Navier-Stokes และปัญหาแห่งสหัสวรรษที่ AI ประกาศว่าแก้ได้
การพิสูจน์ Navier–Stokes existence and smoothness problem โดยระบบปัญญาประดิษฐ์คณิตศาสตร์ของบริษัทเทคโนโลยีรายหนึ่ง คือการอ้างว่าพบคำตอบของโจทย์ระดับปัญหาแห่งสหัสวรรษที่ว่าด้วยการมีอยู่และความเรียบของสมการการไหลของของไหลสามมิติ ซึ่งมนุษย์พยายามพิสูจน์พฤติกรรมของคำตอบมานานหลายสิบปี แต่ยังไม่เคยมีข้อสรุปที่ได้รับการยอมรับอย่างเป็นทางการในระดับสากล Navier–Stokes จึงเป็นสัญลักษณ์ของขอบเขตความรู้ที่ท้าทายความสามารถของทั้งนักคณิตศาสตร์และนักฟิสิกส์ สาระสำคัญของข่าวนี้คือบริษัทประกาศว่าแบบจำลอง AI ภายในที่ยังไม่เผยแพร่สู่สาธารณะสามารถค้นพบวิธีแก้ปัญหา “การมีอยู่และความเรียบของสมการนาเวียร์–สโตกส์” ซึ่งเป็นหนึ่งในปัญหาแห่งสหัสวรรษที่มีชื่อเสียงในวงการคณิตศาสตร์สมัยใหม่ นี่ไม่ใช่เพียงการแก้สมการ แต่คือการอ้างว่าพบโครงสร้างทางคณิตศาสตร์ที่อธิบายได้ว่าคำตอบของระบบของไหลสามมิติสามารถเกิดจุดเอกฐานที่ปริมาณบางอย่างพุ่งไม่จำกัดภายในเวลาจำกัดได้ ซึ่งตีความได้ว่าโอกาสของคำตอบที่ราบรื่นตลอดไปไม่ได้เกิดขึ้นเสมอไป ข่าวนี้จึงเขย่าวงการ เพราะนับตั้งแต่สถาบันคณิตศาสตร์เคลย์ประกาศโจทย์ทั้งเจ็ดข้อในชุดปัญหาแห่งสหัสวรรษ มีเพียงทฤษฎีบทปวงกาเรเท่านั้นที่ได้รับการแก้ไขอย่างเป็นทางการ ส่วน Navier–Stokes เคยถูกมองว่าอาจต้องใช้เวลานับศตวรรษก่อนจะเห็นความคืบหน้า
88 ชั่วโมง 10,000 เอเจนต์ เทียบกับ 90 ปีของความพยายามมนุษย์
สิ่งที่ทำให้การประกาศครั้งนี้สะดุดตาไม่ใช่แค่โจทย์ระดับปัญหาแห่งสหัสวรรษ แต่คือสเกลของการคำนวณและความเร็วของการค้นพบ จากปัญหาที่มนุษย์ใช้เวลาราว 90 ปีในการไล่ตามคำตอบ ระบบ AI กลับถูกระบุว่าสามารถค้นหาแนวทางพิสูจน์ที่เสนอเป็นคำตอบได้ภายในประมาณ 88 ชั่วโมงเท่านั้น โดยใช้เอเจนต์ AI ราว 10,000 ตัวทำงานแบบขนานเพื่อสำรวจแนวคิดและโครงสร้างทางคณิตศาสตร์จำนวนมหาศาลที่มนุษย์ไม่มีทางลองครบได้ในช่วงชีวิตเดียว ตามคำอธิบาย การทำงานไม่ได้จบด้วยการหาทางพิสูจน์คร่าว ๆ แต่ระบบยังแตกปัญหาออกเป็น lemma ย่อย ๆ ให้เอเจนต์อื่นช่วยกันพิสูจน์หรือหาจุดบกพร่อง แล้วค่อยประกอบกลับเป็นบทพิสูจน์ขนาดราว 165 หน้า ก่อนนำไปทำ formalization ด้วยระบบ proof assistant และ verification เพิ่มเติม ซึ่งขั้นตอนหลังนี้ใช้เวลาประมาณ 17 ชั่วโมง ทั้งกระบวนการจึงเป็นการผสม LLM กับ AI agents การค้นหาอัตโนมัติ และการตรวจสอบเชิงตรรกะอย่างเป็นระบบ เมื่อมองจากมุมนี้ คำกล่าวที่ว่า “จากโจทย์ 90 ปีสู่คำตอบใน 88 ชั่วโมง” ไม่ใช่แค่ประโยคสะดุดหู แต่คือการแสดงให้เห็นว่าเมื่อขนาดของการค้นหาเพิ่มขึ้นหลายระดับลำดับความสำคัญของมนุษย์ในฐานะผู้ลองแนวคิดทีละทางเริ่มถูกตั้งคำถาม
จากเครื่องมือช่วยคำนวณสู่ผู้ค้นพบ: จุดเปลี่ยนของปัญญาประดิษฐ์คณิตศาสตร์
หลายคนเคยมอง AI ในคณิตศาสตร์ว่าเป็นเพียงเครื่องมือช่วยคำนวณหรือระบบที่ช่วยจัดการงานซ้ำ ๆ เช่น ตรวจพิสูจน์หรือค้นหาตัวอย่าง แต่กรณี Navier–Stokes ทำให้ภาพนี้เปลี่ยนไปอย่างชัดเจน เพราะสิ่งที่บริษัทอ้างไม่ใช่แค่การคำนวณแต่คือการค้นพบโครงสร้างใหม่ที่นำไปสู่การพิสูจน์ปัญหาที่ยังเปิดอยู่ ซึ่งบริษัทหนึ่งชี้ว่าจุดแข็งของ AI ไม่ได้อยู่ที่ “ฉลาดกว่านักคณิตศาสตร์ทุกด้าน” แต่คือความสามารถในการทดลองแนวทางจำนวนมหาศาลได้อย่างต่อเนื่องในเวลาอันสั้น เมื่อรวม LLM กับระบบ AI agents การค้นหาอัตโนมัติ เครื่องมือคำนวณ และการตรวจสอบเชิงรูปแบบเข้าด้วยกัน AI จึงเริ่มทำวงจรการวิจัยด้วยตัวเองตั้งแต่การสร้างสมมติฐาน ไปจนถึงการทดลองแนวคิดและการสร้างบทพิสูจน์ซ้ำแล้วซ้ำอีกโดยไม่เหนื่อย นี่คือเหตุผลที่นักคณิตศาสตร์หลายคนเริ่มพูดถึงการเปลี่ยนจาก “AI เป็นผู้ช่วย” ไปสู่ “AI เป็นนักค้นพบ” และไม่ใช่เฉพาะ Navier–Stokes เพราะก่อนหน้านี้ระบบ AI ก็เคยมีส่วนสำคัญในการค้นหาคำตอบของปัญหาอย่าง Erdős Unit Distance Problem และ Cap Set Problem ที่เปิดค้างมานานหลายสิบปีแล้วเช่นกัน การค้นพบทางวิทยาศาสตร์ที่เกิดจากการสำรวจเชิงอัลกอริทึมจำนวนมหาศาลจึงอาจกลายเป็นภาพปกติใหม่ในยุคถัดไป
ทำไมยังไม่ถือว่าแก้ปัญหาแห่งสหัสวรรษได้อย่างเป็นทางการ
แม้บริษัทจะระบุว่าบทพิสูจน์ของตนผ่านการตรวจสอบด้วยระบบ proof assistant แล้ว แต่นั่นไม่ได้หมายความว่าปัญหาแห่งสหัสวรรษจะถือว่าได้รับการแก้ไขอย่างเป็นทางการทันที เพราะกติกาของวงการคณิตศาสตร์ยังยึดกระบวนการตรวจสอบโดยมนุษย์เป็นหลัก บทพิสูจน์ต้องถูกอ่าน แยกแยะ และวิจารณ์โดยผู้เชี่ยวชาญจำนวนมากก่อนจะเกิดฉันทามติว่าปราศจากข้อผิดพลาดหรือสมมติฐานที่ไม่สมเหตุสมผลตามมาตรฐานวิชาการ หนึ่งในข้อสังเกตสำคัญที่ถูกย้ำคือ การตรวจสอบโดยระบบลีนหรือ proof assistant แม้จะช่วยยืนยันว่าไม่มีความขัดแย้งเชิงตรรกะในข้อความอย่างเป็นทางการ แต่ไม่อาจทดแทนกระบวนการตรวจสอบโดยผู้ทรงคุณวุฒิในแวดวงวิชาการได้อย่างสมบูรณ์ อีกด้านหนึ่ง บริบทธุรกิจก็ไม่เรียบง่าย บริษัทเพิ่งผ่านสัปดาห์ที่ถูกตั้งคำถามเรื่องเครดิตกับนักคณิตศาสตร์ที่เคยทำงานบนโจทย์ใกล้เคียง และมีข้อสงสัยว่าระหว่างการสนทนาบนระบบ AI อาจมีการใช้แนวคิดของนักวิจัยโดยไม่ได้ตั้งใจ จึงไม่น่าแปลกใจที่คำประกาศล่าสุดพูดถึงการ “แชร์ผลลัพธ์อย่างรอบคอบ” เพราะถ้า AI จะก้าวสู่บทบาทนักค้นพบจริง ความน่าเชื่อถือด้านจริยธรรมและความโปร่งใสของการอ้างผลงานจะกลายเป็นเงื่อนไขสำคัญพอ ๆ กับความถูกต้องทางคณิตศาสตร์
ก้าวต่อไป: ปัญหาแห่งสหัสวรรษข้ออื่นและขอบเขตใหม่ของมนุษย์
สิ่งที่น่าจับตาไม่แพ้ Navier–Stokes คือบริษัทระบุว่าหลังเสร็จงานนี้ได้มีความคืบหน้าอย่างมากกับอีกหนึ่งปัญหาแห่งสหัสวรรษ และกำลังพิจารณาวิธีเผยแพร่ผลลัพธ์อย่างรอบคอบ แม้ยังไม่เปิดชื่อโจทย์ แต่การคาดการณ์ในแวดวงออนไลน์ก็ชี้ไปยังข้อยากอย่าง Hodge Conjecture ซึ่งหากวันหนึ่งมีการอ้างว่าพิสูจน์ได้จริงและผ่านการตรวจสอบโดยนักคณิตศาสตร์ก็จะหมายถึงชุดโจทย์ที่เคยใช้เวลาสองทศวรรษเพื่อให้มีความคืบหน้าอย่างเป็นทางการเพียงข้อเดียว กำลังถูก AI ทำคะแนนหลายข้อภายในเวลาไม่กี่สัปดาห์ ในระดับภาพใหญ่ นี่คือสัญญาณว่าปัญญาประดิษฐ์คณิตศาสตร์อาจเริ่มเข้าใกล้ปัญหาอีกมากมายทั้งในฟิสิกส์และคณิตศาสตร์ที่เคยถูกมองว่าเป็นขอบเขตทางสติปัญญาของมนุษย์ ตั้งแต่ Yang–Mills Existence and Mass Gap ไปจนถึง Birch and Swinnerton–Dyer Conjecture หรือแม้แต่โจทย์อย่าง P vs NP และ Riemann Hypothesis ที่ส่งผลทั้งต่อทฤษฎีและเทคโนโลยีดิจิทัล ถ้าวันหนึ่ง AI สามารถสร้างการค้นพบทางวิทยาศาสตร์บนโจทย์เหล่านี้ได้จริง มนุษย์อาจต้องปรับมุมมองจากการถามว่า “AI จะมาแทนที่นักคณิตศาสตร์หรือไม่” ไปสู่คำถามใหม่ที่สำคัญกว่า คือ “เราจะอยู่ร่วมกับนักวิจัยที่เป็นเครื่องจักรอย่างไรให้การค้นพบถูกใช้เพื่อขยายความเข้าใจและประโยชน์ของมนุษย์อย่างแท้จริง”
