AI แก้ปัญหาคณิตศาสตร์ที่แก้ไม่ได้ คืออะไร และทำไมจึงเขย่าวงการได้แรงขนาดนี้
AI แก้ปัญหาคณิตศาสตร์ หมายถึงการใช้แบบจำลองปัญญาประดิษฐ์ขั้นสูงเพื่อหาคำตอบหรือพิสูจน์โจทย์ทางคณิตศาสตร์ที่ซับซ้อน ตั้งแต่สมการเชิงอนุพันธ์ ปัญหาค่าขอบ ไปจนถึงโครงสร้างเชิงนามธรรม ที่เดิมต้องอาศัยการคิดเชิงทฤษฎีระดับลึกของมนุษย์เป็นหลัก การที่ AI ทำสิ่งเหล่านี้ได้เทียบเท่าหรือเหนือกว่านักคณิตศาสตร์ผู้เชี่ยวชาญ จึงถูกมองว่าเป็นจุดเปลี่ยนสำคัญของทั้งวิธีทำวิจัยและภาพอนาคตของอาชีพนักคณิตศาสตร์
ในช่วงไม่กี่เดือนที่ผ่านมา โมเดลของ OpenAI ถูกประกาศว่าสามารถแก้สมการ Navier-Stokes ซึ่งเป็นหนึ่งในปัญหาคณิตศาสตร์ที่แก้ไม่ได้ระดับมิลเลนเนียม ก่อนจะตามมาด้วยการเฉลยคำตอบของโจทย์คณิตศาสตร์ที่ไม่เคยได้รับการแก้มากกว่า 719 ข้อในสัปดาห์เดียวกัน นี่ไม่ใช่เพียงการเพิ่มความเร็วในการคำนวณ แต่คือการแสดงให้เห็นว่า AI สามารถบุกเข้าไปในพื้นที่ที่เคยเป็น “ดินแดนศักดิ์สิทธิ์” ของนักคณิตศาสตร์มืออาชีพโดยตรง ท่ามกลางกระแสที่บริษัท AI หลายแห่งต่างแข่งกันประกาศความสำเร็จในการไขปัญหาทางคณิตศาสตร์ระดับสูงตั้งแต่เดือนเมษายน ทำให้ทั้งวงการเริ่มตั้งคำถามว่า AI ในการวิจัย คณิตศาสตร์กำลังจะเปลี่ยนไปอย่างถาวรหรือไม่

จากยุคโรแมนติกสู่ยุคอุตสาหกรรมของคณิตศาสตร์ เมื่อ Terence Tao บอกว่ายุควีรบุรุษจบลงแล้ว
Terence Tao ศาสตราจารย์ชื่อดังจาก UCLA มองว่าการมาถึงของ AI แก้ปัญหาคณิตศาสตร์คือจุดจบของ “ยุคโรแมนติก” ในคณิตศาสตร์ ยุคที่เรื่องเล่าของนักคณิตศาสตร์ผู้สละชีวิตหลายปีเพื่อพิชิตปัญหาเดียว เช่น เรื่องราวของ Andrew Wiles กลายเป็นตำนานสร้างแรงบันดาลใจ วันนี้ Tao และเพื่อนร่วมวิชาชีพจำนวนมากต้องเปลี่ยนบทบาทจากผู้ลงมือแก้โจทย์เอง มาเป็นผู้คัดกรอง ตรวจสอบ และทำความเข้าใจหลักฐานจำนวนมหาศาลที่ AI สร้างขึ้นแทน
Tao เปรียบว่าคณิตศาสตร์กำลังย้ายจากยุคงานฝีมือสเกลเล็กไปสู่ยุคอุตสาหกรรมที่ทำงานขนาดใหญ่และซับซ้อนขึ้น เขายอมรับว่า “เรากำลังก้าวเข้าสู่ยุคที่สิ่งใหม่ที่น่าตื่นเต้นเป็นไปได้มากขึ้น แต่บางอย่างก็สูญหายไปด้วย” ความโรแมนติกของการนั่งคิดคนเดียวหลายปีอาจเลือนหาย แต่สิ่งที่มาแทนคือโอกาสในการสร้างภาพรวมใหม่ของความรู้คณิตศาสตร์ที่เชื่อมโยงกันในระดับที่มนุษย์คนเดียวไม่อาจทำได้ หากมองในมุมนี้ AI ในการวิจัย อาจไม่ใช่ศัตรู แต่เป็นตัวเร่งให้มนุษย์ตั้งคำถามใหม่ว่า “คุณค่าที่แท้จริงของการเป็นนักคณิตศาสตร์คืออะไร”
เมื่อทั้งงานวิจัยและอาชีพถูกสั่นคลอน: ความกลัว ความโกรธ และการยอมรับแบบจำใจ
ปฏิกิริยาแรกของชุมชนนักคณิตศาสตร์ต่อการที่ AI แก้ปัญหาคณิตศาสตร์ที่แก้ไม่ได้ ไม่ได้สวยงามอย่างภาพอนาคตเทคโนโลยี ในคำบอกเล่าของ Sam Altman วันแรกที่ข่าวออกมาคือความสิ้นหวังแบบตรงไปตรงมา “วันแรกปฏิกิริยาคือ เราจบแล้ว วงการเราพังแล้ว เราบอกให้นักศึกษาปริญญาโทเปลี่ยนสาขา” จากนั้นตามมาด้วยความโกรธในวันที่สาม เมื่อหลายคนมองว่าบริษัท AI ทำลายสมดุลของวงการเร็วเกินไป
ผลกระทบไม่ได้อยู่แค่ความรู้สึก นักคณิตศาสตร์จาก New York University เล่าว่า การปล่อยผลงานของ OpenAI ครั้งหนึ่งทำให้ “โปรแกรมวิจัยทั้งชุดของนักวิจัยสายอาชีพต้นๆ ถูกลบหายไปในวันอังคารวันเดียว” Hugo Duminil-Copin เจ้าของรางวัลฟิลดส์ก็ยอมรับว่าแนวทางการวิจัยที่เคยมีเหมือนถูกกวาดหายไปและเรากำลังเผชิญ “วันใหม่” ของคณิตศาสตร์ นี่คือด้านมืดของความสามารถของ AI ที่ทำให้โจทย์จำนวนมากหมดสถานะ “ปัญหาคณิตศาสตร์ที่แก้ไม่ได้” ในชั่วข้ามคืน และบีบให้คนทั้งรุ่นต้องถามตัวเองว่า อนาคตอาชีพนักคณิตศาสตร์ ยังมีที่ว่างให้พวกเขาอยู่ตรงไหน
มนุษย์ยังสำคัญตรงไหน เมื่อ AI เก่งกว่าที่การแก้โจทย์
ท่ามกลางความตื่นตระหนก เสียงจากนักคณิตศาสตร์ระดับแถวหน้าบางส่วนกลับเน้นย้ำว่ามนุษย์ยังจำเป็นอย่างยิ่ง Stefan Mallat จากศูนย์วิจัยวิทยาศาสตร์แห่งชาติฝรั่งเศสชี้ว่า คณิตศาสตร์ไปไกลกว่าการคำนวณ มันคือวิธีคิดที่ชัดเจนและจะยังเป็นศูนย์กลางเพราะช่วยให้มนุษย์เข้าใจสิ่งต่างๆ ได้ เขาเปรียบ AI กับรถแทรกเตอร์ที่ปฏิวัติการเกษตร งานบางแบบหายไป แต่คนที่มีทักษะใหม่ก็สร้างบทบาทใหม่ได้
Cédric Villani เจ้าของรางวัลฟิลดส์อีกคนย้ำว่า “ในคณิตศาสตร์ ข้อสรุปสำคัญน้อยกว่าเส้นทางที่นำไปสู่คำตอบ” นี่คือหัวใจที่ AI ยังทำได้ไม่เต็มที่ แม้มันจะให้คำตอบของโจทย์ยากๆ ได้ แต่มักไม่แสดง “เส้นทาง” ในแบบที่มนุษย์เข้าใจและต่อยอดได้ทันที นักคณิตศาสตร์จึงเริ่มยอมรับบทบาทใหม่ของตนเองในฐานะผู้ออกแบบคำถาม ผู้ตีความ และผู้สร้างทฤษฎีที่ให้ความหมายกับผลลัพธ์ของ AI มากกว่าจะเป็นเพียงผู้แข่งกับเครื่องจักรในการหาคำตอบ
อนาคตอาชีพนักคณิตศาสตร์: จากความกลัวสู่การออกแบบบทบาทใหม่ร่วมกับ AI
แม้ช่วงแรกจะมีคำพูดแรงๆ อย่าง “เราจบแล้ว” แต่ Sam Altman เล่าว่าเพียงไม่กี่วันต่อมา นักคณิตศาสตร์จำนวนมากเริ่มมองต่างออกไป โดยมีคนพูดว่า “ฉันจะมีอาชีพแบบใหม่ที่หวังว่าจะดีกว่าเดิมในฐานะนักคณิตศาสตร์” นั่นสะท้อนการเปลี่ยนจากการปฏิเสธไปสู่การยอมรับว่า AI ในการวิจัย จะกลายเป็นส่วนหนึ่งของงานคณิตศาสตร์อย่างเลี่ยงไม่ได้ คำถามจึงไม่ใช่ “AI จะมาแทนที่ไหม” แต่คือ “เราจะออกแบบงานของตัวเองใหม่อย่างไร”
ในเชิงโครงสร้าง มูลนิธิไซมอนส์ร่วมกับ OpenAI และ Anthropic ตั้งกองทุนเพื่อสนับสนุนนักคณิตศาสตร์ให้รับมือกับ AI ผ่านเวิร์กชอปประเมินผลลัพธ์และกำหนดมาตรฐานการใช้งาน ขณะเดียวกัน การแข่งขัน “mathathon” ที่สนับสนุนให้ใช้ AI แก้โจทย์ก็ถูกปรับกติกาใหม่และเตรียมจัดขึ้นในเดือนพฤศจิกายน แสดงให้เห็นว่ารุ่นใหม่เลือกเผชิญหน้าและทดลองอยู่กับเครื่องมือเหล่านี้มากกว่าจะปิดประตูหนี สำหรับคนที่กำลังคิดถึงอนาคตอาชีพนักคณิตศาสตร์ บทเรียนสำคัญคือ การยึดติดกับภาพโรแมนติกแบบเดิมอาจไม่รอด แต่คนที่กล้าปรับตัวไปสู่บทบาทนักออกแบบคำถาม นักตีความ และผู้สร้างความเข้าใจเชิงลึก จะยิ่งมีคุณค่ามากขึ้นในยุคที่ AI แก้โจทย์ได้เร็วกว่ามนุษย์หลายเท่า






