ทำไมต้องคณิตศาสตร์เมื่อ AI ทำได้?
รายงาน a16z Frontier สำรวจว่าการพิสูจน์ที่สร้างโดย AI กำลังเปลี่ยนแปลงการวิจัยคณิตศาสตร์อย่างไรและมีผลต่อคณิตศาสตร์ในอนาคตอย่างไร รายงานพบว่าแม้ AI จะสร้างพิสูจน์ได้เร็วกว่ามนุษย์จะเข้าใจได้ แต่แนวหน้าที่แท้จริงย้ายไปสู่การทำความเข้าใจและสื่อสารผลลัพธ์เหล่านั้น
ประเด็นสำคัญ
- AI ได้เริ่มให้พิสูจน์สำหรับปัญหาเก่าเป็นทศวรรษแล้ว บางครั้งใช้เวลาเพียงไม่กี่นาที
- การตรวจสอบยังคงเป็นคอขวด; พิสูจน์ขนาดพันล้านหน้าอาจต้องอาศัยความร่วมมืออย่างมหาศาล
- คุณค่าของมนุษย์ย้ายจากการค้นพบไปสู่การอธิบายและให้บริบทกับผลลัพธ์ที่ AI สร้าง
- นักคณิตศาสตร์รายงานทั้งความตื่นเต้นและความกังวลเชิงอัตถิภาวะเกี่ยวกับบทบาทของ AI
- สาขานี้จะต้องมีเวิร์กโฟลว์ใหม่สำหรับการดูดซึม ปรับปรุง และสอนคณิตศาสตร์ที่ขับเคลื่อนด้วย AI
- Years Moore worked on problem
- 19 ปี
คำถามเกี่ยวกับการค้นพบโดย AI
ทีม a16z Frontier ตั้งคำถามง่ายแต่ลึกซึ้ง: จะเกิดอะไรขึ้นเมื่อ AI สร้างพิสูจน์คณิตศาสตร์ได้เร็วกว่าที่นักวิจัยจะเข้าใจได้? โดยอ้างอิงเหตุการณ์ล่าสุด—การปล่อยต้นฉบับหลายร้อยฉบับของ OpenAI ในเดือนตุลาคมและการอ้างอิงการทำลายล้างโดย AI—รายงานตรวจสอบความตึงเครียดระหว่างการค้นพบอย่างรวดเร็วและความเข้าใจของมนุษย์
ข้อมูลและเรื่องราว
ผู้เขียนยกตัวอย่างกรณีที่เป็นรูปธรรมหลายกรณี ชุดของ OpenAI รวมถึงพิสูจน์ที่แก้ปัญหาที่ Justin Moore จาก Cornell ทำงานมานาน 19 ปี ทำให้ Moore บรรยายช่วงเวลานั้นว่าเป็นการตื่นขึ้นมากกว่าการเฉลิมฉลอง อีกตัวอย่างที่น่าสนใจคือการสมมติพิสูจน์ขนาดพันล้านหน้าของ P ≠ NP ที่เสนอโดย Dan Boneh เพื่อแสดงขนาดของความท้าทายในการตรวจสอบ เรื่องราวจากนักคณิตศาสตร์จริงเช่น Levent Alpöge (ผู้อ้างว่ามีพิสูจน์ที่ช่วยโดย AI ของสมมติฐานริมันน์) และ Frank Vallentin (ผู้ปรับใช้ข้อโต้แย้งของ AI กับปัญหาการคลุมลาติส) แสดงให้เห็นทั้งศักยภาพและผลกระทบทางอารมณ์ของเครื่องมือเหล่านี้
ผลการค้นพบหลัก
a16z crypto ประมาณว่า AI จะค่อย ๆ กลายเป็น “ต้นไม้ผลไม้” ที่ให้ผลลัพธ์จำนวนมหาศาลที่มนุษย์ต้องเก็บเกี่ยว ตรวจสอบ และอธิบาย รายงานระบุสองแนวหน้าที่กำลังเกิดขึ้น: ขอบของการค้นพบ (สิ่งที่ AI สามารถพิสูจน์ได้) และขอบของการเข้าใจ (วิธีที่เรานำพิสูจน์เหล่านั้นแปลเป็นความรู้ของมนุษย์) นักวิจัยในสาขา cryptography, theoretical computer science, และ economics กำลังใช้ AI เพื่อทดสอบแนวคิด พัฒนาพิสูจน์ และสำรวจปัญหาที่เคยอยู่นอกเหนือการเข้าถึง
ข้อจำกัดและคำถามที่ยังค้างคา
การตรวจสอบยังคงเป็นอุปสรรคสำคัญ แม้เมื่อพิสูจน์ถูกทำให้เป็นรูปแบบในภาษาต่าง ๆ เช่น Lean การทำให้เข้าใจได้อาจต้องการ “กองทัพของนักคณิตศาสตร์และนักวิทยาการคอมพิวเตอร์” ตามที่รายงานระบุ นอกจากนี้ การกำหนดเครดิตและผลกระทบทางจิตวิทยาต่อผู้วิจัย—ที่ Kirwin Hampshire เรียกว่า “วิกฤตจิตวิญญาณ”—ยังไม่ได้รับการแก้ไข ผู้เขียนเตือนว่าเครื่องมือ AI จะเพิ่มพลังให้กับการตัดสินใจของมนุษย์ในการเลือกปัญหาที่คุ้มค่า โดยเฉพาะในโดเมนที่มีความสำคัญต่อความปลอดภัยเช่น cryptography
ผลกระทบต่อผู้อ่าน
สำหรับนักคณิตศาสตร์รุ่นใหม่และวิศวกร crypto ข้อสรุปชัดเจน: ชุดทักษะจะเปลี่ยนไปสู่การคัดสรร การตีความ และการสอนคณิตศาสตร์ที่ AI สร้างขึ้น เมื่อ AI ลดอุปสรรคในการแก้ปัญหาที่ยาก การประเมินความสำคัญ การตรวจสอบความถูกต้อง และการสื่อสารข้อมูลเชิงลึกจะกลายเป็นสินค้าที่มีค่าที่สุด การยอมรับเครื่องมือเหล่านี้สามารถขยายขอบเขตการวิจัยได้ แต่ชุมชนต้องพัฒนากรอบการทำงานร่วมกันเพื่อจัดการกับการไหลเข้ามาของพิสูจน์ใหม่ ๆ อย่างต่อเนื่อง