คำตอบเผยแพร่แล้ว14 แหล่งที่มา
OpenAI เปิด 722 ต้นฉบับคณิตศาสตร์: Lean ตรวจอะไรได้ และยังตอบอะไรไม่ได้
เมื่อ 6 ตุลาคม OpenAI เผยแพร่ต้นฉบับคณิตศาสตร์ 722 ชิ้น แบ่งเป็น 372 กลุ่มผลลัพธ์ โดยอ้างว่ามีทั้งคำตอบและความคืบหน้าในปัญหาเปิดหลายข้อ Lean ตรวจตรรกะของข้อพิสูจน์ที่เขียนให้อยู่ในรูปแบบทางการได้ แต่ไม่ได้ยืนยันด้วยตัวเองว่าผลลัพธ์ใหม่หรือโจทย์ที่เข้ารหัสตรงกับปัญหาที่นักคณิตศาสตร์ต้องการแก้ ข้ออ้างก่อนหน้านี้เรื่อง...
เผยแพร่โดยแก้ไขด้วย GPT-6 Lunaรูปภาพสร้างด้วย GPT Image 2
คำตอบการวิจัย
ประเด็นสำคัญ
- เมื่อ 6 ตุลาคม OpenAI เผยแพร่ต้นฉบับคณิตศาสตร์ 722 ชิ้น แบ่งเป็น 372 กลุ่มผลลัพธ์ โดยอ้างว่ามีทั้งคำตอบและความคืบหน้าในปัญหาเปิดหลายข้อ
- Lean ตรวจตรรกะของข้อพิสูจน์ที่เขียนให้อยู่ในรูปแบบทางการได้ แต่ไม่ได้ยืนยันด้วยตัวเองว่าผลลัพธ์ใหม่หรือโจทย์ที่เข้ารหัสตรงกับปัญหาที่นักคณิตศาสตร์ต้องการแก้
- ข้ออ้างก่อนหน้านี้เรื่องปัญหา Navier–Stokes ทำให้ประเด็นที่มา กระบวนการ และความโปร่งใสยิ่งสำคัญ แม้ OpenAI ระบุว่าได้รับคำแนะนำจากกลุ่มที่ปรึกษาอิสระ แต่ผลงานแต่ละชิ้นยังต้องผ่านการพิจารณาอย่างเป็นอิสระ
AI พรอมต์
openai.comCreate a landscape editorial hero image for this Studio Global article: What did OpenAI release on Oct. 6 from its unreleased frontier model—including the number and range of mathematical manuscripts, their claim. Article summary: On October 6, OpenAI published **722 mathematical manuscripts in 372 related result families** from an unreleased internal frontier model. It presents them as results across many areas of mathematics, including work on l. Topic tags: general, general web, academic, news, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks
เมื่อวันที่ 6 ตุลาคม 2026 OpenAI เผยแพร่ ต้นฉบับคณิตศาสตร์ 722 ชิ้น ซึ่งจัดเป็น 372 กลุ่มผลลัพธ์ที่เกี่ยวข้องกัน บริษัทระบุว่าผลงานมาจากโมเดลภายในที่ยังไม่เปิดตัวต่อสาธารณะ ขณะที่รายงานข่าวอธิบายว่าคอลเลกชันนี้ครอบคลุมปัญหาที่ยังไม่มีคำตอบหลายร้อยข้อ โดยมีทั้งคำตอบและความคืบหน้าในหลายสาขาคณิตศาสตร์ ต้นฉบับจำนวนมากมีการเขียนข้อพิสูจน์ให้อยู่ในรูปแบบที่ตรวจด้วย Lean ได้ แต่ไม่ใช่ทุกชิ้น 4
17
การเปิดเผยครั้งนี้ทำให้นักคณิตศาสตร์เข้าถึงผลงานเพื่อตรวจสอบได้ แต่ตัวเลขจำนวนต้นฉบับยังไม่ใช่หลักฐานว่าแต่ละผลลัพธ์ใหม่ สำคัญ หรือวางกรอบโจทย์ได้ถูกต้องทั้งหมด ข้ออ้างก่อนหน้านี้เรื่อง Navier–Stokes คำถามเกี่ยวกับที่มาและวิธีได้มาซึ่งผลลัพธ์ ตลอดจนขอบเขตของการพิสูจน์แบบ formal ล้วนทำให้การประเมินอย่างเป็นอิสระมีความสำคัญ
OpenAI เผยแพร่อะไร และอ้างอะไรบ้าง
ตัวเลขสองชุดนี้นับคนละอย่าง: ต้นฉบับ 722 ชิ้น ถูกรวมเป็น 372 กลุ่มผลลัพธ์ที่เกี่ยวข้องกัน จึงไม่ควรตีความว่าเป็นจำนวนบทความหรือจำนวนปัญหาเปิดที่แตกต่างกันแบบหนึ่งต่อหนึ่ง รายงานข่าวระบุว่าคอลเลกชันมีทั้งคำตอบและความคืบหน้าสำคัญต่อปัญหาเปิดหลายร้อยข้อ ก่อนหน้านี้ OpenAI เคยระบุว่าโมเดลภายในแก้ปัญหาคณิตศาสตร์ที่ค้างมานานได้มากกว่า 100 ข้อ ทั้งหมดนี้ยังเป็นคำกล่าวเกี่ยวกับผลงานของโมเดล ไม่ใช่จำนวนผลงานที่ได้รับการยืนยันอย่างเป็นอิสระแล้ว 5
OpenAI ยังเผยแพร่เอกสารประกอบด้วย รายงานเกี่ยวกับคลังผลงานระบุว่ามีไฟล์หลักฐาน ไลบรารี Lean รายการข้อพิสูจน์ที่ทำเป็น formalization แล้ว และสรุปเหตุผลแบบย่อของผลลัพธ์ 10 รายการ ทำให้ตรวจสอบผลงานบางส่วนได้มากขึ้น แต่เอกสารสรุปที่มีไม่ได้บันทึกกระบวนการแก้ปัญหาทั้งหมดของต้นฉบับทุกชิ้น 17
Lean ตรวจได้แค่ไหน
ต้นฉบับทั้ง 722 ชิ้นไม่ได้มี formalization ใน Lean รายงานประเมินว่าสัดส่วนผลลัพธ์ที่ตรวจด้วย Lean อย่างเป็นทางการอยู่ที่ประมาณครึ่งหนึ่ง ขณะที่รายงานอื่น ๆ ระบุว่ามี formalization สำหรับผลงานจำนวนมาก แต่ไม่ใช่ทั้งหมด 17
Lean เป็นเครื่องมือช่วยพิสูจน์ทางคณิตศาสตร์ เมื่อแปลงทั้งข้อความของโจทย์และข้อพิสูจน์ให้อยู่ในรูปแบบที่ระบบเข้าใจ Lean จะตรวจได้ว่าข้อพิสูจน์นั้นสอดคล้องกับสมมติฐานที่ระบุไว้หรือไม่ นี่เป็นการตรวจสอบตรรกะของข้อพิสูจน์ที่เข้ารหัสไว้ ซึ่งมีประโยชน์มาก แต่เพียงลำพังยังตัดสินไม่ได้ว่าข้อความโจทย์ตรงกับปัญหาที่นักคณิตศาสตร์ตั้งใจแก้หรือไม่ ผลลัพธ์เป็นของใหม่หรือเปล่า หรือมีความสำคัญเพียงใด
จึงควรแยก ข้อพิสูจน์ formal ที่ผ่านการตรวจด้วยคอมพิวเตอร์ ออกจาก การประเมินผลงานทางวิชาการในภาพรวม อย่างแรกช่วยเพิ่มความมั่นใจในข้อพิสูจน์ที่เขียนเป็น formalization แล้ว ส่วนอย่างหลังยังต้องอาศัยนักคณิตศาสตร์ตรวจนิยาม บริบท งานเดิม และความสำคัญของผลลัพธ์
ทำไมข้ออ้างเรื่อง Navier–Stokes จึงเกี่ยวข้อง
เมื่อเดือนกันยายน OpenAI ระบุว่าระบบภายในสร้างคำตอบให้ปัญหาการมีอยู่และความเรียบเนียนของสมการ Navier–Stokes พร้อมเผยแพร่เอกสารข้อพิสูจน์และ formalization ใน Lean 2 ต่อมามีการตั้งคำถามว่าผลลัพธ์นั้นตรงกับปัญหาตามความเข้าใจของนักคณิตศาสตร์หรือไม่ รวมถึงข้อกังวลเรื่องบทบาทและเครดิตของนักวิจัยมนุษย์
รายงานบางแห่งระบุว่าความพยายามก่อนหน้านั้นใช้กลุ่มเอเจนต์ AI ขนาดใหญ่และมีค่าใช้จ่ายด้านการประมวลผลหลายล้านดอลลาร์ แต่ข้อมูลดังกล่าวกล่าวถึงงาน Navier–Stokes ไม่ใช่ค่าใช้จ่ายในการสร้างต้นฉบับชุดที่เผยแพร่ในเดือนตุลาคม แหล่งข้อมูลที่อ้างถึงในที่นี้ไม่ได้ยืนยันว่าชุดผลงานใหม่นี้ใช้ทรัพยากรประมวลผลเท่าใด หรือมีต้นทุนรวมเท่าไร
ประวัติที่ผ่านมาเพิ่มคำถามเชิงปฏิบัติสำหรับผลงานชุดใหม่ เช่น ผลลัพธ์แต่ละชิ้นอาศัยงานก่อนหน้าของใครบ้าง โมเดลเลือกโจทย์และดำเนินการอย่างไร และมีมนุษย์ร่วมสร้างผลงานในส่วนใดบ้าง ต้นฉบับและไฟล์ประกอบเป็นจุดเริ่มต้นให้ตรวจสอบได้ แต่ข้อมูลที่มีอยู่ยังไม่ได้ตอบคำถามเหล่านี้อย่างเป็นระบบสำหรับทุกผลงาน
ความโปร่งใส เสียงตอบรับ และสิ่งที่อาจเกิดขึ้นต่อไป
OpenAI ระบุว่าได้ปรึกษากลุ่มที่ปรึกษาอิสระด้านคณิตศาสตร์และปัญญาประดิษฐ์ ซึ่งมีสถาบัน Institute for Advanced Study เป็นเจ้าภาพ และนำคำแนะนำกับข้อเสนอแนะสาธารณะของกลุ่มมาใช้ประกอบการเผยแพร่ ข้อเสนอเหล่านั้นกล่าวถึงแนวทางทบทวนและสื่อสารผลลัพธ์คณิตศาสตร์ที่เกิดขึ้นใหม่ 4
เสียงตอบรับจากนักคณิตศาสตร์ที่มีรายงานออกมายังแตกต่างกัน บางคนมองว่าปริมาณผลงานและการมีข้อพิสูจน์ที่ตรวจด้วยคอมพิวเตอร์ได้อาจมีความสำคัญ ขณะที่อีกฝ่ายเน้นว่าต้องตรวจสอบความใหม่ การให้เครดิต และความสำคัญของผลงาน อีกทั้งการประเมินต้นฉบับจำนวนมากพร้อมกันก็เป็นเรื่องยาก
OpenAI ระบุว่าจะสนับสนุนเวิร์กช็อป การประชุม และโครงการอื่น ๆ ที่เกี่ยวข้องกับผลงานชุดนี้ ส่วนการเปิดตัวโมเดลภายในต่อสาธารณะมีรายงานว่าเป็นแผนที่บริษัทตั้งใจไว้ แต่แหล่งข้อมูลที่มีอยู่ยังไม่ยืนยันกำหนดเวลาที่แน่นอน
ในตอนนี้ ข้อสรุปที่รอบคอบที่สุดคือ นี่เป็นการเผยแพร่ผลงานวิจัยขนาดใหญ่ที่ควรได้รับการตรวจอย่างละเอียด ทีละผลลัพธ์ จำนวนต้นฉบับไม่เท่ากับจำนวนการค้นพบที่ผ่านการยืนยันโดยอิสระแล้ว และแม้ Lean จะช่วยตรวจข้อพิสูจน์ได้ ก็ยังไม่ตอบคำถามเรื่องความใหม่ บริบท หรือความสำคัญของผลงาน
Studio Global AI
ทำการวิจัยต่อ
หน้านี้รวมคำตอบที่ได้รับการสนับสนุนจากแหล่งที่มาซึ่งคุณสามารถดำเนินการต่อภายใน Studio Global
คนยังถาม
คำตอบสั้น ๆ สำหรับ "OpenAI เปิด 722 ต้นฉบับคณิตศาสตร์: Lean ตรวจอะไรได้ และยังตอบอะไรไม่ได้" คืออะไร
เมื่อ 6 ตุลาคม OpenAI เผยแพร่ต้นฉบับคณิตศาสตร์ 722 ชิ้น แบ่งเป็น 372 กลุ่มผลลัพธ์ โดยอ้างว่ามีทั้งคำตอบและความคืบหน้าในปัญหาเปิดหลายข้อ
ประเด็นสำคัญที่ต้องตรวจสอบก่อนคืออะไร?
เมื่อ 6 ตุลาคม OpenAI เผยแพร่ต้นฉบับคณิตศาสตร์ 722 ชิ้น แบ่งเป็น 372 กลุ่มผลลัพธ์ โดยอ้างว่ามีทั้งคำตอบและความคืบหน้าในปัญหาเปิดหลายข้อ Lean ตรวจตรรกะของข้อพิสูจน์ที่เขียนให้อยู่ในรูปแบบทางการได้ แต่ไม่ได้ยืนยันด้วยตัวเองว่าผลลัพธ์ใหม่หรือโจทย์ที่เข้ารหัสตรงกับปัญหาที่นักคณิตศาสตร์ต้องการแก้
ฉันควรทำอย่างไรต่อไปในทางปฏิบัติ?
ข้ออ้างก่อนหน้านี้เรื่องปัญหา Navier–Stokes ทำให้ประเด็นที่มา กระบวนการ และความโปร่งใสยิ่งสำคัญ แม้ OpenAI ระบุว่าได้รับคำแนะนำจากกลุ่มที่ปรึกษาอิสระ แต่ผลงานแต่ละชิ้นยังต้องผ่านการพิจารณาอย่างเป็นอิสระ
แหล่งที่มา
openai.comSharing AI progress in mathematics
letsdatascience.comletsdatascience.com · news · openai-publishes-722-aiOpenAI Publishes 722 AI Mathematics Manuscripts