AI จาก Anthropic ก้าวกระโดดครั้งใหญ่ในปัญหาคณิตศาสตร์อายุ 150 ปี ดันขอบเขตล่างของสมมติฐานรีมันน์จาก 41.6% สู่ 67.2% ในเวลาเพียง 36 ชั่วโมง

จุดเปลี่ยนสำคัญของ AI ในวงการคณิตศาสตร์: เมื่อ Claude กล้าท้าทายสมมติฐานรีมันน์

ในวันที่ 10-11 สิงหาคม 2026 Anthropic ได้สร้างความฮือฮาในวงการวิทยาศาสตร์ด้วยการประกาศว่าโมเดล Claude เวอร์ชันวิจัยที่ยังไม่ได้เผยแพร่ได้สร้างความก้าวหน้าครั้งสำคัญให้กับ 'สมมติฐานรีมันน์' (Riemann Hypothesis) ซึ่งเป็นหนึ่งในปัญหาเปิดที่ท้าทายที่สุดในโลกคณิตศาสตร์มานานกว่า 150 ปี

แม้จะยังไม่สามารถพิสูจน์สมมติฐานได้ทั้งหมด แต่ Claude สามารถเพิ่มขอบเขตล่าง (lower bound) ของสัดส่วนของคำตอบที่ไม่เป็นศูนย์ (nontrivial zeros) ของฟังก์ชันซีตาของรีมันน์ (Riemann zeta function) ที่อยู่บนเส้นวิกฤต (Critical Line) จาก 41.6% สู่ 67.2% ซึ่งเป็นการก้าวกระโดดครั้งใหญ่ที่สุดในประวัติศาสตร์ของการแก้ปัญหานี้เพียงครั้งเดียว สิ่งสำคัญคือผลลัพธ์นี้เป็นทฤษฎีบทที่แท้จริงในสาขาทฤษฎีจำนวนเชิงวิเคราะห์ (analytic number theory) แม้จะยังไม่ใช่การพิสูจน์สมมติฐานทั้งหมด

กระบวนการทำงานแบบปฏิวัติวงการ: 650 แนวทาง ผ่าน 60 ตัวแทนย่อย

จุดเด่นที่สุดของความสำเร็จนี้ไม่ได้อยู่ที่ตัวผลลัพธ์เพียงอย่างเดียว แต่อยู่ที่กระบวนการทำงานของ AI ที่เป็นอิสระอย่างน่าทึ่ง:

• จุดเริ่มต้นที่แสนธรรมดา: พนักงานของ Anthropic ที่ไม่มีพื้นฐานคณิตศาสตร์สูง เพียงแค่ขอให้โมเดล "ลองทำจริงจังสักที" ในการพิสูจน์สมมติฐานนี้
• การทดลองขนาดมหึมา: ภายในเวลาเพียง 1.5 วัน โมเดลได้ทดสอบแนวทางประมาณ 650 แนวทาง โดยประสานงานผ่านตัวแทนย่อย (subagents) ที่ทำงานพร้อมกันถึง 60 ตัว
• ทรัพยากรมหาศาล: การทดสอบครั้งนี้ใช้โทเค็นเอาต์พุตรวม 31 ล้านโทเค็น ใน 2 เซสชัน ดำเนินการคำสั่งเชลล์ถึง 2,400 ครั้ง และทบทวนบทความจาก arXiv ถึง 54 ฉบับ
• การค้นพบที่ไม่คาดฝัน: มีเพียง 2 ใน 60 ตัวแทนย่อยเท่านั้นที่รับผิดชอบในการพัฒนาแนวคิดทางคณิตศาสตร์ที่สำคัญที่สุด แนวทางที่ชนะคือการ สังเคราะห์บทความปี 2000 ของ Enrico Bombieri เข้ากับผลลัพธ์ที่ใหม่กว่า ซึ่งเป็นการผสมผสานที่ไม่มีนักวิจัยมนุษย์คนใดเคยนึกถึงมาก่อน

การตรวจสอบที่รอบคอบ: ทั้งมนุษย์และเครื่องจักร

เพื่อสร้างความน่าเชื่อถือให้กับผลลัพธ์ที่เหนือความคาดหมายนี้ Anthropic ได้ดำเนินการตรวจสอบอย่างเข้มงวด:

• การตรวจสอบโดยมนุษย์: นักคณิตศาสตร์ในองค์กรถึง 2 คน คือ Levent Alpöge และ Ralph Furmaniak ได้ตรวจสอบและยืนยันบทพิสูจน์ดังกล่าว
• การพิสูจน์เชิงรูปนัย: ข้อโต้แย้งทั้งหมดถูกทำให้เป็นรูปนัย (formalized) ในระบบโปรเวอร์ (proof assistant) ที่ชื่อว่า Lean ซึ่งสามารถสร้างใบรับรองที่ตรวจสอบได้โดยเครื่องจักร (machine-checkable certificate) ซึ่งเป็นมาตรฐานที่เข้มงวดที่สุดในปัจจุบัน การตรวจสอบแบบคู่ขนานนี้ถือเป็นหลักฐานที่ดีที่สุดสำหรับผลลัพธ์ทางคณิตศาสตร์ที่ AI เป็นผู้สร้างขึ้น

ปี 2026: จุดเปลี่ยนของคณิตศาสตร์ยุค AI

ความสำเร็จของ Claude ในการปรับปรุงขอบเขตล่างของสมมติฐานรีมันน์ เป็นเพียงหนึ่งในหลายเหตุการณ์สำคัญที่ทำให้ปี 2026 กลายเป็นปีแห่งการปฏิวัติวงการคณิตศาสตร์ด้วย AI:

• พฤษภาคม 2026: OpenAI ประกาศว่าโมเดลการใช้เหตุผลทั่วไปที่ยังไม่ได้เผยแพร่ สามารถพิสูจน์หักล้างข้อความคาดเดา 'Erdős unit-distance conjecture' ซึ่งเป็นปัญหาที่เปิดค้างมานาน 80 ปีได้ด้วยตนเอง
• พฤษภาคม 2026: AlphaProof Nexus ของ Google DeepMind สามารถแก้ปัญหา Erdős ที่เปิดค้างได้ถึง 9 ข้อ (บางข้อนานถึง 56 ปี) และพิสูจน์ข้อความคาดเดาจาก Online Encyclopedia of Integer Sequences ได้อีก 44 ข้อ
• กรกฎาคม 2026: Levent Alpöge นักคณิตศาสตร์ของ Anthropic ใช้โมเดล 'Fable 5' ที่ยังไม่เผยแพร่ เพื่อค้นหาตัวอย่างค้านสำหรับ 'Jacobian conjecture' ซึ่งเป็นปัญหาที่ถูกตั้งขึ้นในปี 1939
• สิงหาคม 2026: โมเดล Astra ของ OpenAI รายงานว่าแก้ปัญหาคณิตศาสตร์ที่เปิดค้างมานานนับสิบปีได้ถึง 10 ข้อ ด้วยต้นทุนค่าใช้จ่ายในการคำนวณเพียงประมาณ 2,000 ดอลลาร์สหรัฐ

นักวิเคราะห์หลายคนมองว่า วงการคณิตศาสตร์ได้ก้าวข้ามธรณีประตูสำคัญในช่วงกลางปี 2026: AI ไม่ได้เป็นเพียงเครื่องมือแก้โจทย์แข่งขันอีกต่อไป แต่กลายเป็นผู้สร้างงานวิจัยระดับเปิดในระดับตีพิมพ์ได้จริง

การถกเถียงครั้งใหญ่: ลิขสิทธิ์ผลงาน มาตรฐาน และปฏิญญาไลเดน

ความก้าวหน้าอย่างรวดเร็วของ AI ในวงการคณิตศาสตร์ได้จุดชนวนให้เกิดการถกเถียงอย่างดุเดือดในหลายประเด็น:

• ปฏิญญาไลเดน (Leiden Declaration): ในเดือนมิถุนายน 2026 นักคณิตศาสตร์ 16 คนได้ร่วมกันเผยแพร่ 'Leiden Declaration on Artificial Intelligence and Mathematics' ซึ่งเสนอมาตรฐานใหม่สำหรับโครงสร้างของบทพิสูจน์ การระบุผู้แต่ง และการควบคุมดูแลผลลัพธ์ที่ AI สร้างขึ้น ปฏิญญานี้ได้รับการหารือโดยสหภาพคณิตศาสตร์นานาชาติ (International Mathematical Union)
• ประเด็นความขัดแย้งหลัก: ใครควรได้รับเครดิตในฐานะผู้แต่ง (authorship) เมื่อ AI เป็นผู้สร้างบทพิสูจน์? วงการจะรักษาความเชื่อมั่น (epistemic trust) ได้อย่างไรหากบทพิสูจน์นั้นยาวหรือซับซ้อนเกินกว่าที่มนุษย์จะตรวจสอบได้อย่างสมบูรณ์โดยไม่มีเครื่องมือทางรูปนัย? และวารสารวิชาการควรมีกระบวนการ 'peer-review' อย่างไรสำหรับผลลัพธ์ที่มนุษย์คนเดียวไม่สามารถสร้างขึ้นมาได้
• มุมมองที่แตกต่าง: นักคณิตศาสตร์บางคนแย้งว่าบทพิสูจน์ที่ AI ช่วยสร้างขึ้นอาจกัดกร่อนความเข้าใจและความลึกซึ้ง (explanatory insight) ไป เพราะบทพิสูจน์อาจถูกต้องแต่ไร้ซึ่งความเข้าใจที่ลึกซึ้ง ในขณะที่อีกฝั่งมองว่าการพิสูจน์เชิงรูปนัยด้วย Lean นั้นให้มาตรฐานที่เข้มงวดกว่าการตรวจสอบโดยเพื่อนร่วมงานแบบดั้งเดิมเสียอีก

ความหมายต่อความสามารถของ AI ในการค้นพบวิทยาศาสตร์ใหม่

ผลลัพธ์ของ Anthropic ต่อสมมติฐานรีมันน์ได้ผลักดันวาทกรรมไปข้างหน้าอย่างเป็นรูปธรรม:

1. ขนาดของการสำรวจอิสระมีความสำคัญ: การทดสอบแนวทาง 650 แนวทางผ่านตัวแทนย่อย 60 ตัว แสดงให้เห็นว่าสถาปัตยกรรมแบบหลายตัวแทน (multi-agent architectures) สามารถทำการค้นหาอย่างเป็นระบบในระดับที่ไม่มีกลุ่มวิจัยมนุษย์คนใดจะเทียบได้ในกรอบเวลาเดียวกัน

2. การสังเคราะห์โดยบังเอิญ (Serendipitous Synthesis) เป็นไปได้: โมเดลที่ไม่มีพื้นฐานทางคณิตศาสตร์สามารถผสมผสานบทความของ Bombieri (2000) กับผลลัพธ์ที่ใหม่กว่าได้ ซึ่งเป็นการผสมผสานที่ไม่มีมนุษย์คนไหนเคยเห็น ความสามารถนี้แสดงให้เห็นว่า AI สามารถสร้าง การเชื่อมโยงแนวคิดที่ไม่ชัดเจน (non-obvious conceptual connections) ข้ามวรรณกรรมที่แตกต่างกันได้

3. การพิสูจน์เชิงรูปนัยแก้ปัญหาความเชื่อมั่น: การทำ Formalization ใน Lean ทำให้ผลลัพธ์ไม่ใช่แค่ข้อกล่าวอ้างใน 'กล่องดำ' อีกต่อไป แต่เป็นทฤษฎีบทที่พิสูจน์ได้อย่างถูกต้อง ซึ่งนักคณิตศาสตร์คนใดก็สามารถตรวจสอบด้วยกลไกได้

4. การถกเถียงเรื่องผู้แต่งและมาตรฐานเป็นประโยชน์ ไม่ใช่เป็นอัมพาต: การเกิดขึ้นพร้อมกันของผลลัพธ์ที่น่าทึ่งจากหลายบริษัทและการตอบสนองของชุมชนวิชาการผ่านปฏิญญาไลเดน บ่งชี้ว่าชุมชนคณิตศาสตร์กำลังปรับตัว ไม่ได้ถอยหนี การสนทนาในปัจจุบันมุ่งเน้นไปที่บรรทัดฐานและเครดิต ไม่ใช่การปฏิเสธผลลัพธ์ของ AI โดยสิ้นเชิง

5. ต้นทุนและความเร็วในการค้นพบกำลังถดถอยลง: ต้นทุนการคำนวณเพียง 2,000 ดอลลาร์ของ OpenAI สำหรับผลลัพธ์ของ Astra และเวลา 36 ชั่วโมงของ Claude สำหรับขอบเขตล่างของสมมติฐานรีมันน์ แสดงให้เห็นว่าต้นทุนส่วนเพิ่ม (marginal cost) ของการค้นพบทางคณิตศาสตร์ที่สามารถตีพิมพ์ได้กำลังเข้าใกล้ศูนย์

โดยสรุป: การปรับปรุงขอบเขตล่างของสมมติฐานรีมันน์ของ Anthropic เป็นการสาธิตครั้งสำคัญที่พิสูจน์ว่าระบบ AI ในปัจจุบันสามารถค้นพบผลลัพธ์ทางคณิตศาสตร์ที่สามารถตีพิมพ์และตรวจสอบได้ด้วยตนเอง ซึ่งผลักดันให้เกิดความก้าวหน้าในปัญหาที่เปิดค้างมานาน 150 ปี เมื่อรวมกับกระแสความก้าวหน้าที่คล้ายคลึงกันในปี 2026 ได้เปลี่ยนโจทย์จากการถกเถียงว่า "AI สามารถมีส่วนร่วมในการค้นพบทางวิทยาศาสตร์ได้หรือไม่" ไปสู่การตั้งคำถามว่า "ชุมชนวิทยาศาสตร์ควรวางโครงสร้างแรงจูงใจ การให้เครดิต และการตรวจสอบสำหรับผู้ร่วมค้นพบที่เป็น AI รุ่นใหม่นี้อย่างไร"