จุดเปลี่ยนใหญ่ของคณิตศาสตร์ เมื่อ AI ไม่ได้เป็นแค่ผู้ช่วยอีกต่อไป
ปัญญาประดิษฐ์วิทยาศาสตร์ คือการใช้ระบบปัญญาประดิษฐ์และแมชชีนเลิร์นนิงเพื่อค้นพบความรู้ใหม่ สร้างพิสูจน์ทางคณิตศาสตร์ และเสนอสมมติฐานเชิงวิทยาศาสตร์ที่มนุษย์ยังไม่เคยคิดหรือยังพิสูจน์ไม่ได้ โดย AI ทำหน้าที่ทั้งวิเคราะห์ข้อมูล วางโครงสร้างเหตุผล และตรวจสอบความถูกต้องของผลลัพธ์ในระดับที่ซับซ้อนกว่าการคำนวณตัวเลขทั่วไปอย่างมาก หากจะสรุปภาพรวมในตอนนี้ AI แก้คณิตศาสตร์ ระดับประวัติศาสตร์ได้แล้ว และนั่นกำลังท้าทายบทบาทเดิมของมนุษย์ในห้องทดลองคณิตศาสตร์ OpenAI ระบุว่าแบบจำลอง AI ภายในที่ยังไม่เปิดเผยชื่อสามารถค้นพบวิธีแก้ Navier–Stokes existence and smoothness problem หนึ่งในปัญหาแห่งสหัสวรรษที่ท้าทายมานานเกือบ 90 ปี ขณะที่อีกฝั่ง Anthropic รายงานว่า Claude ผลิตพิสูจน์แบบสมบูรณ์ของ Fermat's Last Theorem ที่ตรวจสอบโดยคอมพิวเตอร์ได้ครั้งแรกในประวัติศาสตร์ สาระสำคัญคือ AI ไม่ได้แค่คิดเลขเร็วขึ้น แต่กำลังเข้าไปแตะหัวใจของการค้นพบทางวิทยาศาสตร์ คำถามคือ เมื่อเครื่องจักรเริ่มสร้างความรู้ใหม่ มนุษย์จะยืนอยู่ตรงไหนในระบบนิเวศนี้
OpenAI กับการบุกปัญหาแห่งสหัสวรรษ Navier–Stokes ในเวลาไม่ถึงสี่วัน
สมการ Navier–Stokes คือพื้นฐานของการอธิบายการไหลของของไหลและก๊าซ ตั้งแต่การพยากรณ์อากาศ การออกแบบเครื่องบิน ไปจนถึงการศึกษาการไหลเวียนของเลือด แต่คำถามว่าคำตอบของสมการในสามมิติจะเรียบต่อเนื่องเสมอหรือสามารถเกิดจุดเอกฐานที่ค่าทางกายภาพพุ่งไม่จำกัดภายในเวลาจำกัดได้หรือไม่ กลับเป็นโจทย์ค้างคามาเกือบศตวรรษ และถูกจัดเป็นหนึ่งในปัญหาแห่งสหัสวรรษ OpenAI เผยว่าโมเดล AI ที่เพิ่งฝึกตั้งแต่ปลายเดือนสิงหาคมถูกนำไปทดสอบกับปัญหาแห่งสหัสวรรษที่ยังไม่ถูกแก้อีกหกข้อ หลังมีข่าวลือว่าคู่แข่งกำลังเข้าใกล้คำตอบ ผลลัพธ์ที่โดดเด่นคือแนวทางแก้ปัญหา Navier–Stokes โดยในขั้นตอนท้ายสุดมีเอเจนต์ AI ร่วมมือกันราว 10,000 ตัว ใช้เวลาราวเจ็ดวันและมีค่าใช้จ่ายด้านการคำนวณระดับหลายล้านดอลลาร์ อีกแหล่งหนึ่งระบุว่าระบบสามารถสังเคราะห์แนวทางคำตอบภายในเวลาประมาณ 88 ชั่วโมง จากโจทย์ที่มนุษย์คิดหาทางออกมากว่า 90 ปี แนวคิดสำคัญที่ OpenAI เสนอคือการพิสูจน์ว่าของไหลที่เริ่มต้นอย่างราบรื่นอาจพัฒนาไปสู่จุด singularity หรือ finite-time blowup ได้ ซึ่งตีความได้ว่าความเร็วสามารถเพิ่มขึ้นโดยไม่มีขอบเขตภายในเวลาจำกัด หากการพิสูจน์ผ่านมาตรฐานวงการ นี่ไม่ใช่แค่ความสำเร็จของ AI แต่คือการเปิดหน้าต่างใหม่ให้ฟิสิกส์ของของไหลและการจำลองโลกจริง
Claude กับพิสูจน์ Fermat's Last Theorem ที่คอมพิวเตอร์ตรวจได้ทุกบรรทัด
อีกด้านหนึ่งของการเปลี่ยนแปลงคือ Fermat's Last Theorem หนึ่งในโจทย์ที่โด่งดังที่สุดในประวัติศาสตร์คณิตศาสตร์ ว่าด้วยการไม่มีอยู่ของจำนวนเต็มบวก a b c ที่ทำให้สมการ aⁿ + bⁿ = cⁿ เป็นจริงเมื่อ n มากกว่า 2 ซึ่งถูกเสนอครั้งแรกตั้งแต่ปี 1637 และท้าทายนักคณิตศาสตร์มานานกว่า 350 ปี ก่อนที่ Andrew Wiles จะเสนอพิสูจน์ความยาว 129 หน้าในปี 1995 Anthropic รายงานว่าโมเดล Claude ใช้เวลาทำงานเกือบอัตโนมัติ 11 วันในการแปลงพิสูจน์ของ Wiles ให้เป็นภาษาทางการสำหรับระบบ proof assistant ที่ชื่อ Lean เพื่อให้คอมพิวเตอร์ตรวจสอบได้แบบบรรทัดต่อบรรทัดโดยไม่มีช่องว่างทางตรรกะ ในกระบวนการนี้ Claude เขียนโค้ด Lean กว่า 13 ล้านบรรทัด และพิสูจน์ทฤษฎีย่อยราว 30,300 รายการ ซึ่งมีขนาดมากกว่าคลัง Mathlib ที่ชุมชนใช้กันอยู่หลายเท่า จุดสำคัญไม่ใช่การยืนยันทฤษฎีบทที่มนุษย์รู้คำตอบแล้ว แต่คือการสาธิตว่า AI สามารถยกพิสูจน์มนุษย์ขนาดมหึมาไปสู่รูปแบบที่เครื่องตรวจสอบได้โดยละเอียด ชี้ภาพอนาคตที่การพิสูจน์ทางคณิตศาสตร์ระดับสูงอาจต้องมาพร้อมเวอร์ชันที่เครื่องตรวจได้เสมอเพื่อลดความเสี่ยงจากความผิดพลาดที่สายตามนุษย์มองไม่เห็น
ปัญหาแห่งสหัสวรรษ กับคณิตศาสตร์ยุคที่เครื่องพิสูจน์ให้มนุษย์ดู
ชุดโจทย์ปัญหาแห่งสหัสวรรษถูกคัดเลือกขึ้นมาเจ็ดข้อเพื่อท้าทายนักคณิตศาสตร์ทั่วโลก ตั้งแต่ P vs NP ไปจนถึง Riemann Hypothesis และ Navier–Stokes โดยจนถึงขณะนี้มีเพียง Poincaré Conjecture เท่านั้นที่ได้รับการยอมรับอย่างเป็นทางการว่าถูกแก้แล้ว ส่วนอีกหกข้อยังเปิดอยู่และเชื่อมโยงอย่างลึกซึ้งกับวิทยาการคอมพิวเตอร์และฟิสิกส์เชิงทฤษฎี การที่ OpenAI อ้างว่า AI ของตนค้นพบวิธีแก้ Navier–Stokes หนึ่งในโจทย์นี้ ทำให้ภาพของ AI แก้คณิตศาสตร์ ถูกยกขึ้นไปอยู่บนเวทีเดียวกับนักคณิตศาสตร์ระดับโลก แต่คำตอบยังไม่ถือว่า “สำเร็จ” ตามกติกา CMI กำหนดว่าคำตอบต้องได้รับการตีพิมพ์ในวารสารวิทยาศาสตร์ ผ่านการตรวจสอบโดยผู้เชี่ยวชาญและได้รับการยอมรับจากชุมชนคณิตศาสตร์อย่างน้อยสองปี จากนั้นจึงตั้งคณะกรรมการมาตรวจซ้ำก่อนตัดสินความถูกต้อง ในเวลาเดียวกัน การพิสูจน์ด้วยระบบ Lean แม้ยืนยันได้ว่าไม่มีข้อขัดแย้งเชิงตรรกะ ก็ไม่ทดแทนกระบวนการตรวจโดยผู้ทรงคุณวุฒิอย่างสิ้นเชิง ภูมิทัศน์ใหม่จึงไม่ใช่โลกที่เครื่องมาขับไล่มนุษย์ แต่เป็นโลกที่มาตรฐานพิสูจน์ทางคณิตศาสตร์ต้องผสานทั้งสายตามนุษย์และสายตาของเครื่อง
คำเตือนของ Terence Tao และผลต่อวิทยาศาสตร์ในระยะยาว
แม้ความก้าวหน้าจะดูตื่นเต้น แต่วงการก็เริ่มตั้งคำถามกับผลข้างเคียง นักคณิตศาสตร์รางวัล Fields Medal อย่าง Terence Tao เตือนว่าพิสูจน์ที่สร้างโดย AI อาจดูไร้ที่ติภายนอก แต่ซ่อนข้อผิดพลาดละเอียดอ่อนที่นักคณิตศาสตร์มนุษย์จะไม่ทำลงไป ซึ่งเป็นเหตุผลว่าทำไมเครื่องมืออย่าง Lean จึงสำคัญเพื่อดักจับข้อผิดพลาดประเภทนี้ ความท้าทายใหญ่อีกด้านคือ “ความเข้าใจ” หาก AI สามารถสร้างพิสูจน์ทางคณิตศาสตร์ยาวหลายหมื่นบรรทัดที่ไม่มีมนุษย์คนใดอ่านจบหรือเข้าใจโครงสร้างสูงสุดได้ง่ายๆ วิทยาศาสตร์จะกลายเป็นกิจกรรมที่มนุษย์พึ่งพาเครื่องในระดับที่เราอธิบายไม่ได้หรือไม่ แหล่งข้อมูลด้าน AI คณิตศาสตร์ชี้ว่าความน่าตื่นเต้นไม่ใช่แค่ AI แก้โจทย์ 90 ปีใน 88 ชั่วโมง แต่คือบทบาทใหม่ของ AI ในฐานะนักวิจัยที่สามารถสร้างสมมติฐาน ทดลอง และค้นพบความรู้ใหม่ ซึ่งอาจเปลี่ยนวิธีที่เราทำคณิตศาสตร์ ฟิสิกส์ และวิทยาศาสตร์ไปอย่างสิ้นเชิง มุมมองที่สมเหตุสมผลสำหรับตอนนี้คือ เราควรต้อนรับศักยภาพของปัญญาประดิษฐ์วิทยาศาสตร์ แต่ในเวลาเดียวกันต้องลงทุนกับระบบตรวจสอบ การทำให้ผลลัพธ์โปร่งใส และการฝึกนักคณิตศาสตร์รุ่นใหม่ให้ทำงานร่วมกับเครื่องมือเหล่านี้อย่างมีวิจารณญาณ เพื่อให้ความเร็วของ AI ไม่บดบังคุณค่าของความเข้าใจเชิงลึกที่เป็นหัวใจของคณิตศาสตร์มนุษย์
