ปัญญาประดิษฐ์แก้ปัญหาคณิตศาสตร์ระดับศตวรรษคืออะไร และทำไมเหตุการณ์นี้จึงเขย่าวงการ
ปัญญาประดิษฐ์แก้ปัญหาคณิตศาสตร์ หมายถึงการที่โมเดลคอมพิวเตอร์สามารถสร้างข้อพิสูจน์ที่ตรวจสอบได้สำหรับโจทย์คณิตศาสตร์ซับซ้อนระดับงานวิจัย ไม่ใช่แค่คำนวณหรือทำการบ้าน แต่รวมถึงการตั้งสมมติฐาน พัฒนาแนวคิด หลอมรวมผลงานเดิม และแปลงเป็นภาษาตรรกะรูปแบบทางการที่ระบบตรวจสอบบทพิสูจน์สามารถยืนยันได้ การที่ระบบดังกล่าวแตะโจทย์ที่มนุษย์พิสูจน์ไม่ได้มานานหลายศตวรรษจึงไม่ใช่เพียงชัยชนะทางเทคนิค หากแต่เป็นการเปลี่ยนขอบเขตของคำว่า การค้นพบทางคณิตศาสตร์ ของมนุษย์ทั้งวงการ
เหตุการณ์ล่าสุดที่ทำให้คำว่า ปัญญาประดิษฐ์วิจัยคณิตศาสตร์ กลายเป็นคำสำคัญ คือการที่ระบบภายในของ OpenAI ใช้โมเดล GPT-6 Astra เป็นเครื่องมือแก้โจทย์ Navier-Stokes ปัญหาคณิตศาสตร์ระดับ Millennium Prize โดยสร้างข้อพิสูจน์เสนอว่าคำตอบของสมการสามารถพัฒนาไปสู่ภาวะเอกฐานภายในเวลาจำกัดได้ ซึ่งเท่ากับเลือกตอบว่าคำตอบไม่ราบเรียบเสมอไป นี่ไม่ใช่การยิงไอเดียคร่าว ๆ เพราะทีมงานใช้ระบบเอเจนต์จำนวนมากช่วยกันเสนอแนวคิด ตรวจสอบสมมติฐาน ค้นหาจุดผิดพลาด แล้วให้ GPT-6 Astra แปลงข้อพิสูจน์เป็นภาษาลีนและให้ตัวตรวจสอบเครื่องจักรเช็กตรรกะทุกขั้น
จากสมการ Navier-Stokes สู่ปัญหาเปิดอีกกว่า 100 ข้อ: ขนาดความก้าวหน้าที่มนุษย์ไม่เคยเห็น
สมการ Navier-Stokes คือหัวใจของการอธิบายการไหลของของไหลหนืด เช่น อากาศรอบปีกเครื่องบิน หรือน้ำมันในถังเชื้อเพลิง โดยตั้งคำถามทางคณิตศาสตร์ว่า สำหรับของไหลอัดตัวไม่ได้ที่มีความหนืดคงที่และไหลในสามมิติ คำตอบของสมการจะมีอยู่จริงและราบเรียบไปตลอดเวลาหรือไม่ จุดที่คำตอบพังทลายหรือเกิดการระเบิดของคำตอบทางคณิตศาสตร์นั้นเรียกว่าภาวะเอกฐาน ซึ่งหมายถึงแบบจำลองไม่สามารถรักษารูปคำตอบที่ลื่นไหลต่อไปได้อีก การพิสูจน์ว่าภาวะเอกฐานเกิดขึ้นได้หรือไม่จึงเป็นโจทย์ที่ติดค้างวงการมานานกว่า 200 ปี
ในแง่เชิงวิศวกรรม ความสำเร็จครั้งนี้คือการสาธิตว่า GPT-6 ความสามารถทางวิทยาศาสตร์ ก้าวไกลเกินโมเดลภาษาทั่วไป ระบบเอเจนต์ใช้เวลาประมาณ 88 ชั่วโมงสร้างแนวทางแก้และข้อพิสูจน์เชิงวิเคราะห์ ก่อนที่ GPT-6 Astra จะใช้เวลาอีกประมาณ 17 ชั่วโมงแปลงเป็นภาษาลีนและตรวจตราตรรกะ พร้อมการสื่อสารกว่า 2.7 ล้านข้อความและผลลัพธ์เชิงข้อความรวมราวหนึ่งแสนสามหมื่นล้านโทเคน อีกคำพูดหนึ่งที่สะท้อนความสั่นสะเทือนของวงการคือ การประเมินว่าต้นทุนรวมในการสร้างชุดโซลูชันระดับนี้อยู่ในช่วงที่ถือว่าถูกมากเมื่อเทียบกับงานวิจัยของศาสตราจารย์ชั้นนำเป็นเวลาหลายสิบปี
โมเดลภายในใหม่ แก้ปัญหาเปิดกว่า 100 ข้อ และการตั้งคณะที่ปรึกษาคณิตศาสตร์อิสระ
สิ่งที่ทำให้ข่าวนี้กลายเป็นจุดหักเหของปัญญาประดิษฐ์แก้ปัญหาคณิตศาสตร์ ไม่ได้อยู่ที่ Navier-Stokes เพียงข้อเดียว แต่คือการที่ OpenAI ระบุว่าโมเดลภายในตัวใหม่ที่เริ่มฝึกเมื่อ 28 สิงหาคม แก้ปัญหาเปิดที่ยาวนานกว่า 100 ข้อในหลากหลายสาขาคณิตศาสตร์แล้ว โมเดลนี้ถูกอธิบายว่ามีความสามารถสูงกว่า GPT-6 Astra และสร้างโซลูชันแบบเครื่องตรวจสอบได้สำหรับปัญหายากจำนวนมาก ซึ่งแสดงว่า AI ไม่เพียงเลียนแบบบทพิสูจน์ที่มีอยู่ แต่กำลังเข้าสู่เฟสที่สามารถสร้างคณิตศาสตร์ใหม่จำนวนมากได้พร้อมกัน
ความเร็วของความก้าวหน้าทำให้นักคณิตศาสตร์ภายในองค์กรเองยังรู้สึกประหลาดใจ และจุดประกายการถกเถียงว่าควรเตรียมชุมชนคณิตศาสตร์ให้พร้อมกับความสามารถที่มาถึงเร็วกว่าที่คาดอย่างไร การตอบสนองหนึ่งคือการประกาศตั้งกลุ่มที่ปรึกษาอิสระด้านคณิตศาสตร์และปัญญาประดิษฐ์ จัดที่สถาบันวิจัยระดับสูง เพื่อช่วยคิดกรอบการสื่อสารและการเผยแพร่ผลลัพธ์เหล่านี้อย่างรับผิดชอบ กลุ่มนี้ก่อตัวจากการที่นักคณิตศาสตร์ซึ่ง OpenAI ติดต่อให้เป็นที่ปรึกษาตัดสินใจสร้างกลุ่มอิสระของตนเอง แล้วเปิดรับความเห็นจากชุมชนผ่านแบบฟอร์มออนไลน์เพื่อใช้กำหนดคำแนะนำโดยไม่เปิดเผยรายชื่อผู้ส่งหากไม่ได้รับอนุญาต
เมื่อความสุขของการค้นพบถูกแบ่งให้เครื่องจักร: นักคณิตศาสตร์จะเหลือบทบาทอะไร
ด้านที่บาดลึกกว่าความกลัวเรื่องงานหายคือคำถามว่า เสน่ห์โรแมนติกของคณิตศาสตร์จะยังอยู่หรือไม่ เมื่อปัญญาประดิษฐ์วิจัยคณิตศาสตร์สามารถจัดการโจทย์ที่ยากที่สุดอย่างเป็นระบบ นักคณิตศาสตร์บางคนเริ่มกังวลว่าความสุขของการค้นพบซึ่งเป็นหัวใจของการทำงานสายนี้กำลังถูกแบ่ง หรือแม้แต่ถูกพรากไป สะท้อนผ่านตัวอย่างจากแวดวงอื่นที่ AI ช่วยดันความคืบหน้าของสมมติฐานรีมันน์ไปไกลอย่างรวดเร็ว โดยผู้ใช้ที่ไม่ใช่นักคณิตศาสตร์มืออาชีพเลยด้วยซ้ำ ความรู้สึกไม่สบายใจจึงไม่ใช่เรื่องของความรู้หรือฐานะ แต่เป็นคำถามว่าความหมายของการเป็นนักคณิตศาสตร์คืออะไรในยุคที่เครื่องจักรเสนอแนวคิดก่อนมนุษย์
เสียงเตือนจากนักคณิตศาสตร์ชื่อดังบางคนถึงขั้นบอกว่าหากงานของมนุษย์เหลือเพียงการอธิบายสิ่งที่ AI ค้นพบ คณิตศาสตร์อาจสูญเสียเสน่ห์แท้ของมันไป จดหมายเปิดที่พูดถึงปัญหา Severe Misalignment of AI in Mathematics ยังระบุด้วยว่า การใช้โจทย์เปิดเป็นคะแนนเช็กประสิทธิภาพโมเดลอาจทำร้ายโครงสร้างวิทยาศาสตร์ เพราะทำให้การประกาศผลลัพธ์เร่งรีบ ไม่ละเอียด ไม่แยกแนวคิดใหม่ออกจากเทคนิค และเปิดช่องให้ปัญหาการอ้างอิงและการคัดลอกผลงานรุนแรงขึ้น นี่คือคำถามเชิงจริยธรรมว่าควรให้ระบบ AI วิ่งแข่งบนสนามคณิตศาสตร์ด้วยกติกาแบบเดียวกับการแข่งขันเทคโนโลยีหรือไม่
อนาคตของคณิตศาสตร์ในยุค GPT-6: ต้องออกแบบความร่วมมือใหม่ระหว่างมนุษย์กับ AI
เมื่อบริบททั้งหมดมาชนกัน เห็นได้ชัดว่าคำถามสำคัญไม่ใช่ว่า AI เก่งกว่ามนุษย์หรือไม่ แต่คือเราจะออกแบบความร่วมมือระหว่างนักคณิตศาสตร์กับระบบอย่างไร เพื่อให้วิทยาศาสตร์ได้ประโยชน์สูงสุดโดยไม่ทำลายวัฒนธรรมการคิดเชิงลึก ความจริงที่ต้องยอมรับคือโมเดลภายในเหล่านี้เริ่มสร้างคณิตศาสตร์ใหม่ในระดับที่นับจำนวนปัญหาเปิดเป็นร้อยได้ และตอนนี้กำลังกลายเป็นกรณีทดสอบว่าเราจะตรวจสอบ ให้เครดิต และสื่อสารผลลัพธ์อย่างไรเมื่อลายเส้นระหว่างการค้นพบของมนุษย์กับเครื่องจักรเริ่มพร่าเลือน
บทสรุปเชิงนโยบายที่คงหลีกเลี่ยงไม่ได้คือ การยอมให้คณิตศาสตร์กลายเป็นสนามนำหน้าในการออกแบบมาตรฐานใหม่ ตั้งแต่รูปแบบการเขียนข้อพิสูจน์ การผสานเครื่องตรวจสอบ ไปจนถึงแนวทางการแบ่งเครดิตระหว่างนักวิจัยกับโมเดล AI กลุ่มที่ปรึกษาอิสระชุดใหม่อาจเป็นเพียงก้าวแรก แต่เป็นก้าวที่สำคัญเพราะ OpenAI ระบุชัดว่าต้องการให้นักคณิตศาสตร์มีบทบาทตรงศูนย์กลางในการกำหนดคำตอบเหล่านี้ หากชุมชนคณิตศาสตร์ยอมปล่อยให้กติกากำหนดจากฝั่งบริษัท AI เพียงข้างเดียว อนาคตของสาขานี้อาจถูกกำหนดในแบบที่ไม่สอดคล้องกับคุณค่าที่ชุมชนต้องการรักษาไว้เลย
