จุดเปลี่ยนของ AI คณิตศาสตร์ จากหลักฐานเดี่ยวสู่คลังค้นพบขนาดใหญ่
การก้าวหน้าของ AI คณิตศาสตร์หมายถึงการใช้โมเดลปัญญาประดิษฐ์สร้าง พิสูจน์ทางคณิตศาสตร์ และต้นฉบับวิจัยจำนวนมาก จากนั้นเผยแพร่พร้อมโค้ดและการฟอร์มาลิซ์ที่ให้คอมพิวเตอร์ตรวจสอบความถูกต้องของหลักฐาน ช่วยให้ชุมชนนักวิทยาศาสตร์สามารถทดสอบ ตรวจแก้ และต่อยอดผลลัพธ์เหล่านี้อย่างเป็นระบบโดยมอง AI เป็นผู้ร่วมวิจัยมากกว่าตัวช่วยคำนวณ แก่นของข่าวนี้คือการที่ OpenAI ปรับยุทธศาสตร์จากการประกาศผลเดี่ยวไปสู่การปล่อยคลังต้นฉบับทีเดียว 722 ฉบับ แบ่งเป็น 372 กลุ่มผลลัพธ์ที่ผลิตโดยโมเดลภายในที่ยังไม่เปิดเผย การจัดกลุ่มผลลัพธ์หลัก ข้อโต้แย้งเสริม และหลักฐานทางเลือกเข้าไว้ด้วยกันทำให้เราเห็นภาพว่า AI กำลังพัฒนาทฤษฎี ไม่ใช่แค่แก้โจทย์ทีละข้ออีกต่อไป ในแง่มุมความโปร่งใส บริษัทเผยแพร่ทุกอย่างในคลังโค้ด openai/math บน GitHub พร้อมโปรโตคอลการแก้ไขต้นฉบับและคำแนะนำการอ้างอิง นี่ไม่ใช่แค่การโชว์อำนาจคำนวณ แต่เป็นการชวนชุมชนเข้ามาตรวจสอบและร่วมกำหนดมาตรฐานใหม่ของ ปัญญาประดิษฐ์วิจัย
เมื่อ AI แตะสมมติฐานฮอดจ์ การเปลี่ยนบทบาทของนักคณิตศาสตร์เชิงทฤษฎี
หนึ่งในสัญญาณแรงที่สุดว่าขอบเขตความสามารถของ AI คณิตศาสตร์ ขยายไปไกลแล้ว คือการอ้างว่าพิสูจน์ Rational Hodge Conjecture สำหรับ CM Abelian Varieties ได้สำเร็จ สมมติฐานฮอดจ์เป็นปัญหาเรขาคณิตเชิงพีชคณิตระดับลึกที่เชื่อมโครงสร้างเชิงทอปอโลยีกับโครงสร้างเชิงพีชคณิตของปริพันธ์ซับซ้อน การแตะส่วนย่อยอย่างกรณี CM abelian varieties แสดงว่าโมเดลไม่เพียงจัดการโจทย์เชิงวิเคราะห์ แต่สามารถคลี่โครงสร้างนามธรรมสูงเช่นกัน ที่สำคัญ ผลลัพธ์นี้ถูกระบุเป็นหนึ่งในสองกรณียกเว้นที่ไม่ได้ผลิตตามกระบวนการประเมินมาตรฐาน และยังไม่มี Lean proof อย่างเป็นทางการ ต่างจากผลลัพธ์ใหญ่บางชิ้นที่มีโค้ดให้คอมพิวเตอร์ตรวจเช็กตรรกะทีละขั้น ความไม่สมบูรณ์ของการฟอร์มาลิซ์สะท้อนความซับซ้อนของปัญหา และเตือนเราว่านักคณิตศาสตร์มนุษย์ยังมีบทบาทสำคัญในการอ่าน ทำความเข้าใจ และตัดสินว่าหลักฐานเหล่านี้อยู่ในระดับยอมรับได้หรือไม่ ดังนั้น ในระยะสั้น AI ทำหน้าที่เป็นเครื่องมือเสนอทฤษฎีและเส้นทางพิสูจน์ใหม่ ส่วนมนุษย์ต้องรับหน้าที่เป็นบรรณาธิการ ผู้ตรวจ และผู้ตีความ เพื่อให้ความหมายและบริบทแก่สิ่งที่โมเดลผลิตออกมา
Quasi-Riemann Hypothesis และ Unique Games Conjecture สัญญาณว่า AI จับโจทย์เปิดได้จริง
ไฮไลต์ที่ซีอีโอ Sam Altman เลือกพูดถึงมีสี่ผลลัพธ์ ซึ่งสองในนั้นพิสูจน์ให้เห็นว่า AI ไม่ได้จำกัดตัวเองอยู่กับโจทย์แบบฝึกหัด แต่เข้าไปเล่นในเวทีโจทย์เปิดระดับโลก ได้แก่ Quasi-Riemann Hypothesis และ Unique Games Conjecture Quasi-Riemann Hypothesis เสนอว่าค่าเป็นศูนย์ของฟังก์ชันซีตารีมันน์จะไม่เข้าไปในบริเวณที่ส่วนจริงมากกว่า 7/8 ทำให้ศูนย์ทั้งหมดถูกจำกัดอยู่ระหว่าง 1/8 และ 7/8 และผลลัพธ์นี้ยังขยายไปยัง Dirichlet L-function ด้วย ในโลกการแจกแจงจำนวนเฉพาะ การมีแถบไม่มีศูนย์คงที่ตามนี้เป็นเป้าหมายเก่าที่มนุษย์ยังไปไม่ถึง ด้าน Unique Games Conjecture ซึ่งเกี่ยวข้องกับขีดจำกัดของอัลกอริทึมการประมาณในวิทยาการคอมพิวเตอร์ ก็เป็นอีกเสาหลักที่ถูกระบุว่ามีการพิสูจน์โดยโมเดลภายในเดียวกัน ความจริงที่ว่าอย่างน้อยสามในสี่ผลลัพธ์ใหญ่เหล่านี้มี Lean proof ให้ซอฟต์แวร์ตรวจสอบตรรกะได้ แสดงให้เห็นว่าปัญญาประดิษฐ์วิจัย กำลังขยับจากการเดาเป็นการให้หลักฐานที่ตรวจเช็กได้ในระดับฟอร์มอล
ความโปร่งใส การให้เครดิต และข้อถกเถียงที่หลีกเลี่ยงไม่ได้
ความก้าวหน้าทาง AI คณิตศาสตร์ ไม่ได้มาพร้อมแค่ความตื่นเต้น แต่ยังเปิดบาดแผลเรื่องจริยธรรมการให้เครดิตและกระบวนการวิจัยด้วย ก่อนหน้าการปล่อยคลัง 722 ต้นฉบับนี้ เคยมีข้อพิพาทเรื่องเครดิตในกรณีคำอ้างว่าพิสูจน์ปัญหา Navier–Stokes โดยโมเดลภายใน ซึ่งเกี่ยวข้องกับนักคณิตศาสตร์ Tristan Buckmaster ต่อมาในวันที่ 11 กันยายน มีผู้ได้รับ Fields Medal 25 คน รวมถึง Terence Tao ลงนามแถลงการณ์เตือนว่า การประกาศผลพิสูจน์จาก AI อย่างรวดเร็วโดยไม่ตรวจสอบและลงเอกสารอย่างเหมาะสมกำลังทำร้ายคณิตศาสตร์ และเป็นการบิดเบือนความสอดคล้องระหว่างเครื่องมือกับวัฒนธรรมวิชาชีพ การตอบสนองของ OpenAI คือการหันมาปรึกษาคณะที่ปรึกษาอิสระด้านคณิตศาสตร์และปัญญาประดิษฐ์ที่ Institute for Advanced Study เพื่อพัฒนาวิธีปฏิบัติที่ดีที่สุดในการแบ่งปันผลลัพธ์กับชุมชน พร้อมทั้งเผยแพร่โปรโตคอลการทบทวนและการอ้างอิงใน GitHub repository และบันทึกประวัติการแก้ไขอย่างเปิดเผย ท่าทีนี้ยอมรับโดยปริยายว่ากฎเกณฑ์เก่า ๆ ที่เน้นบทบาทเดี่ยวของนักคณิตศาสตร์มนุษย์ในฐานะผู้เขียนหลักกำลังไม่พอ เมื่อ พิสูจน์ทางคณิตศาสตร์ อาจมีทั้งโมเดล AI ทีมมนุษย์ที่ปรับแต่งคำอธิบาย และซอฟต์แวร์ Lean ที่ตรวจการฟอร์มาลิซ์ร่วมกัน
อนาคตของการค้นพบ เมื่อมนุษย์และ AI ต้องเขียนคณิตศาสตร์ร่วมกัน
การปล่อยต้นฉบับ 722 ฉบับที่เกิดจากการตั้งคำถามราว 4,000 ปัญหา โดยผลเฉลี่ยใช้กำลังคำนวณเทียบเท่า ChatGPT Pro คิดประมาณสามชั่วโมงต่อผลลัพธ์หนึ่ง เป็นคำประกาศชัดเจนว่า OpenAI ค้นพบ โมเดลที่สามารถทำงานคล้ายทีมวิจัยคณิตศาสตร์ย่อส่วน ความเร็วระดับนี้บังคับให้เราตอบคำถามว่าใครควรได้รับเครดิต และกระบวนการตรวจสอบควรเข้มแค่ไหนเพื่อไม่ให้คณิตศาสตร์กลายเป็นเพียงสตรีมผลลัพธ์ที่ตรวจไม่ทัน บริษัทบอกชัดว่าจะอัปเดตคลังโค้ดด้วยการฟอร์มาลิซ์ Lean เพิ่ม และเผยแพร่สรุปการให้เหตุผลของโมเดล 10 ฉบับ รวมทั้งสถิติการลองโจทย์และการใช้คอมพิวต์ เพื่อให้ชุมชนตรวจสอบได้ พร้อมแผนให้ทุนเวิร์กช็อป การประชุม และโปรแกรมพิเศษเพื่อทำความเข้าใจผลลัพธ์สำคัญที่ AI สร้าง ในมุมมองผู้เขียน บทเรียนสำคัญคือเราควรใช้ AI เป็นตัวเร่งการค้นพบ ไม่ใช่ตัวแทนความเข้าใจ การให้คุณค่าแก่การอ่านอย่างละเอียด การเขียนอธิบายที่ชัด และการฟอร์มาลิซ์ที่ตรวจสอบได้ จะเป็นสิ่งที่กำหนดว่าคณิตศาสตร์ยุค AI จะเติบโตอย่างเป็นระเบียบ หรือพุ่งไปสู่จุดที่ความรู้เพิ่มขึ้นเร็วเกินกว่ามนุษย์จะมีส่วนร่วม
