ปัญหาสหัสวรรษกำลังล้มลง ข้อถกเถียงอยู่ที่ว่าอะไรคือสิ่งที่ล้มลง

เมื่อวันที่ 8 กันยายน OpenAI ได้เผยแพร่ข้อพิสูจน์ที่ผ่านการตรวจสอบด้วย Lean เกี่ยวกับการระเบิดในเวลาจำกัดของสมการนาเวียร์–สโตกส์ และเมื่อวันที่ 26 ตุลาคม ได้ประกาศข้อพิสูจน์การมีอยู่สำหรับทฤษฎียาง–มิลส์ Claude ของ Anthropic ได้หักล้างสมมติฐานเวลาเอกซ์โพเนนเชียลในเดือนเดียวกัน ปัจจุบันมีสองในเจ็ดปัญหาสหัสวรรษที่ถูกแตะต้องโดยเครื่องจักรแล้ว — แต่บทความ Yang–Mills ยังไม่ได้รับการเผยแพร่ ช่องว่างมวลยังไม่ถูกแตะต้อง และนักคณิตศาสตร์ยังโต้แย้งว่าผลลัพธ์เกี่ยวกับของไหลตอบคำถามตามที่ตั้งไว้หรือไม่

สองเดือน สี่วันที่ และขอบเขตของสิ่งที่เครื่องจักรสามารถมีส่วนร่วมต่อคณิตศาสตร์ได้ขยับไปไกลกว่าที่เคยเป็นในสามสิบปีก่อนหน้านี้

สิ่งที่ถูกกล่าวอ้างจริง ๆ

ความแม่นยำนั้นสำคัญ เพราะพาดหัวข่าวทำให้เรื่องนี้คลุมเครือ

Navier–Stokes เป็นหนึ่งในเจ็ดปัญหาวัฒนธรรมรางวัลมิลเลนเนียมที่สถาบันคณิตศาสตร์เคลย์ตั้งขึ้นในปี 2000 โดยแต่ละข้อมีเงินรางวัลหนึ่งล้านดอลลาร์ คำถามคือคำตอบของสมการสามมิตินั้นคงความเรียบเสมอ หรือสามารถระเบิดขึ้นในเวลาจำกัดได้ บทความของ OpenAI มีชื่อว่า Finite time blowup for Navier–Stokes: โดยอ้างว่าผลลัพธ์อย่างที่สองเกิดขึ้นสำหรับข้อมูลเริ่มต้นบางชุด

หยาง–มิลส์เป็นอีกหนึ่งในเจ็ดปัญหา ปัญหานั้นมีสองส่วน ส่วนแรกคือการแสดงว่าทฤษฎีนี้มีอยู่จริงในฐานะวัตถุทางคณิตศาสตร์ที่เข้มงวด ส่วนที่สองคือการแสดงว่ามันมี ช่องว่างมวล — กล่าวคือ อนุภาคที่เบาที่สุดซึ่งทฤษฎีทำนายไว้มีมวลมากกว่าศูนย์อย่างเคร่งครัด ซึ่งเป็นเหตุผลว่าทำไมแรงเข้มจึงมีพิสัยสั้น

ข้ออ้างของ OpenAI ในเดือนตุลาคมเป็นครึ่งหนึ่งว่าด้วย การมีอยู่จริง ไม่ใช่ช่องว่างมวล ปัญหาของ Clay ต้องการทั้งสองส่วน ดังนั้นจึงไม่สามารถอ้างสิทธิ์รับรางวัลจากสิ่งที่ประกาศออกมาได้ และแถลงการณ์ของ OpenAI เองก็อธิบายผลลัพธ์ว่าเป็นข้อพิสูจน์การมีอยู่จริง มากกว่าจะเป็นคำตอบของปัญหาแห่งสหัสวรรษ

ข้อโต้แย้งรอบผลลัพธ์ด้านของไหล

ข้อกล่าวอ้างเกี่ยวกับ Navier–Stokes เป็นเรื่องที่มีการโต้แย้งมากกว่าอีกเรื่องหนึ่ง และไม่ใช่เพราะมีใครพบข้อผิดพลาด

นักวิจารณ์ — ซึ่งรวมถึง Scientific American — โต้แย้งว่า OpenAI พิสูจน์การระเบิดของคำตอบสำหรับสมการในรูปแบบหนึ่งที่ไม่ใช่รูปแบบที่โจทย์ปัญหาของ Clay ถามถึง และความแตกต่างนั้นเป็นช่องโหว่มากกว่ารายละเอียด ต่อมานักคณิตศาสตร์สามคนได้ตีพิมพ์บทพิสูจน์ว่าวิธีของ OpenAI ไม่สามารถขยายไปยังปัญหาทั้งหมดได้ ซึ่งปิดช่องโหว่ในอีกทางหนึ่ง กล่าวคือ เทคนิคนั้นใช้ได้ และมันไม่สามารถเข้าถึงคำถามตามที่ตั้งไว้ได้

ยังมีข้อพิพาทเรื่องสิทธิ์การค้นพบก่อนอยู่ในเบื้องหลังด้วย นักคณิตศาสตร์ Levent Alpöge และ Tristan Buckmaster ได้ทำงานอย่างเปิดเผยเกี่ยวกับผลลัพธ์ที่เกี่ยวข้องกับออยเลอร์และนาเวียร์–สโตกส์มาแล้ว OpenAI กล่าวว่าความพยายามของตนได้รับแรงกระตุ้นจากข่าวลือเกี่ยวกับงานนั้น และการพิสูจน์ทั้งสองแตกต่างกันอย่างมีนัยสำคัญ เดอะนิวยอร์กไทมส์รายงานความขัดแย้งนี้ในเดือนกันยายน

ทั้งหมดนั้นไม่ได้ทำให้ผลลัพธ์ไร้ค่า การพิสูจน์การเกิด blowup สำหรับตัวแปรหนึ่งที่นิยามไว้อย่างชัดเจน ซึ่งผลิตโดยเครื่องและตรวจสอบโดยเครื่อง เป็นวัตถุทางคณิตศาสตร์จริง เพียงแต่มันไม่ใช่สิ่งเดียวกับปัญหา Millennium ที่แก้ได้แล้ว และช่องว่างระหว่างสองประโยคนั้นเองคือจุดที่ข้อโต้แย้งส่วนใหญ่ตั้งอยู่

คำตอบของ Anthropic และเหตุใดจึงสำคัญ

เมื่อวันที่ 16 ตุลาคม Anthropic ได้เผยแพร่ผลงานที่หักล้างสมมติฐานเวลาเอกซ์โพเนนเชียล — ข้อสันนิษฐานที่ว่าปัญหาการคำนวณบางประเภทจำเป็นต้องใช้เวลาเอกซ์โพเนนเชียลอย่างแท้จริง — ซึ่งค้นพบโดยโมเดล Claude ภายใน บทความยกเครดิตให้โมเดล และแนบการพิสูจน์ใน Lean 4 ที่ผ่านการตรวจสอบโดยเคอร์เนลอิสระอีกตัวหนึ่ง

รายละเอียดสุดท้ายนั้นคือส่วนที่สำคัญ เคอร์เนลตัวที่สองหมายความว่าการพิสูจน์ไม่ได้ถูกสร้างขึ้นโดยเครื่องเพียงอย่างเดียวและถูกเชื่อโดยผู้ที่สร้างมันขึ้นมาเท่านั้น แต่ยังถูกตรวจสอบโดยซอฟต์แวร์อื่นที่ใช้กฎตรรกะเดียวกัน การตรวจสอบอย่างอิสระคือสิ่งที่เปลี่ยนข้อกล่าวอ้างให้กลายเป็นผลลัพธ์ และเป็นส่วนหนึ่งของเรื่องราวนี้ที่จะคงอยู่ยาวนานกว่าการประกาศ

คอขวดไม่ใช่การสร้างอีกต่อไป

ตลอดประวัติศาสตร์คอมพิวติ้งส่วนใหญ่ ส่วนที่ยากของผลลัพธ์ทางคณิตศาสตร์คือการค้นพบมัน เรื่องนี้ไม่ใช่ความจริงที่ชัดเจนอีกต่อไป

ปีเตอร์ วอยต์ นักคณิตศาสตร์แห่งมหาวิทยาลัยโคลัมเบีย ผู้ที่บล็อกของเขาเป็นแหล่งตั้งข้อสงสัยที่น่าเชื่อถือ กล่าวถึงสถานการณ์หยาง–มิลส์อย่างตรงไปตรงมาว่า ผลลัพธ์ที่ถูกเก็บไว้เป็นการภายในขณะที่ผู้เชี่ยวชาญถูกเรียกมารวมตัวเพื่อตรวจสอบนั้น ยังไม่นับเป็นคณิตศาสตร์ในความหมายที่วงการนี้หมายถึง นั่นเป็นมาตรฐานที่ยุติธรรม และใช้กับผลลัพธ์ที่ดีด้วยเช่นกัน

ทำไมรากฐานจึงคุ้มค่ากับความยุ่งยาก

คณิตศาสตร์และฟิสิกส์ไม่ใช่เพียงสองสาขาวิชาท่ามกลางสาขาอื่น ๆ ทั้งสองเป็นชั้นรากฐานที่ศาสตร์อื่น ๆ ถูกสร้างขึ้นมา

AI กำลังฉลาดขึ้นมากจนแก้โจทย์คณิตศาสตร์ที่ยากที่สุดได้ทีละข้อ ฉันคงไม่แปลกใจเลยว่าอีกหนึ่งหรือสองปี โจทย์คณิตศาสตร์มูลค่าล้านดอลลาร์ที่เหลืออยู่ทั้งหมดจะถูกแก้โดย AI ฉันนึกถึงสมัยที่ AI แทบจะแก้เกมหมากรุกได้ด้วยการเอาชนะมนุษย์ที่เก่งที่สุด ตอนนี้ AI กำลังเอาชนะนักคณิตศาสตร์ที่เก่งที่สุด และไม่ได้สูสีกันเลยด้วยซ้ำ แต่ฉันคิดว่าครั้งนี้แตกต่าง เพราะตอนนี้ AI เป็นสติปัญญาแบบทั่วไป หมายความว่ามันครอบคลุมเกือบทุกด้านและทุกสาขาวิชา

ดังนั้นศักยภาพและความเป็นไปได้จึงแทบจะไม่มีที่สิ้นสุด

เมื่อคุณคิดถึงคณิตศาสตร์และฟิสิกส์ สิ่งเหล่านี้คือชิ้นส่วนประกอบและรากฐานของหลายสิ่งหลายอย่างที่ทำให้เราเข้าใจโลก ดังนั้นเมื่อ AI ช่วยแก้ปัญหาคณิตศาสตร์และฟิสิกส์ที่ยากที่สุด มันจะนำไปสู่การค้นพบนับไม่ถ้วนในสาขาที่สร้างขึ้นบนคณิตศาสตร์หรือฟิสิกส์ นี่เป็นหนึ่งในเหตุผลที่ Anthropic มองบวกอย่างมากต่อชีววิทยาและแพทยศาสตร์ และเป็นเหตุผลที่พวกเขากำลังสร้างความพยายามด้านห้องปฏิบัติการของตนเอง

เมื่อรากฐานทางคณิตศาสตร์ของทฤษฎีสสารกลายเป็นสิ่งที่จัดการได้ ผลที่ตามมาจะมาถึงในภายหลังและที่อื่น: ในวัสดุที่ออกแบบขึ้นแทนที่จะค้นพบ ในเป้าหมายยาที่พบผ่านการจำลองก่อนที่ห้องแล็บจะถูกจอง และในเคมีที่ไม่ต้องเป็นเรื่องลองผิดลองถูกอีกต่อไป การเดิมพันต่อสาธารณะของ Anthropic ในชีววิทยาและการแพทย์ไม่ใช่การเปลี่ยนทิศออกจากโมเดลของบริษัท แต่เป็นการเดิมพันว่าการให้เหตุผลที่ดีขึ้นเกี่ยวกับระบบกายภาพจะแปลงไปสู่ระบบชีวภาพ

มุมมองของผู้เขียน

นี่คือความคิดเห็น ไม่ใช่การรายงานข่าว เป็นข้อโต้แย้งที่นำเสนอในวิดีโอที่ประกอบบทความนี้

ฉันคิดว่าเราจะได้เห็นการค้นพบใหม่นับไม่ถ้วนในสาขาวัสดุศาสตร์เช่นกัน — เราจะหาวิธีใหม่ๆ ในการทำสิ่งของและสร้างสิ่งต่างๆ

โดยพื้นฐานแล้ว AI กำลังช่วยให้เราเข้าใจว่าโลกและร่างกายของเราทำงานอย่างไร และความเข้าใจนั้นเองที่จะนำไปสู่การค้นพบที่น่าตะลึงในอัตราที่ไม่เคยเห็นมาก่อนในประวัติศาสตร์ นี่คือเหตุผลที่หัวข้อนี้น่าสนใจมาก เรากำลังอยู่ที่จุดเปลี่ยนสำคัญ ทุกอย่างกำลังเร่งตัวขึ้น ฉันไม่ได้บอกว่าจะไม่มีอุปสรรค — มีแน่นอน แต่จังหวะของการค้นพบใหม่กำลังเร็วขึ้น และมันเพิ่งจะเริ่มต้นเท่านั้น

ข้อโต้แย้งฉบับสุขุมนั้นแคบกว่าและยากที่จะปัดตก เครื่องจักรได้ก้าวจากการช่วยนักคณิตศาสตร์มาสู่การสร้างผลลัพธ์ที่ผู้ช่วยพิสูจน์สามารถตรวจสอบได้ ในปัญหาที่เปิดค้างมาหลายทศวรรษ การตรวจสอบนั้นช้า ข้ออ้างบางข้อจะไม่ผ่านการตรวจสอบ และรางวัลที่ยังไม่มีใครได้รับก็ไม่ใช่รางวัลที่ชนะแล้ว แต่ทิศทางนั้นไม่ต้องสงสัยอีกต่อไป

OpenAI, “ว่าด้วยปัญหานาเวียร์–สโตกส์รางวัลมิลเลนเนียม” (8 กันยายน 2026) และ “การทำงานร่วมกับชุมชนวิชาการเพื่อสร้างความเข้าใจทางวิทยาศาสตร์” (26 ตุลาคม 2026); Anthropic, การหักล้างสมมติฐานเวลาอิกซ์โพเนนเชียล (16 ตุลาคม 2026); Scientific American, “OpenAI แก้ปัญหานาเวียร์–สโตกส์ผิดข้อหรือไม่?” (21 กันยายน 2026); นิตยสาร Quanta (8 กันยายน 2026); เดอะนิวยอร์กไทมส์ (10 กันยายน 2026); สถาบันคณิตศาสตร์เคลย์, ถ้อยแถลงปัญหาของรางวัลมิลเลนเนียม

ติดต่อ: [email protected]

โปรดทราบว่าเวอร์ชันภาษาไทยได้รับการช่วยเหลือจาก AI ดังนั้นอาจมีข้อผิดพลาดเล็กน้อย

ผู้เขียน

Ai-Banking-NetworkSecurity (ABN), ABN ASIA ถูกก่อตั้งขึ้นโดยคนที่มีรากฐานลึกในวงการวิชาการ มีประสบการณ์การทำงานในสหรัฐอเมริกา ดัตช์ ฮังการี ญี่ปุ่น เกาหลีใต้ สิงคโปร์ และเวียดนาม ABN Asia เป็นที่เราพบกันของวิทยาลัยและเทคโนโลยี ด้วยโซลูชันขั้นสูงและบริการพัฒนาซอฟต์แวร์ที่มีความสามารถ เราช่วยธุรกิจเติบโตและเข้าสู่ฉากโลก ความมุ่งมั่นของเรา: ด่วนขึ้น ดีขึ้น น่าเชื่อถือมากขึ้น ในกรณีส่วนมาก: ราคาถูกด้วย

หากคุณต้องการบริการ IT การให้คำปรึกษาดิจิทัล โซลูชันซอฟต์แวร์ใช้ได้หรือหากคุณต้องการส่งคำขอข้อเสนอ (RFPs) อย่าลังเลที่จะติดต่อเรา คุณสามารถติดต่อเราได้ที่ [email protected] เราพร้อมช่วยเหลือคุณด้านทุกความต้องกรทางเทคโนโลยีของคุณทุกเมื่อ

© ABN ASIA