โมเดล OpenAI อาจไขโจทย์คณิตศาสตร์ระดับยากที่ นักวิจัยพยายามแก้มาหลายสิบปี ได้สำเร็จ
เอกสารความยาว 3 หน้า ซึ่งถูกเผยแพร่ บนระบบส่งเนื้อหาทางการของ OpenAI อ้างว่าพิสูจน์ “ข้อสันนิษฐาน Cycle Double Cover” ซึ่งเป็นปัญหาเก่าแก่ในทฤษฎีกราฟได้แล้ว โดยระบุว่าบทพิสูจน์ทั้งฉบับสร้างขึ้นโดยโมเดล GPT-5.6 Sol Ultra เพียงอย่างเดียว และใช้ Codex กับ GPT-5.6 Sol ช่วยจัดรูปแบบให้กลายเป็นงานเขียนทางวิชาการ
หากเป็นจริง นี่ถือเป็นข้ออ้างที่ “ใหญ่” มาก เพราะหากนักคณิตศาสตร์อิสระตรวจสอบแล้วพบว่าบทพิสูจน์ถูกต้อง ย่อมเป็นหลักฐานเชิงประจักษ์ว่า AI ขั้นสูงทำได้มากกว่าการสรุปงานวิจัยเดิมหรือช่วยคำนวณ แต่สามารถ “สร้างคณิตศาสตร์ต้นฉบับ” ที่แข็งแรงพอจะแก้ปัญหาที่มนุษย์ติดมานานหลายสิบปีได้
อย่างไรก็ดี ณ ตอนนี้ ผลลัพธ์ดังกล่าวยังเป็นเพียง “บทพิสูจน์ที่ถูกอ้างถึง” ไม่ใช่ “ความสำเร็จที่ได้รับการยอมรับ” อย่างเป็นทางการ
AI แก้อะไรได้ (ตามที่อ้าง)?
ทฤษฎีกราฟเป็นแขนงหนึ่งของคณิตศาสตร์ที่ศึกษา “โครงข่าย” หรือ “เครือข่าย” ทุกรูปแบบ
กราฟสามารถจินตนาการได้ว่าเป็นจุดจำนวนหนึ่งเชื่อมต่อกันด้วยเส้น จุดอาจแทนคน คอมพิวเตอร์ เมือง หรือวัตถุใดๆ ส่วนเส้นคือความสัมพันธ์หรือการเชื่อมต่อระหว่างกัน
ข้อสันนิษฐาน Cycle Double Cover ถามว่า “สำหรับทุกเครือข่ายที่เชื่อมถึงกันและไม่มีจุดหรือเส้นเดียวที่ทำให้ระบบพังทั้งชุดได้ทันที เราจะสามารถหาชุดของวงจร (loops) มาคลุมกราฟดังกล่าวได้หรือไม่ โดยที่ทุกเส้นเชื่อมถูกใช้ ‘พอดีสองครั้ง’ ในชุดวงจรนั้น”
แม้จะฟังดูนามธรรม แต่ปัญหานี้เปิดค้างมาหลายสิบปี และเชื่อมโยงกับนักคณิตศาสตร์ระดับชั้นนำอย่าง William Tutte, George Szekeres และ Paul Seymour
ที่ผ่านมา นักวิจัยสามารถพิสูจน์ข้อสันนิษฐานนี้ให้ใช้ได้กับกราฟบางชนิดแล้ว แต่ยังไม่สามารถครอบคลุม “ทุกกราฟที่เกี่ยวข้อง” ได้ครบถ้วน
งานฉบับใหม่ที่ OpenAI เผยแพร่ อ้างว่าปิดช่องว่างส่วนนี้ลงได้
แก่นแนวคิดของบทพิสูจน์
ตัวบทพิสูจน์มีรายละเอียดเชิงเทคนิคสูง แต่หากมองในระดับกลยุทธ์จะพออธิบายได้ง่ายขึ้น
ขั้นแรก บทความลดปัญหาทั่วไปให้เหลือกรณีที่ง่ายขึ้น โดยโฟกัสไปที่กราฟประเภทที่ทุกจุดมีเส้นเชื่อมติดอยู่ “สามเส้นพอดี”
จากนั้น โมเดลใช้เครื่องมือทางคณิตศาสตร์ที่มีอยู่เดิม เรียกว่า “flow” เพื่อกำหนดฉลาก (label) ให้กับแต่ละเส้นเชื่อมในเครือข่าย แล้วค่อยจัดเรียงฉลากเหล่านั้นใหม่ให้เส้นเชื่อมประกอบร่างกลายเป็นวงจรจำนวนมาก
เงื่อนไขสำคัญคือ “ทุกเส้นเชื่อมต้องปรากฏอยู่ในวงจรสองวงพอดีไม่ขาดไม่เกิน”
ส่วนที่เหลือของปัญหาคือความ “ไม่ลงรอย” ระหว่างบางส่วนของเครือข่าย ซึ่งบทความระบุว่าสามารถแก้ได้ด้วยพีชคณิตเชิงเส้น (linear algebra) เมื่อจัดการปัญหาความสอดคล้องนี้ได้แล้ว การสร้างชุดวงจรที่คลุมทั้งกราฟก็จะตามมาโดยอัตโนมัติ
พูดให้สั้นลง AI ดูเหมือนจะนำเครื่องมือคณิตศาสตร์ที่มีอยู่แล้วหลายชิ้น มาเชื่อมโยงเข้าด้วยกันในวิธีใหม่ เพื่อสร้างวงจรที่ต้องการครอบคลุมกราฟทุกกรณีที่ข้อสันนิษฐานกำหนด
ทำไมเรื่องนี้สำคัญต่อโลก AI
ปัจจุบัน ระบบ AI ถูกใช้อย่างแพร่หลายในการเขียนโค้ด วิเคราะห์ตลาด สรุปงานวิจัย และช่วยงานวิทยาศาสตร์แขนงต่างๆ
แต่การ “พิสูจน์ข้อสันนิษฐานคณิตศาสตร์ระดับใหญ่” เป็นโจทย์คนละระดับ
บทพิสูจน์ที่ถูกต้องต้องใช้ได้ “ทุกกรณี” ที่ทฤษฎีกำหนด ไม่ใช่เพียงดูน่าเชื่อหรือให้ผลถูกในตัวอย่างไม่กี่แบบ
อ่านเพิ่มเติม: คาดกำไร Anthropic ไตรมาส 3 ทะลุ 1 พันล้านดอลลาร์ รับจ่อยื่นไฟลิง IPO
นั่นทำให้คณิตศาสตร์เป็นหนึ่งในสนามทดสอบที่ชัดที่สุดว่า AI “ให้เหตุผลได้จริง” หรือเพียงแค่สร้างข้อความที่ฟังดูสมเหตุสมผล
หากบทพิสูจน์นี้ถูกต้อง จะบ่งชี้ว่าโมเดลระดับแนวหน้ากำลังเริ่ม “ผสานความรู้เดิม” ให้กลายเป็นข้อโต้แย้งต้นฉบับชุดใหม่ได้จริง
ผลกระทบย่อมกว้างไกลกว่าทฤษฎีกราฟ เพราะระบบลักษณะเดียวกันอาจช่วยนักวิจัยบุกเบิกคำถามยากในฟิสิกส์ วิทยาการเข้ารหัส คอมพิวเตอร์ไซเอนซ์ ไปจนถึงเศรษฐศาสตร์ได้ในอนาคต
บททดสอบจริงเริ่มต้นตอนนี้
ข้อเท็จจริงที่ว่าเอกสารถูกโฮสต์บนโดเมนภายใต้การควบคุมของ OpenAI ช่วยเพิ่ม “น้ำหนักแหล่งที่มา” มากกว่าการอัปโหลดนิรนามบนอินเทอร์เน็ต แต่ไม่ได้แปลว่าบทพิสูจน์จะถูกต้องโดยอัตโนมัติ
ต้นฉบับไม่ได้ระบุชื่อผู้เขียนที่เป็นมนุษย์ ไม่มีประวัติการ peer review และไม่มีความเห็นจากผู้เชี่ยวชาญทฤษฎีกราฟอิสระแนบมาด้วย
จุดนี้สำคัญ เพราะปัญหาคณิตศาสตร์ชื่อดังมักมี “คำอ้างว่าแก้ได้” โผล่มาเรื่อยๆ และหลายชิ้นในภายหลังก็ถูกพบว่ามีช่องโหว่ซ่อนอยู่
บทพิสูจน์อาจดูเรียบร้อยในตอนแรก แต่ผิดได้หากมีขั้นหนึ่งขั้นใดไปสมมติสิ่งที่ไม่เป็นจริงเสมอ มองข้ามกรณีพิเศษบางแบบ หรือใช้ทฤษฎีที่มีอยู่เดิมเกินขอบเขตที่ควรใช้
ขั้นต่อไปจึงต้องเป็น “การตรวจสอบอิสระ”
นักคณิตศาสตร์จะต้องไล่ตรวจทุกขั้นตอนการลดรูป และยืนยันว่ากลไกพีชคณิตเชิงเส้นที่ใช้นั้นทำงานได้จริงกับกราฟไร้สะพานทุกแบบที่ข้อสันนิษฐานเกี่ยวข้อง
นักวิจัยอาจพยายามแปลงบทพิสูจน์ให้เข้าไปอยู่ในระบบช่วยพิสูจน์แบบฟอร์มัล (formal proof assistant) ซึ่งซอฟต์แวร์จะตรวจสอบทีละก้าวของตรรกะอย่างเป็นระบบ
“อาจเป็นก้าวกระโดด” แต่ยังไม่ใช่ข้อเท็จจริงปิดประเด็น
ณ วันนี้ การอธิบายที่ปลอดภัยที่สุดคือ โมเดลของ OpenAI ได้สร้างบทพิสูจน์ที่ “อาจมีความสำคัญมาก” แต่ “ยังต้องผ่านการยืนยันจากภายนอก”
หากผู้เชี่ยวชาญพบข้อผิดพลาด งานชิ้นนี้ก็ยังอาจมีคุณค่าในฐานะ “แนวทาง” หรือ “การลดรูปปัญหา” แบบใหม่ให้คนอื่นต่อยอด
แต่หากบทพิสูจน์ผ่านการกลั่นกรองอย่างเข้มข้น ผลกระทบจะใหญ่กว่านั้นมาก
เพราะนั่นจะหมายถึง AI มิได้เป็นเพียงผู้ช่วยของนักคณิตศาสตร์ แต่ถูกยกเครดิตว่า “ไขปัญหาที่เปิดค้างมาหลายชั่วอายุคนได้ด้วยตนเอง”
ดังนั้น เรื่องราว ณ จุดนี้ยังไม่ใช่ว่า AI “พิสูจน์ Cycle Double Cover ได้อย่างสิ้นข้อกังขา” แล้ว
แต่คือ AI “อาจ” ทำได้ และตอนนี้เป็นหน้าที่ของชุมชนคณิตศาสตร์ที่จะตัดสินว่า โมเดลตัวนี้สร้างคณิตศาสตร์ที่ถูกต้องจริง หรือเพียงสร้าง “ความผิดพลาดที่ดูแนบเนียนที่สุดครั้งหนึ่ง” ในประวัติศาสตร์
อ่านต่อ: จีนหารือ Alibaba และ ByteDance เรื่องจำกัดการส่งออกโมเดล AI