều công việc tính toán và thao tác theo quy trình, cách đánh giá chỉ dựa trên đáp án cuối cùng sẽ ngày càng khó cho biết người học thực sự hiểu vấn đề đến đâu.
Thay vào đó, những năng lực như phát hiện lỗi, giải thích lập luận, kiểm tra giả định, nhận diện giới hạn của phương pháp, so sánh các phương án và kiểm chứng kết quả cần được chú trọng hơn trong thiết kế hoạt động học tập và đánh giá.
Theo tinh thần được trao đổi tại seminar, tương lai của giáo dục Toán học không nằm ở việc cố gắng giúp con người vượt máy về tốc độ tính toán, mà ở việc giúp người học phát triển khả năng nhận diện vấn đề, lựa chọn phương pháp phù hợp, đánh giá đầu ra và phản biện kết quả mà công nghệ cung cấp.
SMA IX mở đầu mạch trao đổi học thuật của năm học 2026 – 2027
Bước vào năm học mới, SMA IX tiếp tục khẳng định vai trò của Seminar Toán học và Ứng dụng như một không gian trao đổi học thuật dành cho các nhà khoa học, giảng viên, chuyên gia và những người quan tâm đến các vấn đề đang tác động trực tiếp đến nghiên cứu và giáo dục.
Sự tham gia của các phó giáo sư, tiến sĩ, giảng viên và chuyên gia đến từ nhiều cơ sở giáo dục đại học tại TP. HCM và các tỉnh, thành lân cận góp phần mở rộng góc nhìn của chương trình. Qua đó, câu chuyện về AI không chỉ được tiếp cận dưới góc độ công nghệ, mà còn được đặt trong thực tiễn giảng dạy, nghiên cứu và đánh giá người học.
Việc mở đầu chuỗi SMA năm học 2026 – 2027 bằng chủ đề liên quan đến kiểm chứng và đánh giá trong thời đại GenAI cũng cho thấy một sự chuyển dịch đáng chú ý trong thảo luận học thuật hiện nay. AI không còn đơn thuần là một công cụ mới cần học cách sử dụng; vấn đề quan trọng hơn là con người sử dụng công cụ ấy trong giới hạn nào, kiểm tra đầu ra ra sao và làm thế nào để duy trì năng lực tư duy độc lập khi làm việc cùng công nghệ.
Đó cũng là một trong những năng lực ngày càng trở nên quan trọng trong giáo dục đại học khi AI chuyển từ vị trí của một công nghệ mới sang một công cụ hiện diện thường xuyên trong học tập, nghiên cứu và hoạt động nghề nghiệp.
Một só hình ảnh khác của chương trình
Hồ Quý – Media
