AI การพิสูจน์ทางคณิตศาสตร์ คืออะไร และทำไมกรณี Fermat จึงสำคัญ
AI การพิสูจน์ทางคณิตศาสตร์ คือการใช้ระบบปัญญาประดิษฐ์และโปรแกรมช่วยพิสูจน์เพื่อสร้าง ตรวจสอบ หรือแปลงพิสูจน์ทางคณิตศาสตร์ให้มีรูปแบบที่คอมพิวเตอร์สามารถตรวจตราได้อย่างละเอียดทุกขั้นตอน ช่วยลดโอกาสผิดพลาดจากมนุษย์ และรองรับพิสูจน์ขนาดใหญ่ซับซ้อนที่ไม่มีนักคณิตศาสตร์คนใดอ่านครบได้ในเวลาสมเหตุสมผล ล่าสุดบริษัท Anthropic ระบุว่าโมเดล Claude ของตนได้สร้างพิสูจน์แบบสมบูรณ์ของทฤษฎีบท Fermat ในรูปที่คอมพิวเตอร์ตรวจสอบได้เป็นครั้งแรก โดย Claude ทำงานเกือบทั้งหมดแบบอัตโนมัติเป็นเวลา 11 วัน เพื่อแปลงพิสูจน์ความยาว 129 หน้าให้กลายเป็นโค้ดที่เครื่องตรวจได้ทีละบรรทัดโดยไม่เว้นช่องให้ผิดพลาด ความสำเร็จนี้ทำให้คำสำคัญอย่าง AI การพิสูจน์ทางคณิตศาสตร์ และคำค้นอย่าง Claude AI ค้นพบ ทฤษฎีบท Fermat และคอมพิวเตอร์ตรวจสอบการพิสูจน์ กลายเป็นประเด็นถกเถียงใหม่ในวงการ
จากบันทึกขอบหน้าหนังสือสู่ Lean code 13 ล้านบรรทัด
ทฤษฎีบท Fermat หรือ Fermat’s Last Theorem เริ่มจากข้อความสั้นในปี 1637 ที่ Pierre de Fermat เขียนทิ้งไว้ในขอบหน้าหนังสือว่า ไม่มีจำนวนเต็มบวก a b c ใดทำให้สมการ aⁿ + bⁿ = cⁿ เป็นจริงเมื่อ n มากกว่า 2 พร้อมอ้างว่ามีพิสูจน์อันมหัศจรรย์ แต่หาที่ไหนไม่พบ กว่ามนุษย์จะปิดโจทย์นี้ได้ก็ต้องรอถึงปี 1995 เมื่อ Andrew Wiles ใช้เครื่องมือคณิตศาสตร์สมัยใหม่สร้างพิสูจน์ยาว 129 หน้า ซึ่งต้องใช้เวลาตรวจสอบอย่างหนักของชุมชนผู้เชี่ยวชาญ Claude ไม่ได้คิดพิสูจน์ใหม่ แต่นำพิสูจน์ของ Wiles มา “ฟอร์มอลไลซ์” ให้ระบบ Lean ตรวจสอบอัตโนมัติ มันทำงานผ่านแพลตฟอร์ม Prove2Me ที่มีตัวแทน Claude หลายสิบตัวแบ่งพิสูจน์ออกเป็นชิ้นย่อย พิสูจน์ย่อย แล้วเย็บกลับเข้าหากัน ในกระบวนการนี้ Claude เขียนโค้ด Lean ถึง 13 ล้านบรรทัด และพิสูจน์ทฤษฎีย่อยประมาณ 30,300 ข้อ ซึ่งมีขนาดมากกว่าคลัง Mathlib เดิมมากกว่าห้าเท่า
ข่าวดีหรือสัญญาณเตือน บทบาทใหม่ของนักคณิตศาสตร์ในยุค Claude
หลายคนอาจมองว่านี่คือชัยชนะของ AI การพิสูจน์ทางคณิตศาสตร์ ทว่าภาพอีกด้านคือคำเตือนของ Terence Tao ผู้ได้รับรางวัล Fields Medal ที่ยกกรณีปัญหา Navier–Stokes ขึ้นมาเป็นตัวอย่างว่า การที่ AI แก้ปัญหาใหญ่แบบ “กล่องดำ” อาจทำให้คณิตศาสตร์แย่ลงได้ เขาชี้ว่าคุณค่าที่แท้จริงของปัญหาบริสุทธิ์จำนวนมากไม่ใช่คำตอบสุดท้าย แต่คือเครื่องมือและความคิดใหม่ที่เกิดขึ้นระหว่างทาง ถ้า AI บริษัทหนึ่งใช้คอมพิวต์มหาศาลลองผิดลองถูกในระบบปิด แล้วส่งมาแค่พิสูจน์เสร็จรูปให้ชุมชนดู โดยไม่เปิดเผยเส้นทางการคิด ปัญหานั้นจะถูก “ติ๊กถูก” ว่าแก้แล้ว แต่ทุกบทเรียนระหว่างทางหายไป Tao เตือนชัดว่าการแก้ปัญหาแบบนี้อาจ “เปลี่ยนจากผลบวกเป็นผลลบสุทธิ” ต่อวงการ พร้อมกันนั้น เขายังตั้งข้อสังเกตว่าขณะที่ AI ทำให้ต้นทุนการแก้ปัญหาระดับรูทีนต่ำลง ทักษะที่ขาดแคลนของนักคณิตศาสตร์จะกลายเป็นการเลือกโจทย์ที่เหมาะ ออกแบบเวิร์กโฟลว์ และตรวจเช็คผลลัพธ์ ซึ่งต่างจากสิ่งที่หลักสูตรปริญญาเอกส่วนใหญ่เตรียมคนไว้ในปัจจุบัน
คอมพิวเตอร์ตรวจสอบการพิสูจน์ จะช่วยหรือกลบเสียงมนุษย์
สิ่งที่น่าคิดคือ Claude ไม่ได้แค่ฟอร์มอลไลซ์ทฤษฎีบท Fermat เท่านั้น แต่ยังชี้ให้เห็นอนาคตของการตรวจสอบงานวิทยาศาสตร์ที่ AI สร้างขึ้น เมื่อ AI เริ่มผลิตข้ออ้างทางคณิตศาสตร์เร็วเกินกว่าที่ผู้ทรงคุณวุฒิจะอ่านและตรวจทีละบรรทัดได้ทัน การใช้โปรแกรมช่วยพิสูจน์อย่าง Lean จึงกลายเป็นด่านตรวจความถูกต้องใหม่ที่จำเป็น รายงานระบุว่า “การจับคู่ทุกพิสูจน์ที่สร้างโดย AI กับเวอร์ชันที่ Lean ตรวจสอบแล้วอาจกลายเป็นมาตรฐานใหม่ของวงการ” เพื่อให้ผู้รีวิวมีเครื่องมือเชิงกลสำหรับยืนยันว่าไม่มีข้อผิดพลาด แม้ยังต้องมีบทความฉบับอ่านรู้เรื่องสำหรับมนุษย์อยู่เช่นเดิม ที่สำคัญ เทคโนโลยีนี้ไม่ได้จำกัดเฉพาะห้องแลปขนาดใหญ่ มีตัวอย่างที่นักวิจัย 3 คนใช้บริการ Claude แบบผู้บริโภคทั่วไป ฟอร์มอลไลซ์พิสูจน์ Vinogradov’s Three Primes Theorem ภายในเวลาเพียง 3 วัน แสดงว่าการตรวจสอบขนาดใหญ่ด้วยคอมพิวเตอร์เริ่มอยู่ใกล้มือมากขึ้นกว่าที่คิด
เมื่อ AI แก้โจทย์เร็วกว่ามนุษย์ ความหมายของการค้นพบคณิตศาสตร์จะเปลี่ยนอย่างไร
บริบทกว้างกว่านั้นคือความก้าวหน้าของ AI ด้านคณิตศาสตร์ที่เร่งขึ้นต่อเนื่อง ทั้งกรณี AlphaProof Nexus ที่แก้ปัญหาจำนวนหนึ่งจากรายการของ Paul Erdős ได้แบบอัตโนมัติ โดยมี Lean ตรวจทุกขั้นตอน และผลงานระดับเหรียญทองโอลิมปิกคณิตศาสตร์จากโมเดลของบริษัทใหญ่สองรายในปี 2025 ที่ทำให้ Tao ต้องปรับความคาดหวังต่อความสามารถของ AI อยู่เรื่อยๆ คำถามใหญ่จึงไม่ใช่ว่า AI อย่าง Claude AI ค้นพบ หรือฟอร์มอลไลซ์อะไรได้บ้าง แต่คือเราจะจัดโครงสร้างความรู้และการศึกษาใหม่อย่างไร เพื่อให้มนุษย์ยังมีบทบาทนำในการตั้งคำถาม สร้างเรื่องเล่า และตีความความหมายของทฤษฎีต่างๆ เมื่อคอมพิวเตอร์ตรวจสอบการพิสูจน์ได้เร็วและละเอียดกว่าที่เคย ในระยะสั้น การฟอร์มอลไลซ์ทฤษฎีบท Fermat ทำให้พิสูจน์ของ Wiles มีฐานความเชื่อถือสูงขึ้น และให้ต้นแบบเวิร์กโฟลว์ใหม่สำหรับ AI การพิสูจน์ทางคณิตศาสตร์ แต่ในระยะยาว หากเราไม่ยืนยันเรื่องความโปร่งใส แบ่งปันวิธี และการมีส่วนร่วมของชุมชน ความสำเร็จแบบ “กล่องดำ” อาจกลายเป็นเงื่อนไขที่ทำให้คณิตศาสตร์กลายเป็นงานของเครื่องมากกว่าพื้นที่เรียนรู้ของมนุษย์
