Seminar Toán học và Ứng dụng (SMA) lần thứ V tại NTTU: Từ “biết AI” đến “hiểu sâu và làm chủ AI” trong nghiên cứu và giáo dục đại học

NTTU – Chiều ngày 14/03/2026, Trường Đại học Nguyễn Tất Thành đã tổ chức thành công Seminar “Toán học và Ứng dụng” (SMA) lần thứ V – một diễn đàn học thuật nhằm trao đổi các hướng tiếp cận mới trong việc kết nối toán học với trí tuệ nhân tạo (AI) và các lĩnh vực nghiên cứu liên ngành trong giáo dục đại học. Chương trình là dịp để các giảng viên và nhà nghiên cứu cùng thảo luận về vai trò nền tảng của tư duy toán học, cấu trúc đại số và phương pháp suy luận logic trong việc phát triển và khai thác hiệu quả các hệ thống AI hiện đại.

Không chỉ dừng lại ở việc giới thiệu các công cụ AI, seminar hướng tới một mục tiêu sâu hơn: giúp người tham dự chuyển từ mức “biết nhiều về AI” sang “biết đúng và hiểu sâu”, thông qua việc xây dựng cách tiếp cận có hệ thống dựa trên tư duy toán học và cấu trúc hóa quá trình suy luận. Qua đó, các phương pháp toán học không chỉ đóng vai trò là nền tảng lý thuyết của các mô hình trí tuệ nhân tạo mà còn giúp định hình cách con người tương tác với AI trong nghiên cứu và giảng dạy.

Cấu trúc tư duy để làm chủ AI

Mở đầu chương trình, TS. Nguyễn Anh Vũ (Trường Đại học Y Dược TP.HCM) trình bày báo cáo với tiêu đề “Harnessing AI through QIAO Intent Programming”. Báo cáo giới thiệu một cách tiếp cận có tính hệ thống nhằm nâng cao hiệu quả tương tác giữa con người và các hệ thống trí tuệ nhân tạo thông qua khái niệm lập trình ý định (Intent Programming) – một phương pháp đặt trọng tâm vào việc xác định rõ mục tiêu và cấu trúc suy luận trước khi tương tác với các mô hình AI.

Trong phần trình bày, diễn giả giới thiệu mô hình System Architecture 4×9, một khung tư duy nhằm mô tả hệ sinh thái tương tác giữa con người và AI. Mô hình này được xây dựng xoay quanh bốn tác nhân trung tâm gồm Human – Machine – Digital – AI, phản ánh sự kết hợp giữa chủ thể nhận thức (con người), hạ tầng kỹ thuật (máy tính), môi trường dữ liệu và các hệ thống trí tuệ nhân tạo. Theo diễn giả, việc xem AI như một thành phần nằm trong mạng lưới tương tác đa chiều giúp chuyển cách tiếp cận từ “sử dụng AI như công cụ” sang “thiết kế hệ thống hợp tác giữa con người và AI”.

Bên cạnh việc giới thiệu kiến trúc tổng thể của hệ thống, báo cáo cũng đề cập đến một khung vận hành đơn giản nhưng hiệu quả trong quá trình làm việc với AI. Khung này được xây dựng dựa trên ba trụ cột chính gồm Value, Method và Data, kết hợp với ba giai đoạn Think – Act – Observe. Theo đó, quá trình tương tác với AI bắt đầu từ việc xác định rõ mục tiêu và ý định của người dùng, sau đó triển khai các yêu cầu hoặc cấu trúc lệnh phù hợp để hệ thống xử lý. Kết quả thu được tiếp tục được quan sát, đánh giá và điều chỉnh dựa trên dữ liệu phản hồi. Cách tiếp cận này giúp quá trình làm việc với AI trở nên có hệ thống hơn, đồng thời tăng khả năng kiểm soát và cải thiện chất lượng kết quả.

Để cụ thể hóa quá trình này, TS. Nguyễn Anh Vũ cũng giới thiệu một số khung phương pháp quan trọng trong lập trình ý định. Chẳng hạn, mô hình MIC (Motivation – Instruction – Context) được sử dụng để xác định động lực, yêu cầu và bối cảnh của bài toán trước khi đưa ra yêu cầu cho AI. Trong khi đó, phương pháp CER (Claim – Evidence – Reasoning) giúp kiểm tra và đánh giá tính hợp lý của các phản hồi do AI tạo ra, từ đó hạn chế các hiện tượng suy luận sai hoặc “ảo giác trong AI” thường gặp trong các mô hình ngôn ngữ lớn.

Một điểm đáng chú ý trong báo cáo là việc nhấn mạnh vai trò của cấu trúc tư duy khi làm việc với AI. Theo TS. Nguyễn Anh Vũ, trong nhiều trường hợp kết quả không chính xác của AI không xuất phát từ bản thân mô hình mà từ việc ý định của người dùng chưa được xác định rõ ràng hoặc chưa được cấu trúc một cách hợp lý. Do đó, lập trình ý định được xem như một phương pháp giúp con người thiết kế lại cách đặt câu hỏi, tổ chức dữ liệu và kiểm soát quá trình suy luận của AI.

Claude CoWork – AI như một “đồng nghiệp số” trong giảng dạy đại học

Trong phiên báo cáo thứ hai, ThS. Phan Văn Hòa trình bày chuyên đề “AI Transformation for Educators: Mastering AI, Redefining the Classroom”, tập trung vào xu hướng ứng dụng trí tuệ nhân tạo trong hỗ trợ hoạt động giảng dạy đại học. Điểm nhấn của báo cáo là khái niệm Claude CoWork, trong đó hệ thống AI được xem như một “đồng nghiệp số” có khả năng cộng tác trực tiếp với giảng viên trong nhiều hoạt động học thuật.

Theo diễn giả, thay vì sử dụng AI như một chatbot đơn lẻ để trả lời câu hỏi, các hệ thống AI thế hệ mới có thể hoạt động như một tác nhân cộng tác thông minh có khả năng đọc tài liệu, phân tích nội dung và thực hiện chuỗi tác vụ nhiều bước. Trong mô hình này, Claude CoWork có thể hỗ trợ giảng viên trong nhiều công việc như tổ chức học liệu, xây dựng cấu trúc bài giảng, tạo bài tập và đề kiểm tra, cũng như tổng hợp và phân tích dữ liệu học tập của sinh viên.
Báo cáo minh họa cách Claude CoWork có thể xử lý các công việc thường ngày của giảng viên. Chẳng hạn, hệ thống có thể tự động phân loại và tổ chức hàng trăm tệp tài liệu giảng dạy, tạo nhiều phiên bản đề kiểm tra với các mức độ khó khác nhau hoặc tạo khóa giải chi tiết cho các bài toán. Trong một ví dụ phân tích dữ liệu lớp học, hệ thống AI có thể phát hiện các lỗi phổ biến trong bài làm của sinh viên, chẳng hạn 73% sinh viên mắc lỗi dấu trong phép toán ma trận, 40% sai công thức định thức và khoảng 26% thiếu bước giải thích trong bài giải. Những phân tích này giúp giảng viên nhận diện chính xác những khó khăn của sinh viên để điều chỉnh nội dung và phương pháp giảng dạy.

Bên cạnh đó, Claude CoWork còn có khả năng tổng hợp học liệu từ nhiều nguồn khác nhau như ghi chú bài giảng, slide thuyết trình và giáo trình tham khảo để tạo ra các tài liệu ôn tập có cấu trúc rõ ràng, bổ sung ví dụ minh họa và bài tập thực hành. Theo ước tính trong báo cáo, việc sử dụng AI cho các nhiệm vụ như chuẩn bị tài liệu hoặc xây dựng đề kiểm tra có thể giúp tiết kiệm từ 2-5 giờ làm việc cho mỗi học phần.

Theo ThS. Phan Văn Hòa, việc triển khai các hệ thống như Claude CoWork không nhằm thay thế vai trò của giảng viên, mà hướng tới tăng cường khả năng cộng tác giữa con người và AI trong môi trường giáo dục. Khi được sử dụng đúng cách, AI có thể giúp giảm đáng kể các công việc hành chính lặp lại, cho phép giảng viên tập trung nhiều hơn vào việc truyền cảm hứng, thiết kế hoạt động học tập, hướng dẫn sinh viên và phát triển các phương pháp giảng dạy sáng tạo.

Buổi seminar đã khép lại thành công trong không khí trao đổi học thuật sôi nổi với nhiều ý kiến phản biện sắc sảo từ các giảng viên và nhà nghiên cứu tham dự. Những chia sẻ tâm huyết từ hai diễn giả không chỉ mang đến cho cộng đồng SMA cái nhìn hệ thống về cách tiếp cận AI trong giáo dục đại học mà còn tiếp tục khẳng định vị thế của chuỗi Seminar Toán học và Ứng dụng như một diễn đàn kết nối uy tín dành cho những người đam mê toán học, trí tuệ nhân tạo và khoa học dữ liệu. Theo chia sẻ từ Ban Tổ chức, các kỳ seminar tới sẽ đẩy mạnh tính thực tiễn theo hướng “cầm tay chỉ việc” nhằm hỗ trợ tối đa người tham dự trong việc làm chủ AI vào nghiên cứu và giảng dạy, trong đó Seminar SMA lần thứ VI dự kiến sẽ trở lại vào tháng 4/2026.

Một số hình ảnh của chương trình

Hồ Quý ( P. KHCN) – Media