นักวิจัย Anthropic อ้าง AI ไขปริศนาคณิตศาสตร์ครั้งใหญ่แล้ว

วงการคณิตศาสตร์กำลังจับตามองข่าวที่อาจเปลี่ยนมุมมองต่อความสัมพันธ์ระหว่างมนุษย์กับปัญญาประดิษฐ์ หลัง Levent Alpöge นักคณิตศาสตร์ชาวตุรกี-อเมริกันซึ่งทำงานอยู่ที่ Anthropic ออกมาอ้างว่า เขาและ Claude สามารถสร้างคำพิสูจน์ของสมมติฐานรีมันน์ได้สำเร็จ อย่างไรก็ตาม ผลงานดังกล่าวยังไม่ได้รับการตรวจสอบหรือรับรองจากสถาบันคณิตศาสตร์เคลย์, Anthropic หรือผู้เชี่ยวชาญอิสระที่น่าเชื่อถือ ดังนั้น ข่าวนี้จึงควรถูกมองว่าเป็นคำกล่าวอ้างที่น่าสนใจ มากกว่าจะเป็นข้อสรุปที่ยืนยันแล้ว

สมมติฐานรีมันน์ถือเป็นหนึ่งในปัญหาที่ยากและมีชื่อเสียงที่สุดของคณิตศาสตร์สมัยใหม่ แนวคิดนี้ถูกเสนอครั้งแรกในปี 1859 โดยแบร์นฮาร์ด รีมันน์ นักคณิตศาสตร์ชาวเยอรมัน และเกี่ยวข้องโดยตรงกับการกระจายตัวของจำนวนเฉพาะ ซึ่งเป็นพื้นฐานสำคัญของทฤษฎีจำนวน รวมถึงมีความเชื่อมโยงกับการเข้ารหัสและคณิตศาสตร์แขนงอื่นอีกมากมาย

นักวิจัย Anthropic อ้าง AI ไขปริศนาคณิตศาสตร์ครั้งใหญ่แล้ว

ตามคำแถลงของ Alpöge เขาใช้ Claude เป็นเครื่องมือช่วยพัฒนาแนวคิดและจัดทำคำพิสูจน์ โดยเขียนผลงานในภาษาโปรแกรม Lean ซึ่งเป็นระบบที่ช่วยตรวจสอบความถูกต้องของทฤษฎีทางคณิตศาสตร์อย่างเป็นทางการ การใช้ Lean อาจช่วยลดความผิดพลาดจากการคำนวณหรือการให้เหตุผลบางขั้นตอน แต่ก็ยังไม่เพียงพอที่จะทำให้คำกล่าวอ้างได้รับการยอมรับทันที เพราะจำเป็นต้องมีผู้เชี่ยวชาญหลายฝ่ายตรวจสอบรายละเอียดทั้งหมดอย่างรอบคอบ

นักวิจัย Anthropic อ้าง AI ไขปริศนาคณิตศาสตร์ครั้งใหญ่แล้ว แต่ยังต้องพิสูจน์

Alpöge บรรยายประสบการณ์การทำงานร่วมกับ Claude ด้วยถ้อยคำที่ตื่นเต้นอย่างมาก เขากล่าวว่าในช่วงท้ายของการค้นคว้า Claude สามารถพัฒนาแนวทางได้เร็วกว่าเขาอย่างชัดเจน และเปรียบเทียบความรู้สึกนั้นกับการได้เห็นแสงแรกของการเปลี่ยนแปลงครั้งใหญ่ในวงการวิทยาศาสตร์ ถึงแม้คำบรรยายดังกล่าวจะสะท้อนศักยภาพของ AI ในฐานะผู้ช่วยวิจัย แต่ความประทับใจส่วนตัวไม่สามารถใช้แทนการพิสูจน์ทางวิชาการได้

ประเด็นสำคัญคือ สมมติฐานรีมันน์ไม่ได้ต้องการเพียงตัวอย่างจำนวนมากที่สอดคล้องกับแนวคิด แต่ต้องการคำพิสูจน์ที่ครอบคลุมทุกกรณีอย่างไม่มีข้อยกเว้น นักคณิตศาสตร์จำเป็นต้องตรวจสอบว่าแต่ละขั้นตอนมีเหตุผลที่ถูกต้องหรือไม่ มีการตั้งสมมติฐานแฝงหรือไม่ และระบบ AI อาจมองข้ามเงื่อนไขสำคัญใดไปหรือเปล่า แม้ซอฟต์แวร์อย่าง Lean จะช่วยยืนยันรูปแบบทางตรรกะได้ แต่การแปลงแนวคิดซับซ้อนให้เข้าสู่ระบบก็ยังอาจมีจุดผิดพลาดได้เช่นกัน

เหตุใดสมมติฐานรีมันน์จึงสำคัญต่อคณิตศาสตร์

สมมติฐานรีมันน์เกี่ยวข้องกับฟังก์ชันซีตาของรีมันน์ ซึ่งเป็นเครื่องมือสำคัญในการศึกษาจำนวนเฉพาะ นักคณิตศาสตร์เชื่อว่าจุดศูนย์ที่ไม่สำคัญของฟังก์ชันดังกล่าวทั้งหมดควรอยู่บนเส้นวิกฤตที่มีส่วนจริงเท่ากับหนึ่งส่วนสอง หากพิสูจน์ได้ว่าความเชื่อนี้เป็นจริง จะช่วยยืนยันความเข้าใจเกี่ยวกับรูปแบบการกระจายของจำนวนเฉพาะได้ลึกซึ้งยิ่งขึ้น

ปัญหานี้เป็นหนึ่งใน Millennium Prize Problems ทั้งเจ็ดของ Clay Mathematics Institute โดยแต่ละปัญหามีเงินรางวัลหนึ่งล้านดอลลาร์สำหรับคำตอบที่ผ่านเกณฑ์การตรวจสอบอย่างเป็นทางการ ที่ผ่านมา นักคณิตศาสตร์ทั่วโลกพยายามแก้ปัญหานี้มานานกว่าหนึ่งศตวรรษ แต่ยังไม่มีคำพิสูจน์ที่ได้รับการยอมรับในวงกว้าง

AI กับการแข่งขันสร้างผลงานคณิตศาสตร์ระดับโลก

ข่าวของ Alpöge เกิดขึ้นไม่นานหลัง OpenAI ประกาศว่า AI สามารถช่วยแก้ปัญหา Navier-Stokes ซึ่งเป็นอีกหนึ่งปัญหา Millennium Prize Problems ได้ โดยมีรายงานว่าใช้เอเจนต์ AI ประมาณ 10,000 ตัว ความเคลื่อนไหวดังกล่าวทำให้เกิดทั้งความหวังและความกังวล บางคนมองว่า AI จะช่วยมนุษย์ค้นพบความรู้ใหม่ ขณะที่บางคนกังวลว่าความสามารถของ AI อาจกระทบต่ออาชีพนักคณิตศาสตร์และนักวิจัย

นอกจากนี้ ยังมีข้อถกเถียงเรื่องเครดิตทางวิชาการ หลัง Alpöge และ Tristan Buckmaster ศาสตราจารย์จากมหาวิทยาลัยนิวยอร์กกล่าวหาว่างานของพวกเขาเกี่ยวกับปัญหาที่เกี่ยวข้องอาจถูกนำไปใช้โดยไม่ได้รับการอ้างอิงอย่างเหมาะสม ประเด็นนี้สะท้อนว่า เมื่อ AI เข้ามามีบทบาทในงานวิจัยมากขึ้น วงการวิทยาศาสตร์จะต้องพัฒนาหลักเกณฑ์ใหม่เกี่ยวกับผู้สร้างผลงาน การให้เครดิต และความโปร่งใสของกระบวนการค้นคว้า

จังหวะเวลาของคำประกาศยังได้รับความสนใจ เพราะ Anthropic เพิ่งเดินหน้าเสนอขายหุ้นต่อสาธารณะครั้งใหญ่ นักวิจัยยอมรับว่าช่วงเวลานี้อาจดูไม่เหมาะสมและเปิดช่องให้เกิดข้อสงสัยว่าข่าวดังกล่าวมีเป้าหมายช่วยสร้างความสนใจจากนักลงทุนหรือไม่ เขายืนยันว่าคำกล่าวอ้างไม่ได้เกี่ยวข้องกับการชักจูงตลาด แต่ผู้ติดตามข่าวควรรอผลการตรวจสอบจากบุคคลที่สามก่อนตัดสิน

สิ่งที่ควรรู้ก่อนเชื่อว่า AI แก้ปัญหาได้แล้ว

  • คำกล่าวอ้างยังไม่ได้รับการรับรองจาก Clay Mathematics Institute
  • ต้นฉบับที่เขียนด้วย Lean ต้องผ่านการตรวจสอบจากผู้เชี่ยวชาญหลายกลุ่ม
  • การทำให้คอมพิวเตอร์ตรวจสอบโค้ดได้ ไม่ได้หมายความว่าทุกแนวคิดเบื้องหลังถูกต้องโดยอัตโนมัติ
  • ควรแยกความแตกต่างระหว่างการช่วยค้นหาแนวทางกับการสร้างคำพิสูจน์ที่สมบูรณ์

หากคำพิสูจน์นี้ผ่านการตรวจสอบจริง จะถือเป็นเหตุการณ์สำคัญทั้งสำหรับคณิตศาสตร์และอุตสาหกรรม AI เพราะเป็นหลักฐานว่าโมเดลภาษาสามารถมีส่วนขยายขอบเขตความรู้ของมนุษย์ได้ แต่หากพบข้อผิดพลาด ก็ยังถือเป็นบทเรียนสำคัญเกี่ยวกับข้อจำกัดของ AI ในงานที่ต้องการความแม่นยำสูง ความเห็นส่วนตัวคือ เราควรเปิดใจต่อความเป็นไปได้ใหม่ ๆ พร้อมรักษามาตรฐานการตรวจสอบอย่างเข้มงวด อย่าเพิ่งสรุปว่า AI ไขปริศนาคณิตศาสตร์ครั้งใหญ่แล้ว จนกว่านักคณิตศาสตร์อิสระจะยืนยันผลอย่างเป็นทางการ

ที่มา – Anthropic Researcher Claims AI Has Solved Math’s Greatest Mystery

ใส่ความเห็น

อีเมลของคุณจะไม่แสดงให้คนอื่นเห็น ช่องข้อมูลจำเป็นถูกทำเครื่องหมาย *