เมื่อปัญญาประดิษฐ์คณิตศาสตร์ถอดรหัสปัญหาแห่งสหัสวรรษ

AI พิสูจน์ Navier-Stokes ได้แล้วจริงหรือ และมันสำคัญอย่างไร

การที่ปัญญาประดิษฐ์คณิตศาสตร์ถูกใช้แก้ปัญหาแห่งสหัสวรรษหมายถึงการใช้ระบบ AI ขั้นสูงเพื่อค้นหาและตรวจสอบพิสูจน์ทางคณิตศาสตร์ของโจทย์ยากระดับโลกที่มนุษย์พยายามแก้มานานหลายสิบปี โดย AI ทำงานผ่านเอเจนต์จำนวนมากที่ร่วมกันค้นหาแนวคิด สร้างโครงพิสูจน์ และแปลงให้เครื่องสามารถตรวจสอบได้อย่างเป็นระบบ เพื่อทดสอบว่าคำตอบไม่มีข้อขัดแย้งเชิงตรรกะภายใต้กรอบทฤษฎีที่กำหนด หัวใจของข่าวนี้คือการประกาศว่าแบบจำลอง AI ภายในของ OpenAI ค้นพบแนวทางแก้ปัญหาเรื่องการมีอยู่และความเรียบของสมการ Navier-Stokes หนึ่งในปัญหาแห่งสหัสวรรษที่เคลย์กำหนดไว้ ข้อนี้ถามอย่างหยาบๆ ว่า สมการที่ใช้อธิบายการเคลื่อนที่ของของไหล เช่น น้ำและอากาศ จะให้คำตอบที่เรียบและมีอยู่เสมอภายใต้เงื่อนไขเริ่มต้นปกติหรือไม่ OpenAI ค้นพบพิสูจน์ที่อ้างว่าแสดงว่าภาวะเอกฐานสามารถเกิดขึ้นได้เมื่อมีแรงภายนอกกระทำต่อของเหลวที่หยุดนิ่ง ทำให้กระแสน้ำวนยืดตัวและทำให้ความเร็วเพิ่มขึ้นจนถึงอนันต์ในเวลาจำกัด หากข้อเสนอนี้ผ่านการตรวจสอบ มันไม่ใช่แค่การชนะโจทย์คณิตศาสตร์ แต่คือการเขย่ารากฐานของแบบจำลองฟิสิกส์และวิศวกรรมที่ใช้สมการ Navier-Stokes อยู่ทุกวันนี้

88 ชั่วโมง 10,000 เอเจนต์ AI และการย้ายสมรภูมิจากโค้ดสู่คณิตศาสตร์ล้วน ๆ

ประเด็นที่น่าจับตาไม่แพ้ตัวโจทย์คือวิธีที่ OpenAI ใช้แก้ ปัญญาประดิษฐ์คณิตศาสตร์ไม่ใช่บอทตอบคำถามทั่วไป แต่เป็นโครงข่ายเอเจนต์ AI กว่า 10,000 ตัว ทำงานประสานกันภายในเวลาประมาณ 88 ชั่วโมงเพื่อไล่ค้นหาหลักฐาน สร้างแนวคิด และต่อยอดพิสูจน์ ระบบหลายชุดจะทดลองวิธีต่างกัน ในขณะที่ทีมนักวิจัยมนุษย์คัดเลือกแนวคิดที่มีศักยภาพส่งต่อให้เอเจนต์อีกชุดขยายผล กระบวนการนี้สะท้อนว่าความสามารถของ AI กำลังขยับจากงานเขียนโค้ดและภาษาไปสู่การแก้ปัญหาเชิงนามธรรมที่ซับซ้อนมากขึ้น แหล่งข่าวหนึ่งชี้ว่าการปฏิวัติ AI เริ่มจากการเร่งความก้าวหน้าในด้านโค้ด แต่ตอนนี้สมรภูมิหลักกำลังย้ายมาที่คณิตศาสตร์ อีกแหล่งข่าวย้ำว่า AI ยังคงรุกคืบทางวิทยาศาสตร์และคณิตศาสตร์อย่างรวดเร็ว ที่สำคัญ หลังจากจบโครงการ Navier-Stokes แล้ว OpenAI ประกาศว่าได้ก้าวหน้าอย่างมากในอีกหนึ่งปัญหาแห่งสหัสวรรษ และกำลังคิดว่าจะเผยแพร่ผลอย่างระมัดระวังอย่างไร นี่ชี้ชัดว่าบริษัทมองการพิสูจน์ปัญหาเหล่านี้เป็นสนามทดสอบขีดความสามารถของรุ่น AI แนวหน้ามากกว่าจะเป็นงานเดี่ยวครั้งเดียวแล้วจบ

จาก Fermat ถึง Euler: ระบบ AI หลากแบบกำลังรุกทุกมุมคณิตศาสตร์

Navier-Stokes ไม่ได้โดดเด่นอยู่ลำพัง คลื่น AI ในคณิตศาสตร์เริ่มชัดจากกรณีอื่นเช่นกัน โมเดล Claude ถูกใช้ทำงานอัตโนมัติกว่า 11 วันเพื่อแปลงพิสูจน์ทฤษฎีบทสุดท้ายของแฟร์มาตความยาว 129 หน้า ให้เป็นรูปแบบทางการที่โปรแกรมตรวจสอบทีละบรรทัดได้แบบไร้ช่องว่างตรรกะ งานนี้ไม่ได้สร้างพิสูจน์ใหม่ แต่ทำให้พิสูจน์ระดับตำนานกลายเป็นโค้ดที่เครื่องสามารถเช็กได้เหมือนเครื่องคิดเลขตรวจสอบสมการเลขคณิต ขณะเดียวกัน ทีมของ Anima Anandkumar ใช้แนวทางต่างไปคือสร้าง physics-informed neural network หรือ PINN ที่ฝึกด้วยสมการฟิสิกส์เพื่อค้นหาภาวะเอกฐานที่เสถียรในสมการ Euler สามมิติ ญาติใกล้ชิดที่ไม่มีความหนืดของ Navier-Stokes พวกเขาใส่ข้อจำกัดเฉพาะเพื่อผลักโมเดลหนีจากคำตอบสามัญและเข้าไปยังรูปแบบที่มีโอกาสเป็นจุดระเบิดจริง สองแนวทางนี้บอกเราว่า ปัญญาประดิษฐ์คณิตศาสตร์ไม่ได้มีแบบเดียว ทั้งระบบตรวจพิสูจน์เชิงรูปแบบและโครงข่ายที่ฝังสมการฟิสิกส์กำลังรุกเข้าหาปัญหาที่ยังไม่ถูกแก้ทั่วทั้งคณิตศาสตร์และพลศาสตร์ของไหล

ความกังวลของ Terence Tao และด่านตรวจสอบจากชุมชนคณิตศาสตร์

เมื่อ AI เริ่มแก้โจทย์ระดับปัญหาแห่งสหัสวรรษ คำถามไม่ใช่แค่ว่า “ถูกหรือผิด” แต่รวมถึง “มนุษย์ยังเข้าใจและสร้างสรรค์ต่อได้หรือไม่” นักคณิตศาสตร์ระดับ Fields Medal อย่าง Terence Tao เตือนว่าพิสูจน์จาก AI อาจดูไร้ที่ติภายนอกแต่ซ่อนข้อผิดพลาดละเอียดอ่อนที่มนุษย์จะไม่ทำ นี่คือเหตุผลที่เครื่องมืออย่าง Lean ถูกผลักดันให้เป็นมาตรฐานใหม่ในการตรวจสอบเชิงรูปแบบ แต่เขาย้ำว่าถ้าผลลัพธ์ถูกส่งมาในรูป “กล่องดำ” ปิดวิธีไว้ ปัญหาอาจถูกทำให้เสียสภาพแหล่งแรงบันดาลใจแทนที่จะเปิดทางให้คนรุ่นใหม่เข้าไปต่อยอด แม้ OpenAI ค้นพบคำตอบและใช้การตรวจแบบลีนเพื่อยืนยันว่าไม่มีข้อขัดแย้งเชิงตรรกะ แต่นั่นยังไม่เท่ากับการแก้ปัญหาแห่งสหัสวรรษอย่างเป็นทางการ ยังต้องผ่านกระบวนการตรวจทานโดยผู้ทรงคุณวุฒิในแวดวงคณิตศาสตร์อย่างเต็มรูปแบบ หนึ่งในแหล่งข่าวชี้ว่าขณะนี้พิสูจน์ Navier-Stokes กำลังถูกตรวจสอบอย่างอิสระโดยชุมชนคณิตศาสตร์ และข้อพิพาทเรื่องเครดิตยังไม่ยุติ กล่าวอีกแบบ ผลงานของ AI ไม่ได้จบที่ห้องเซิร์ฟเวอร์ แต่ถูกนำออกมาวางกลางวงนักคณิตศาสตร์ให้วิจารณ์ ถอดรหัส และตัดสินว่าไม่ใช่แค่ “ถูกต้อง” แต่ “มีความหมายต่อความเข้าใจของมนุษย์” ด้วย

อนาคตของปัญญาประดิษฐ์คณิตศาสตร์: มาตรฐานใหม่หรือภัยเงียบต่อการเรียนรู้

หลัง Navier-Stokes และ Fermat เสียงจากวงการเริ่มเสนอว่าทุกพิสูจน์ที่มาจาก AI ควรคู่กับเวอร์ชันที่ถูกตรวจโดยโปรแกรมอย่าง Lean เพื่อให้กรรมการมีเครื่องมือเชิงกลไกช่วยยืนยันว่าไม่มีความผิดพลาดเชิงตรรกะ แนวคิดนี้มองว่า AI คือแรงเสริมในการยกระดับมาตรฐานการตรวจพิสูจน์ ไม่ใช่สิ่งที่จะมาแทนคำอธิบายแบบมนุษย์ที่ใช้เรียนรู้และทำความเข้าใจ ในอีกมุมหนึ่ง นักวิจัยอย่าง Anandkumar ใช้โอกาสนี้โต้แย้งกว้างขึ้นว่าระบบ AI ที่ฝังฟิสิกส์กำลังทำงานที่ขาดไม่ได้ในปัญหาที่เกี่ยวกับระบบกายภาพ และชี้ว่าระบบภาษาทั่วไปแม้จะมีฝีมือการเขียนพิสูจน์ แต่ไม่มีความฝังรากทางฟิสิกส์อยู่ในตัว วาทะนี้สะท้อนความคิดที่ว่าควรมี AI หลากประเภทจับคู่ปัญหาที่ต่างกัน คำถามใหญ่สำหรับอนาคตคือ เราจะออกแบบความสัมพันธ์ระหว่างนักคณิตศาสตร์ มาตรฐานการพิสูจน์ทางคณิตศาสตร์ และปัญญาประดิษฐ์คณิตศาสตร์อย่างไรให้ AI เป็นเพื่อนร่วมทีม ไม่ใช่กล่องดำที่ค่อยๆ ดึงการเข้าใจและความคิดสร้างสรรค์ของมนุษย์ออกจากสมการ