ปัญหา Navier-Stokes คืออะไร และ AI เข้ามาเปลี่ยนเกมอย่างไร
ปัญหา Navier-Stokes คือคำถามทางคณิตศาสตร์เกี่ยวกับสมการที่ใช้อธิบายการเคลื่อนที่ของของไหลสามมิติ ว่าสมการนี้ให้คำตอบที่เรียบ ลื่นไหล และไม่ระเบิดค่าเป็นอนันต์เสมอหรือไม่ โดยเฉพาะกรณีที่เริ่มจากสภาวะเริ่มต้นที่เรียบและแรงบังคับที่เรียบเช่นกัน จึงเป็นโจทย์หลักที่เชื่อมระหว่างคณิตศาสตร์บริสุทธิ์ ทฤษฎีความปั่นป่วน และการคำนวณเชิงวิศวกรรมสมัยใหม่ OpenAI อ้างว่าโมเดล AI ภายในที่ยังไม่เปิดสู่สาธารณะสามารถแก้ปัญหา Navier-Stokes existence and smoothness ซึ่งเป็นหนึ่งในปัญหาแห่งสหัสวรรษของสถาบัน Clay Mathematics Institute ได้สำเร็จ โดยเสนอหลักฐานว่าคำตอบของสมการอาจเกิดการ blow up หรือความเร็วพุ่งสู่ค่าอนันต์ภายในเวลาจำกัด การที่ AI แก้คณิตศาสตร์ระดับนี้ได้ไม่ใช่แค่เรื่องเท่ แต่เป็นสัญญาณว่าเรากำลังก้าวสู่ยุคที่ AI แก้คณิตศาสตร์ ระดับนักวิจัยแนวหน้าได้จริง สิ่งที่น่าคิดคือ นี่ไม่ใช่การแทนนักคณิตศาสตร์ แต่คือการเปลี่ยนรูปแบบการทำงาน จากเดิมที่มนุษย์นำ AI เป็นเครื่องมือคำนวณ กลายเป็น AI ร่วมคิดเชิงพิสูจน์และสำรวจแนวคิดใหม่ที่มนุษย์อาจไม่เคยนึกถึงมาก่อน
10,000 เอเจนต์ใน 88 ชั่วโมง เบื้องหลัง OpenAI ความก้าวหน้า
เบื้องหลังความสำเร็จครั้งนี้คือการทดลองขนาดใหญ่ที่ใช้ AI agents ประมาณ 10,000 ตัวทำงานประสานกันกับโมเดลภายในรุ่นใหม่ของ OpenAI ที่บริษัทระบุว่ามีความสามารถด้านคณิตศาสตร์สูงกว่ารุ่นสาธารณะอย่างมีนัยสำคัญ การรันโปรเจกต์นี้ใช้เวลาราว 88 ชั่วโมงจึงได้ข้อสรุป โดยระบบส่งข้อความหากันประมาณ 2.7 ล้านข้อความ และสร้างเอาต์พุตรวมประมาณ 130,000 ล้านโทเคนสำหรับโจทย์ Navier-Stokes เพียงข้อเดียว ตามคำอธิบายของบริษัท “โมเดลภายในรุ่นนี้ถูกปล่อยให้ทดลองโจมตีปัญหาแห่งสหัสวรรษทั้งหมด หลังได้รับข่าวลือว่าอาจมีโจทย์สองข้อถูกแก้ไปแล้วในที่อื่น” นั่นหมายความว่า OpenAI ความก้าวหน้า ครั้งนี้เกิดจากการตัดสินใจเร่งเครื่องเพื่อตอบสนองข่าวลือมากกว่าการวางแผนระยะยาว เป็นภาพสะท้อนชัดเจนว่าการแข่งขันในโลก AI ระดับบนกำลังขับเคลื่อนด้วยความเร็วและการทดลองแบบเสี่ยงสูง ประเด็นเชิงวิพากษ์คือ การใช้ทรัพยากรขนาดนี้เพื่อพิสูจน์โจทย์หนึ่งข้อ แสดงให้เห็นว่า AI แก้คณิตศาสตร์ ระดับลึกในวันนี้ยังต้องพึ่งพากำลังคำนวณมหาศาล ไม่ต่างจากการทำวิจัยฟิสิกส์อนุภาคที่ต้องใช้เครื่องเร่งขนาดใหญ่ ซึ่งอาจทำให้ช่องว่างระหว่างห้องแล็บยักษ์กับกลุ่มวิจัยเล็กยิ่งกว้างขึ้น
ศึกเครดิตระหว่าง OpenAI กับนักคณิตศาสตร์: ใครควรได้ชื่อบนผลงาน
ความก้าวหน้าทางวิทยาศาสตร์ครั้งใหญ่แทบทุกครั้งมักมาพร้อมคำถามเรื่องเครดิต ปัญหา Navier-Stokes ก็ไม่ต่างกัน ก่อนที่ OpenAI จะประกาศผล นักคณิตศาสตร์ Tristan Buckmaster จากมหาวิทยาลัยชื่อดังและ Levent Alpöge จากห้องทดลองคู่แข่งได้ใช้เครื่องมือ AI ศึกษาสมการที่เกี่ยวข้องกับ Navier-Stokes มาราวหนึ่งปี และตีพิมพ์ผลงานเกี่ยวกับสมการตระกูล Euler และสมการอื่นที่ใกล้เคียง Buckmaster เผยแพร่บันทึกสี่หน้ากล่าวหา OpenAI ว่าได้รับข้อมูลเกี่ยวกับงานของเขาและ Alpöge ก่อน แล้วค่อยเร่งเครื่องโมเดลภายในเพื่อ “แซงตีพิมพ์” ผลลัพธ์สำหรับ Navier-Stokes และยังมีข้อกล่าวหาเรื่องการกดชื่อ Alpöge จากผู้เขียนเพราะทำงานอยู่ในห้องทดลองคู่แข่ง ด้าน OpenAI ตอบโต้ชัดเจนว่า “ทั้งนักวิจัยและเอเจนต์ของเราไม่ได้เห็นงานของทั้งสองคนผ่านช่องทางใดก่อนที่งานจะถูกเผยแพร่ต่อสาธารณะ และไม่มีการเข้าถึงข้อมูลผู้ใช้เพื่อแก้ปัญหานี้” มุมมองเชิงความคิดเห็นคือ ต่อให้สุดท้ายพิสูจน์ได้ว่าไม่มีการละเมิดข้อมูล ความรู้สึกของชุมชนวิชาการต่อองค์กร AI ขนาดใหญ่ก็ถูกท้าทายแล้ว เพราะเรื่องนี้ตั้งคำถามว่าการเร่งใช้โมเดลภายในที่มีทรัพยากรเหนือกว่ามากเพื่อชิงแก้ปัญหาที่นักวิจัยภายนอกกำลังทำอยู่ เป็น “การร่วมสร้างความรู้” หรือ “การแข่งขันเชิงอำนาจ” กันแน่
ผลกระทบต่อวิศวกรรมการบิน ภูมิอากาศ และชีวิตคนทั่วไป
แม้ข่าวจะดูยิ่งใหญ่ แต่สำหรับคนส่วนใหญ่คำถามคือ แล้วชีวิตเราจะเปลี่ยนเมื่อไร คำตอบตรงไปตรงมาคือผลลัพธ์นี้เป็นหมุดหมายสำคัญของคณิตศาสตร์บริสุทธิ์และ AI มากกว่าการเปลี่ยนเทคโนโลยีวิศวกรรมในสัปดาห์หน้า นักวิจัยด้านของไหลใช้งานสมการ Navier-Stokes แบบประมาณและเชิงตัวเลขอยู่แล้ว เครื่องบิน พยากรณ์อากาศ และการออกแบบรถไม่ได้ปลอดภัยขึ้นหรือน้อยลงทันทีจากผลพิสูจน์ครั้งนี้ อย่างไรก็ตาม การเข้าใจกลไกการเกิดความไม่เสถียรและความปั่นป่วนในระดับคณิตศาสตร์ลึกสามารถต่อยอดในระยะยาวไปสู่ซอฟต์แวร์จำลองของไหลที่มีประสิทธิภาพและแม่นยำขึ้น ใช้ทั้งในวิศวกรรมอากาศยาน การจำลองภูมิอากาศ และอุตสาหกรรมที่ต้องออกแบบการไหลของของไหลทุกประเภท ในแง่นี้ผลกระทบต่อคนทั่วไปจะมาในรูปแบบ “เครื่องมือที่ดีขึ้นทีละรุ่น” ทั้งซอฟต์แวร์ออกแบบเครื่องบิน โปรแกรมจำลองสภาพอากาศ และแบบจำลองพลศาสตร์ของของไหลที่แอบซ่อนอยู่หลังแอปและบริการหลายอย่าง ในอีกด้านหนึ่ง ผลนี้แสดงให้เห็นว่ารุ่นถัดไปของ AI ทั่วไปสามารถเข้าไปทำงานในดินแดนของผู้เชี่ยวชาญระดับสูงได้จริง เป็นสัญญาณเตือนว่าผู้มีอาชีพเกี่ยวข้องกับคณิตศาสตร์ วิศวกรรม และวิทยาศาสตร์การคำนวณต้องเรียนรู้การทำงานร่วมกับ AI ไม่ใช่เพียงใช้เป็นเครื่องมือคำนวณ แต่ใช้เป็น “คู่คิด” ที่ช่วยสำรวจพื้นที่ความคิดใหม่ๆ
ยังไม่จบแค่พิสูจน์: การตรวจสอบอิสระและอนาคตของปัญหาแห่งสหัสวรรษ
แม้ OpenAI จะเผยแพร่บทความพิสูจน์เต็มฉบับและการทำ formalization ด้วย Lean เพื่อให้ตรวจสอบเชิงตรรกะได้ทีละขั้น แต่ผลงานนี้ยังไม่ได้ผ่านการตรวจสอบโดยนักคณิตศาสตร์อิสระภายนอก และกระบวนการยอมรับของสถาบันที่ดูแลปัญหาแห่งสหัสวรรษยังต้องอาศัยการตีพิมพ์และฉันทามติจากผู้เชี่ยวชาญ ซึ่งต้องใช้เวลาไม่ว่าศึกเครดิตจะจบอย่างไร ในแง่สัญลักษณ์ ผลงานนี้ส่งสัญญาณว่าปัญหาแห่งสหัสวรรษไม่ใช่ “เขตหวงห้ามของมนุษย์” อีกต่อไป AI แก้คณิตศาสตร์ ระดับนี้ได้แปลว่าอนาคตของการพิสูจน์ปัญหายากๆ อาจเป็นความร่วมมือระหว่างทีมวิจัยและระบบเอเจนต์นับพันที่วิ่งพิสูจน์แนวคิดคู่ขนานกันมากกว่าการนั่งโต๊ะของคนไม่กี่คน สิ่งที่น่าเป็นห่วงคือ หากกระบวนการตรวจสอบและการให้เครดิตไม่โปร่งใส ชุมชนวิชาการอาจหันหลังให้บริษัท AI ขนาดใหญ่ และเลือกสร้างระบบโอเพ่นซอร์สหรือแพลตฟอร์มเปิดเพื่อรักษาหลักการร่วมมือและความไว้วางใจ ในมุมนี้ ผู้เขียนเห็นว่าการออกแบบกติกาใหม่ระหว่างสถาบันการศึกษาและบริษัท AI จะเป็นโจทย์สำคัญไม่น้อยไปกว่าปัญหาทางคณิตศาสตร์เอง
