OpenAI model แก้โจทย์คณิตเปิดค้าง 80 ปี — ถ้าตรวจสอบได้จริง นี่คือก้าวใหญ่ของ AI research

มีรายงานว่า internal OpenAI model สร้าง proof ใหม่สำหรับ plane หรือ unit distance problem ซึ่งเป็นปัญหาคณิตศาสตร์ที่ Paul Erdős ตั้งไว้ตั้งแต่ปี 1946 โจทย์โดยย่อคือถ้ามีจุดบนระนาบ จะจัดอย่างไรให้มีคู่จุดที่ห่างกันหนึ่งหน่วยมากที่สุด

intuition ที่นักคณิตศาสตร์ใช้กันมานานคือ square grid arrangement น่าจะใกล้ optimal แต่รายงานนี้บอกว่าโมเดลสร้าง construction ใหม่ที่ชนะแนวคิดเดิม โดยใช้ไอเดียจาก algebraic number theory ซึ่งเป็นคนละแขนงกับที่ปัญหานี้มักถูกมอง

แหล่งข้อมูลยังระบุว่า proof ถูกตรวจโดยนักคณิตศาสตร์ภายนอก และมี companion paper อธิบาย argument ถ้าข้อมูลนี้ยืนยันครบ นี่เป็นข่าวสำคัญมากสำหรับบทบาทของ AI ในงานวิจัย

benchmark ส่วนใหญ่บอกว่าโมเดลตอบโจทย์ที่เรารู้คำตอบอยู่แล้วได้ดีแค่ไหน แต่ปัญหาเปิดแบบนี้ต่างออกไป เพราะไม่มี answer key ง่าย ๆ ให้เทียบ ถ้าโมเดลเสนอ proof ใหม่ที่ตรวจแล้วถูก แปลว่ามันช่วยขยายความรู้ ไม่ใช่แค่ทำข้อสอบ

แหล่งข้อมูลบอกด้วยว่าโมเดลนี้เป็น general-purpose LLM ไม่ใช่โมเดลที่ fine-tune เฉพาะปัญหานี้ ถ้าจริง จุดนี้ยิ่งน่าสนใจ เพราะแปลว่า reasoning capability อาจเริ่มใช้กับงานวิจัยที่กว้างขึ้นได้

อย่างไรก็ตาม ต้องระวังการสรุปเกินไป งานคณิตศาสตร์ยังต้องการ verification จากคนและชุมชนวิชาการ proof ที่ AI สร้างต้องถูกอ่าน ตรวจ และย่อยให้คนเข้าใจ ไม่ใช่เชื่อเพราะโมเดลพูดอย่างมั่นใจ

ฟันธง: ข่าวนี้ยังไม่เกี่ยวกับงานออฟฟิศทั่วไปในทันที แต่สำคัญมากในเชิงทิศทาง เพราะมันบอกว่า AI อาจเริ่มช่วยงานวิจัยที่ต้องค้นหาเส้นทางใหม่ ไม่ใช่แค่สรุป paper หรือเขียนโค้ด

สำหรับคนทำงาน ความหมายที่จับต้องได้คือ workflow วิจัยและแก้ปัญหายากอาจเปลี่ยนไป เราอาจใช้ AI ช่วยหา hypothesis, ลองวิธีที่คนไม่คิด, สร้าง proof sketch หรือหาทางเลือก แล้วให้คนตรวจและยืนยัน

จุดสำคัญคือคำว่า "ตรวจสอบได้" ถ้า AI เสนอคำตอบที่ตรวจไม่ได้ มันยังเสี่ยง แต่ถ้าเสนอทางที่คนตรวจต่อได้ นั่นคือ productivity จริงของงานความรู้ขั้นสูง