นิยามประเด็น: จาก OpenAI คณิตศาสตร์ก้าวหน้า สู่สงครามความน่าเชื่อถือ
ประเด็น OpenAI คณิตศาสตร์ก้าวหน้า คือกรณีที่บริษัท AI ประกาศว่าระบบหลายเอเจนต์ของตนแก้ปัญหาคณิตศาสตร์ระดับตำนาน Navier–Stokes ได้ พร้อมเสนอให้เห็นว่า AI สามารถค้นพบผลลัพธ์เชิงทฤษฎีแทนมนุษย์ ทว่าเครือข่ายนักคณิตศาสตร์กลับตั้งคำถามต่อ AI ข้อเรียกร้องการค้นพบ ว่าเครดิตการทำงาน วิธีการทดลอง และการสื่อสารผลลัพธ์ถูกบิดให้รับใช้การตลาดมากกว่าวิชาการ จนกระทบความน่าเชื่อถือของ AI ในสายตาชุมชนผู้เชี่ยวชาญ ใจกลางเรื่องเกิดจากข่าวลือว่าบริษัทคู่แข่งกำลังจะประกาศความสำเร็จแก้หนึ่งใน Millennium Prize Problems ทำให้ OpenAIตัดสินใจมุ่งเป้าไปที่ Navier–Stokes โดยตรง และออกมาบอกว่าระบบหลายเอเจนต์ภายใน ซึ่งเคยใช้เอเยนต์ย่อยถึง 10,000 ตัว ทำให้พบเงื่อนไขที่สมการจะเกิดการ “blow up” หรือภาวะเอกฐาน บริษัทระบุเองว่าการไล่ล่าผลลัพธ์นี้เริ่มต้นเพราะข่าวลือเรื่องคู่แข่งกำลังจะสำเร็จ จังหวะเวลาแบบนี้จึงเลี่ยงไม่ได้ที่จะถูกตีความว่าเป็นการแข่งขันด้านภาพลักษณ์มากกว่าการไล่หาความจริงทางคณิตศาสตร์
ข้อกล่าวหาเรื่องเครดิตและ AI ข้อเรียกร้องการค้นพบ Navier–Stokes
พอ OpenAI ประกาศความสำเร็จ นักคณิตศาสตร์ไม่ได้โฟกัสที่ตัวผลเฉลยเท่านั้น แต่ตั้งคำถามว่าผลลัพธ์มาจากไหนและเป็นของใคร Tristan Buckmaster นักคณิตศาสตร์จากสถาบันชั้นนำเผยว่าเขาและ Levent Alpöge ทำงานกับปัญหา Navier–Stokes มานานร่วมปี โดยต่อยอดแนวคิดจากงานของ Diego Cordoba และ Luis Martinez-Zoroa แล้วใช้โมเดลของทั้ง Anthropic และ OpenAI เร่งให้แนวทางนั้นเดินหน้าไปสู่ผลลัพธ์ใกล้เคียงกับส่วนหนึ่งของปัญหา Millennium ที่ยังไม่สมบูรณ์ Buckmaster เล่าว่า OpenAI ขอคุยโทรศัพท์อย่างเร่งด่วนตั้งแต่วันที่ 3 กันยายน และในการพูดคุยวันที่ 6 กันยายน ทีมวิจัยของบริษัทบอกว่าตัดสินใจล่า Navier–Stokes เพียงสัปดาห์เดียวหลังข่าวลือเรื่องคู่แข่ง และอาศัยทรัพยากรคอมพิวเตอร์มหาศาล พร้อมเปิดเผยว่าระบบที่ใช้ถูกกระตุ้นให้ลองแนวทางอื่นก่อนจะกลับมาใช้วิธีเดียวกับที่เขาและ Alpöge ใช้ เขาจึงตั้งข้อสงสัยว่าปฏิสัมพันธ์กับ Codex หรือข้อมูลที่ถูกป้อนเข้าโมเดลอาจมีบทบาทในสิ่งที่ OpenAIนำไปอ้างว่าเป็นการค้นพบใหม่ ความคลุมเครือเรื่องแหล่งที่มาทำให้ AI ข้อเรียกร้องการค้นพบ ถูกมองว่าไม่เคารพโครงสร้างเครดิตของชุมชนคณิตศาสตร์
เมื่อโฆษณาเบลอเส้นวิชาการ: กรณี Terence Tao และภาพ AI เชิงบวก
อีกด้านหนึ่งของข้อถกเถียงคือวิธีที่ OpenAI สร้างภาพลักษณ์ผ่านการสื่อสาร Terence Tao เจ้าของเหรียญ Fields เล่าว่าเขาถูกเชิญสัมภาษณ์ยาวเกือบหนึ่งชั่วโมงในงานเวิร์กช็อปที่ OpenAI สนับสนุน เพื่อพูดถึงมุมมองต่ออนาคตของ AI กับคณิตศาสตร์ แต่สิ่งที่ถูกนำไปใช้ในโฆษณาคือเพียงส่วนสั้น ๆ ที่มีน้ำเสียงมองโลกในแง่ดี ต่อบทบาทของ AI ในงานคำนวณและการค้นคว้า โดยละเลยส่วนที่เขาพยายามอธิบายความเสี่ยงและข้อกังวล ในคลิป Taoถูกตัดให้พูดว่า AI ทำให้เขา “ลองอะไรบ้าบิ่นขึ้น” ใช้ช่วยทำคำนวณที่ไม่มีใครอยากทำเอง และค้นหางานวิจัยได้มีประสิทธิภาพ ก่อนสรุปว่า AI “พร้อมสำหรับงานของผมแล้ว” ตามคำอธิบายของเขา ส่วนนี้เป็นเพียงเศษเสี้ยวของบทสนทนา ซึ่งในภาพรวมต้องการสื่อสมดุลระหว่างโอกาสและอันตรายของ AI Tao ยอมรับว่าตนควรผลักดันให้เผยแพร่บทสัมภาษณ์เต็มมากกว่าใช้เฉพาะคำพูดที่ฟังดูตื่นเต้นกับ AI กรณีนี้ตอกย้ำว่าบริษัทพร้อมจะเลือกใช้เสียงนักวิชาการเพื่อหนุนการตลาด โดยไม่จำเป็นต้องสะท้อนความซับซ้อนทางความคิดอย่างเต็มที่
จดหมายเปิดผนึกจาก Caltech และการถอนตัวจาก Mathathon: สัญญาณต้าน AI slop
แรงต้านจากชุมชนคณิตศาสตร์ไม่ได้อยู่แค่ระดับบุคคล กลุ่มนักคณิตศาสตร์ปัจจุบันและอดีตจากสถาบันหนึ่งออกจดหมายเปิดผนึกโจมตีรูปแบบการวิจัยที่บริษัทเรียกใช้ AI เพื่อปัญหาใหญ่ แล้วปล่อยผลลัพธ์ให้โลกภายนอกจัดการ จนพวกเขาตั้งชื่อปรากฏการณ์นี้ว่า "slop mathematics" กล่าวคือ บริษัทประกาศผลใหม่ ๆ แล้วปล่อยให้เหล่านักวิจัยต้องเข้ามาตรวจสอบ เผยแพร่ หรือแม้กระทั่งพิสูจน์ว่าเป็นโมฆะ โดยไม่ได้รับค่าตอบแทนหรือเครดิตใด ๆ จดหมายเตือนว่ากิจกรรมอย่าง Mathathon ที่ให้ใช้โมเดลภาษาใหญ่แก้ปัญหาวิจัย และได้รับการสนับสนุนจากบริษัท AI มีแนวโน้มจะสร้างผลเสียระยะยาวต่อชุมชนคณิตศาสตร์ ตามคำพูดของผู้ลงนาม "หลังจากผลล่าสุดถูกปล่อยออกมา นักคณิตศาสตร์วิจัยจำเป็นต้องเข้ามาตรวจสอบ แจกจ่าย และบางครั้งต้องล้มล้างผลที่อ้างทั้งหมด" กระแสนี้แรงพอที่นักวิจัยของ OpenAI ต้องออกมาประกาศบนช่องทางสาธารณะว่าบริษัทไม่เป็นผู้สนับสนุน Mathathon อีกต่อไป และต้องการหาวิธีใหม่ในการพูดคุยกับชุมชนคณิตศาสตร์เกี่ยวกับการผสานเทคโนโลยี AI การถอนตัวนี้สะท้อนว่าการใช้ AI เพื่อสร้างภาพลักษณ์ทางวิชาการมีต้นทุนทางสังคมสูงกว่าที่บริษัทคิด
บทเรียนด้านความน่าเชื่อถือของ AI จากข้อพิพาท Navier–Stokes
เมื่อมองภาพรวม ข้อพิพาทรอบ OpenAI คณิตศาสตร์ก้าวหน้าแสดงให้เห็นช่องว่างที่ขยายกว้างระหว่างเป้าหมายของห้องทดลอง AI กับเป้าหมายของชุมชนคณิตศาสตร์เอง นักวิจัยสายทฤษฎีต้องการความชัดเจนเรื่องเครดิต วิธีพิสูจน์ และกระบวนการตรวจสอบ ในขณะที่บริษัท AI ต้องการผลลัพธ์ที่สร้างเสียงฮือฮาเพื่อยืนยันศักยภาพโมเดลของตน ปัญหา Navier–Stokes กลายเป็นตัวอย่างคมชัดของช่องว่างนี้ ทั้งในเรื่องการใช้โต้ตอบกับโมเดลเป็นข้อมูลฝึก การอ้างความสำเร็จแบบ AI ข้อเรียกร้องการค้นพบ และการตัดต่อเสียงนักคณิตศาสตร์ในโฆษณาเพื่อสร้างแบรนด์ คำถามใหญ่จึงไม่ใช่แค่ว่า AI แก้ปัญหายากได้หรือไม่ แต่คือ AI จะอยู่ร่วมกับมาตรฐานความน่าเชื่อถือของวิชาการอย่างไร หากบริษัทไม่ยอมรับว่าการตรวจสอบ การพิสูจน์ และการให้เครดิตเป็นส่วนหนึ่งของต้นทุนทางนวัตกรรม ผลลัพธ์ของ AI จะถูกมองเป็น "slop" มากกว่าความก้าวหน้าจริง และชุมชนผู้เชี่ยวชาญย่อมลังเลที่จะรับรอง การโต้กลับของนักคณิตศาสตร์ต่อ OpenAIในครั้งนี้จึงเป็นสัญญาณเตือนให้ทุกฝ่ายทบทวนว่า การผลักดัน AI เข้าสู่โลกทฤษฎีต้องมาพร้อมวัฒนธรรมความโปร่งใส ไม่ใช่เพียงแรงขับทางการตลาด
