AI ไขปริศนาคณิตศาสตร์บริสุทธิ์: สองความก้าวหน้าในปี 2026 ที่พิสูจน์ว่าเครื่องจักรค้นพบ คณิตศาสตร์ใหม่ได้แล้ว

ในปี 2026 ปัญญาประดิษฐ์ (AI) ได้ก้าวข้ามขีดจำกัดครั้งสำคัญในสาขาคณิตศาสตร์บริสุทธิ์ (Pure Mathematics) เป็นครั้งแรกที่ระบบ AI สามารถสร้างผลงานระดับ 'พลิกวงการ' ด้วยตัวเอง เพื่อแก้ปัญหาที่ยังไม่มีใครไขได้ซึ่งท้าทายเหล่านักคณิตศาสตร์ระดับโลกมานานหลายทศวรรษ ผลงานสำคัญสองชิ้นคือ การล้มทฤษฎีการคาดเดาระยะหน่วย Erdős (Erdős unit-distance conjecture) โดย OpenAI ในเดือนพฤษภาคม และการพบตัวอย่างค้านข้อสันนิษฐานของ Jacobian (Jacobian conjecture) โดย Anthropic ในเดือนกรกฎาคม นี่ไม่ใช่แค่ความก้าวหน้าแบบค่อยเป็นค่อยไป แต่เป็นการเปลี่ยนแปลงกระบวนทัศน์ (Paradigm Shift) ที่ส่งสัญญาณถึงยุคใหม่แห่งการร่วมมือกันระหว่างมนุษย์และ AI ในการวิจัยทางคณิตศาสตร์

สองความก้าวหน้าครั้งประวัติศาสตร์

OpenAI ล้มทฤษฎีการคาดเดาระยะหน่วย Erdős (พฤษภาคม 2026)

เมื่อวันที่ 20 พฤษภาคม 2026 OpenAI ได้ประกาศว่าโมเดล reasoning แบบเอนกประสงค์ภายในบริษัทสามารถสร้างตัวอย่างค้าน (Counterexample) ให้กับ ทฤษฎีการคาดเดาระยะหน่วย Erdős ซึ่งเป็นปัญหาที่ถูกตั้งขึ้นโดย Paul Erdős ในปี 1946 ทฤษฎีนี้เกี่ยวข้องกับจำนวนคู่จุดสูงสุดที่สามารถมีระยะห่างกันหนึ่งหน่วยพอดี จากจำนวน n จุดบนระนาบ เป็นเวลา 80 ปีที่เหล่านักคณิตศาสตร์เชื่อว่ารูปแบบที่ดีที่สุดน่าจะเป็นลักษณะคล้ายตารางสี่เหลี่ยมจัตุรัส

โมเดลของ OpenAI พิสูจน์ว่าความเชื่อนี้ผิด มันสร้างกลุ่มของจุดบนระนาบจำนวนนับไม่ถ้วน ซึ่งมีจำนวนคู่จุดที่มีระยะห่างหนึ่งหน่วยเติบโตเร็วกว่าการจัดเรียงแบบตาราง โดยแสดงให้เห็นว่าสำหรับจำนวน n นับไม่ถ้วน จำนวนคู่หน่วยจะเติบโตเร็วกว่า n^(1+δ) สำหรับค่า δ > 0 ที่แน่นอน บทพิสูจน์นี้ใช้เครื่องมือทางทฤษฎีจำนวนเชิงพีชคณิต (Algebraic Number Theory) ขั้นสูง เช่น Golod-Shafarevich theory และ Infinite class field towers ซึ่งเป็นเครื่องมือที่ไม่เคยถูกนำมาเชื่อมโยงกับปัญหาทางเรขาคณิตนี้มาก่อน

ผลลัพธ์นี้ได้รับการตรวจสอบโดยกลุ่มนักคณิตศาสตร์ภายนอก รวมถึง Thomas Bloom นักวิจัยคนเดียวกับที่เคยเปิดโปงคำกล่าวอ้างเท็จก่อนหน้านี้ของ OpenAI มีการตีพิมพ์บทความเสริมที่สรุปโดยมนุษย์บน arXiv Will Sawin นักคณิตศาสตร์จาก Princeton ปรับปรุงค่าคงที่อย่างรวดเร็ว โดยแสดงให้เห็นว่าเลขชี้กำลังสามารถมีค่าได้อย่างน้อย n^1.014 ส่วน Tim Gowers ผู้ชนะเหรียญ Fields ก็เป็นหนึ่งในนักคณิตศาสตร์ภายนอกเก้าคนที่ตรวจสอบบทพิสูจน์

Claude Fable 5 ของ Anthropic พบตัวอย่างค้านข้อสันนิษฐานของ Jacobian (กรกฎาคม 2026)

เมื่อวันที่ 19 กรกฎาคม 2026 นักคณิตศาสตร์ Levent Alpöge นักวิจัยจาก Anthropic ได้ประกาศทาง X (Twitter) ว่าเขาใช้โมเดล Claude Fable 5 ของ Anthropic เพื่อค้นหาตัวอย่างค้านของ ข้อสันนิษฐานของ Jacobian ซึ่งเป็นปัญหาที่ยังไม่มีใครไขได้ในพีชคณิตเรขาคณิต (Algebraic Geometry) มายาวนานถึง 87 ปี ถูกตั้งขึ้นครั้งแรกโดย Ott-Heinrich Keller ในปี 1939 ข้อสันนิษฐานนี้อยู่ในอันดับที่ 16 ในรายชื่อปัญหาที่ท้าทายที่สุดในศตวรรษที่ 21 ของ Stephen Smale ผู้ชนะเหรียญ Fields ในปี 1998 โดยกล่าวว่า ถ้าแผนที่พหุนามจาก C^n ไปยัง C^n มีค่า Jacobian determinant เป็นค่าคงที่และไม่เป็นศูนย์แล้ว แผนที่นั้นจะต้องสามารถหาผกผันได้ในระดับโลก

ตัวอย่างค้านที่พบคือ แผนที่พหุนามที่มี 216 ตัวอักษร จาก C³ ไปยัง C³ ซึ่งมี Jacobian determinant เท่ากับ -2 ตลอด แต่กลับส่งอินพุตสามค่าที่แตกต่างกันไปยังเอาต์พุตเดียวกัน จึงเป็นการล้มล้างแนวคิดเรื่องการหาผกผันได้ในระดับโลก ภายในไม่กี่ชั่วโมงหลังจาก Alpöge โพสต์ เหล่านักคณิตศาสตร์ทั่วโลกก็ตรวจสอบผลลัพธ์นี้ด้วยตัวเอง และการตรวจสอบอย่างเป็นทางการด้วยระบบพิสูจน์ Lean ก็เสร็จสมบูรณ์ในเวลาไม่ถึง 24 ชั่วโมง

นักคณิตศาสตร์ชื่อดังอย่าง Terence Tao และ Timothy Gowers ต่างชื่นชมผลงานนี้ Tao ถึงกับตีพิมพ์บทวิเคราะห์ทางเรขาคณิตของตัวอย่างค้านนี้ ส่วนข้อสันนิษฐานในสองมิติยังคงเป็นปัญหาที่เปิดอยู่

ผลลัพธ์เหล่านี้หมายถึงอะไรต่ออนาคตของคณิตศาสตร์

AI สามารถสร้างบทพิสูจน์ที่แปลกใหม่ได้อย่างแท้จริง

ความก้าวหน้าทั้งสองเกี่ยวข้องกับการก้าวกระโดดทางความคิดอย่างลึกซึ้ง ไม่ใช่แค่การช่วยคำนวณ การล้มทฤษฎีระยะหน่วยต้องใช้ AI เชื่อมโยงทฤษฎีจำนวนเชิงพีชคณิตเข้ากับเรขาคณิตเชิง组合 ซึ่งไม่มีนักคณิตศาสตร์คนไหนเคยทำได้มาก่อน ส่วนตัวอย่างค้านข้อสันนิษฐานของ Jacobian จำเป็นต้องสร้างแผนที่พหุนามที่ซับซ้อนและมีคุณสมบัติทางพีชคณิตที่จำเพาะ

แบบจำลองความร่วมมือระหว่างมนุษย์กับ AI กำลังพิสูจน์ว่ามีประสิทธิภาพ

ผลลัพธ์เหล่านี้ชี้ให้เห็นถึงอนาคตที่ AI ทำหน้าที่เป็น ผู้ร่วมสร้างสรรค์ (Creative Collaborator) มากกว่าเป็นเครื่องมือทดแทน ในกรณีของ Jacobian นักคณิตศาสตร์ผู้เชี่ยวชาญเป็นผู้ควบคุม AI และตระหนักถึงความสำคัญของผลลัพธ์ ในกรณีของ OpenAI โมเดลทำงานได้ด้วยตนเองมากกว่า แต่ก็ยังต้องมีการตรวจสอบโดยมนุษย์ แบบจำลองความร่วมมือนี้ช่วยให้ AI สามารถสำรวจพื้นที่ค้นหาขนาดมหึมาที่มนุษย์ไม่สามารถทำได้อย่างมีประสิทธิภาพ ในขณะที่มนุษย์เป็นผู้ให้สัญชาตญาณ การตัดสินใจ และการตรวจสอบ

จังหวะการพัฒนากำลังเร่งตัวขึ้นอย่างรวดเร็ว

ต่อมาในเดือนสิงหาคม 2026 OpenAI ประกาศว่าโมเดล reasoning ภายในกลุ่มเดียวกันนี้ได้สร้างความก้าวหน้าใน ปัญหาใหญ่ 10 ข้อ ทางคณิตศาสตร์และวิทยาการคอมพิวเตอร์เชิงทฤษฎี ครอบคลุมสาขาต่างๆ เช่น เรขาคณิตมิติสูง ทฤษฎีการเข้ารหัส ทฤษฎีกรุ๊ป พีชคณิตตัวดำเนินการ ความซับซ้อนเชิงควอนตัม การเข้ารหัสแบบแลตทิซ และคณิตศาสตร์เชิงการจัดแบบสุดขั้ว ผู้สังเกตการณ์หลายรายบรรยายถึง "ยุคทองใหม่" ของคณิตศาสตร์ที่ขับเคลื่อนโดย AI

ข้อควรระวังที่สำคัญยังคงมีอยู่

ตัวอย่างค้านของ Jacobian ใช้ได้กับมิติที่ 3 ขึ้นไปเท่านั้น ส่วนข้อสันนิษฐานดั้งเดิมในมิติที่ 2 ยังคงเป็นปัญหาที่เปิดอยู่ ผลลัพธ์บางส่วนยังไม่ผ่านการตรวจสอบโดยผู้เชี่ยวชาญแบบดั้งเดิม (Peer Review) และข้อกล่าวอ้างบางอย่างยังไม่ได้ถูกตีพิมพ์อย่างเต็มรูปแบบ แต่โดยรวมแล้ว ทิศทางนั้นชัดเจน: AI ได้ก้าวข้ามขีดจำกัดจากการเป็นผู้ช่วยทางคณิตศาสตร์มาเป็นผู้ค้นพบทางคณิตศาสตร์ และบทบาทของ AI ในการวิจัยจะขยายตัวอย่างรวดเร็วอย่างแน่นอน

ภาพรวมที่ใหญ่กว่า

ความก้าวหน้าในปี 2026 นี้เป็นไปตามพัฒนาการที่รวดเร็วของความสามารถทางคณิตศาสตร์ของ AI ในเดือนกรกฎาคม 2025 โมเดล AI สามารถแก้ปัญหา 5 จาก 6 ข้อของการแข่งขันคณิตศาสตร์โอลิมปิกระหว่างประเทศ (IMO) ได้เป็นครั้งแรก ในช่วงต้นปี 2026 โมเดลต่างๆ ก็สามารถทำคะแนนระดับเหรียญทองใน IMO ได้ และตอนนี้ AI กำลังผลิตผลงานในระดับแนวหน้าของการวิจัย การแก้ปัญหาที่กำหนดเส้นทางอาชีพของนักคณิตศาสตร์ทั้งรุ่น

ดังที่ Terence Tao นักคณิตศาสตร์ชื่อดังกล่าวไว้ ผลลัพธ์ของ Jacobian เป็นก้าวสำคัญของความร่วมมือระหว่างมนุษย์และ AI โมเดลไม่ได้ทำงานเพียงลำพัง แต่การร่วมมือกันนี้สร้างผลลัพธ์ที่ทั้งมนุษย์และเครื่องจักรไม่สามารถบรรลุได้ด้วยตัวเอง แบบจำลองที่สัญชาตญาณของมนุษย์นำทางโดยการสำรวจของ AI และตรวจสอบโดยผู้ช่วยพิสูจน์อย่างเป็นทางการ นี่อาจเป็นอนาคตของการค้นพบทางคณิตศาสตร์