OpenAI Astra โมเดลรุ่นถัดไป แก้โจทย์คณิตที่ค้างมาหลายสิบปี พร้อมพิสูจน์ให้เครื่องตรวจได้

ช่วงต้นเดือนสิงหาคม OpenAI ปล่อยโพสต์ชื่อจืด ๆ ว่า "ความก้าวหน้า 10 เรื่องในคณิตศาสตร์และทฤษฎีวิทยาการคอมพิวเตอร์" ซึ่งคนส่วนใหญ่เลื่อนผ่าน แต่ข้างในซ่อนการเปิดตัวโมเดลรุ่นถัดไปที่เรียกว่า Astra เอาไว้ พร้อมรายงานฉบับเต็ม 249 หน้า และมีอีก 62 หน้าที่เป็นบันทึกวิธีคิดของโมเดลเอง

Astra ไม่ได้ถูกวางให้ตอบคำถามสั้น ๆ เร็ว ๆ แบบโมเดลทั่วไป แต่ถูกออกแบบมาให้รับงานก้อนใหญ่ก้อนเดียวแล้วนั่งบดมันต่อเนื่องเป็นชั่วโมงหรือเป็นวัน มองง่าย ๆ คือมันเป็นสายพันธุ์ใหม่ที่อยู่ข้าง ๆ ตระกูลเดิมอย่าง Luna, Terra และ Soul แต่เล็งไปที่งานคนละแบบ นั่นคือ "งานยาวที่ต้องจดจ่อ" ไม่ใช่ "งานสั้นที่ต้องตอบไว"

จุดที่ทำให้คนพูดถึงคือวิธียืนยันผล OpenAI ไม่ได้บอกแค่ว่า "เชื่อเราเถอะ" แต่เขียนทุกบทพิสูจน์ออกมาเป็นภาษา Lean ซึ่งเป็นภาษาพิสูจน์ที่คอมพิวเตอร์ไล่ตรวจได้ทีละบรรทัด ถ้ามันคอมไพล์ผ่านก็แปลว่าบทพิสูจน์นั้นถูกต้อง ไม่ต้องเข้าใจคณิตศาสตร์ตามก็ตรวจได้ หลักการเดียวกับที่เราเขียนเทสต์โค้ดแทนการเชื่อว่าฟังก์ชันทำงานเอง

เรื่องต้นทุนก็น่าสนใจ OpenAI บอกว่าค่า token ที่ใช้หาคำตอบสำเร็จรวมกันตกราว 2,000 ดอลลาร์ ซึ่งถือว่าต่ำมากเมื่อเทียบกับความยากของโจทย์ แต่ต้องอ่านตัวเลขนี้อย่างระวัง เพราะมันนับเฉพาะรอบที่สำเร็จ ไม่มีใครรู้ว่าก่อนหน้านั้นลองพลาดไปกี่รอบ และเพราะเป็นโมเดลภายใน คนนอกจึงย้อนไปตรวจกระบวนการทั้งหมดไม่ได้

เบื้องหลังของ Astra ตามที่รายงานไว้คือสถาปัตยกรรมแบบ agent หลักที่แตกงานออกเป็น agent ย่อย แจกงานไปทำแล้วรวมผลกลับมาเป็นคำตอบสุดท้าย คล้ายกับที่ Soul Ultra ทำอยู่แล้ว แต่การแตกงานแบบนี้ไม่ได้ฟรี ทุกครั้งที่ส่งงานให้ agent ย่อยต้องจ่ายด้วยต้นทุนการประสานงาน และในงานที่ผูกกันแน่น ๆ การแตกทีมอาจได้ผลแย่ลงด้วยซ้ำ

สิ่งที่ควรจับไม่ใช่ข่าว "AI แทนที่นักคณิตศาสตร์" เพราะนักวิชาการหลายคนก็ออกมาค้านแล้วว่าเกินจริง ของที่น่าจับตาจริง ๆ คือความสามารถในการ "จดจ่อกับงานเดียวได้นานโดยไม่หลุด" ปัญหาของโมเดลในงานยาวมักไม่ใช่ความฉลาด แต่เป็นความต่อเนื่อง คุณคงเคยเจอเองที่เริ่มงานด้วยแผนชัด ๆ แต่พอผ่านไปครึ่งชั่วโมง context เต็ม โมเดลก็ลืมสิ่งที่ตกลงกันไว้ตอนต้นแล้ววนผิดซ้ำ ๆ โจทย์คณิตที่ค้างเป็นสิบปีคือบททดสอบที่ดี เพราะโกงไม่ได้และไม่มีคะแนนบางส่วน ถ้าจับมันจดจ่อได้เป็นชั่วโมงโดยไม่ไถล ก็มีโอกาสที่มันจะจดจ่อกับงาน refactor ก้อนใหญ่ของเราได้เหมือนกัน

ฟันธงสำหรับตอนนี้คือ **รอ** เพราะยังใช้ไม่ได้และผลทั้งหมดยังเป็นการทดลองภายในที่ตรวจซ้ำจากภายนอกไม่ได้ แต่สิ่งที่เอาไปใช้ได้ทันทีคือแนวคิด "อย่าเชื่อ ให้ตรวจ" แบบเดียวกับ Lean ก่อนรับงานจาก AI เข้าระบบจริง ให้วางจุดที่คนต้องตรวจ (Human Gate) และหาวิธีตรวจผลแบบอัตโนมัติที่ผ่านก็คือผ่านจริง โดยเฉพาะงานที่แตะไฟล์บริษัท ลูกค้า หรือเงิน ทิศทางของโมเดลสายงานยาวกำลังมา คุ้มที่จะเตรียมนิสัย "สั่งงานก้อนใหญ่ให้ชัดตั้งแต่ต้น" ไว้ตั้งแต่ตอนนี้