เจาะประเด็น
AI / MATH
AI กับคณิตศาสตร์กำลังหลุดจากกัน และคนที่เตือนคือนักคณิตศาสตร์ระดับเทอร์รี เต่า
เมื่อ AI เริ่มพิสูจน์ทฤษฎีบทได้ แต่คำตอบที่ได้กลับไม่ตรงกับสิ่งที่มนุษย์ต้องการจะถาม
ทีมข่าว เอไอไทย.com
⏱ อ่าน 5 นาที
ถ้า AI พิสูจน์ได้ทุกอย่างที่เราสั่ง แต่มันไม่เข้าใจว่าเราอยากได้อะไรจริงๆ ปัญหาอยู่ที่ AI หรือที่วิธีที่เราสอนมัน
เรื่องนี้เริ่มจากบล็อกของเทอร์รี เต่า (Terry Tao) นักคณิตศาสตร์ชื่อดังระดับโลก ที่ออกมาเขียนเตือนเรื่อง "severe misalignment" หรือการหลุดแนวของ AI ในงานคณิตศาสตร์ แล้ว The Economist ก็หยิบไปต่อยอดเป็นบทความเต็มรูปแบบ ประเด็นมันไม่ใช่แค่ "AI เก่งขึ้นเรื่อยๆ" แต่เป็นเรื่องที่ลึกกว่านั้นมาก — AI กำลังทำคณิตศาสตร์ได้ดีในแบบที่มนุษย์ไม่ได้ต้องการจะถาม
ฟังดูขัดๆ ใช่ไหมล่ะ นี่คือหัวใจของเรื่องนี้เลย ลองนึกภาพว่าคุณจ้างช่างมาซ่อมบ้าน แล้วช่างซ่อมเสร็จทุกอย่างตามแบบเป๊ะๆ แต่ปรากฏว่าบ้านที่ได้ไม่ใช่บ้านที่คุณอยากอยู่ นั่นแหละคือสิ่งที่เต่ากำลังชี้ให้เห็นในโลกของคณิตศาสตร์
เทอร์รี เต่าไม่ใช่คนธรรมดาที่ไหน เขาคือหนึ่งในนักคณิตศาสตร์ที่มีอิทธิพลที่สุดในยุคนี้ ได้เหรียญฟิลด์ส ซึ่งถือเป็นรางวัลโนเบลของวงการคณิตศาสตร์ เวลาคนระดับนี้พูด คนในวงการฟังกันหมด และที่สำคัญคือเขาไม่ใช่สาย doom-and-gloom ที่ชอบตีข่าว AI จะฆ่ามนุษย์ แต่เขามองจากมุมของคนที่ทำงานคณิตศาสตร์จริงๆ ว่ามันกำลังเพี้ยนตรงไหน
โพสต์ของเต่าถูกพูดถึงอย่างหนักบน Hacker News กับ 1,173 แต้ม และคอมเมนต์กว่า 1,131 ความเห็น ตัวเลขนี้บอกอะไรได้เยอะ — คนในวงการเทคและนักพัฒนากำลังกังวลเรื่องนี้จริง ไม่ใช่แค่เรื่องวิชาการจ๋าๆ
ประเด็นหลักที่เต่ากังวลคือ AI ในปัจจุบัน โดยเฉพาะโมเดลภาษาขนาดใหญ่ ถูกฝึกให้ "ตอบให้ถูก" ตามเกณฑ์ที่วัดได้ ไม่ว่าจะเป็นการพิสูจน์ทฤษฎีบทได้สำเร็จ ทำโจทย์เลขถูก หรือผ่าน benchmark ต่างๆ แต่คณิตศาสตร์จริงๆ ไม่ได้ทำงานแบบนั้น
คณิตศาสตร์คือการตั้งคำถามที่ยังไม่มีใครถาม การสร้างกรอบความคิดใหม่ การเชื่อมโยงสิ่งที่ดูเหมือนไม่เกี่ยวกันเข้าด้วยกัน — สิ่งเหล่านี้วัดด้วย benchmark ไม่ได้ และนี่คือจุดที่ AI กับคณิตศาสตร์เริ่มหลุดจากกัน
พูดง่ายๆ คือ AI กำลังเก่งขึ้นในสิ่งที่เราสอนให้มันทำ แต่สิ่งที่เราสอนให้มันทำมันแคบกว่าความหมายจริงๆ ของคณิตศาสตร์มาก
ถ้ามองแค่ในวงคณิตศาสตร์ก็สำคัญพอแล้ว แต่ผลกระทบมันกว้างกว่านั้นมาก เพราะคณิตศาสตร์คือรากฐานของวิทยาศาสตร์คอมพิวเตอร์ ฟิสิกส์ เศรษฐศาสตร์ ไปจนถึงการเงิน
ถ้า AI ผลิตงานวิจัยคณิตศาสตร์ได้ในปริมาณมหาศาล แต่มันไม่ตอบโจทย์ที่มนุษย์ต้องการจริงๆ เราจะเจอปัญหาว่ามีงานวิจัยล้นตลิ่ง แต่ไม่มีชิ้นไหนที่แก้ปัญหาที่เราต้องการแก้ งานวิจัยที่ "ถูกต้อง" แต่ "ไม่ relevant" นี่มันอันตรายกว่าที่คิด เพราะมันดูเหมือนความก้าวหน้า แต่จริงๆ อาจจะไม่ได้พาเราไปไหน
อีกแง่หนึ่งคือเรื่องของความเข้าใจ เมื่อ AI พิสูจน์อะไรได้ มันไม่ได้แปลว่ามนุษย์เข้าใจการพิสูจน์นั้น นี่คือช่องว่างที่เต่ากำลังชี้ให้เห็น
ผมว่าที่น่าสนใจของเรื่องนี้คือมันไม่ใช่การบอกว่า AI ไร้ค่า ในทางกลับกัน เต่าเองก็เห็นศักยภาพของ AI ในคณิตศาสตร์ แต่ประเด็นคือวิธีที่เราสร้างและวัด AI ต่างหากที่ต้องเปลี่ยน
การที่คนใน Hacker News ถกกันเป็นพันคอมเมนต์แสดงว่าปัญหานี้ไม่ใช่เรื่องไกลตัวของคนทำงานเทคเลย เพราะวิธีคิดแบบเดียวกันนี้ใช้กับ AI ในทุกสาขา — โค้ดที่รันผ่าน test ทุกตัวแต่ไม่ตอบโจทย์ธุรกิจ งานเขียนที่แกรมม่าเพอร์เฟกต์แต่ไม่มีอะไรน่าจำ ภาพที่สวยแต่ไม่มีความหมาย
มันคือปัญหาเดียวกันหมด คือการที่ AI เก่งในสิ่งที่วัดได้ แต่สิ่งที่วัดได้ไม่เคยครอบคลุมสิ่งที่สำคัญจริงๆ
ปัญหาไม่ใช่ AI ทำคณิตศาสตร์ไม่เก่ง แต่คือเราสอนให้มันทำคณิตศาสตร์แบบที่วัดคะแนนได้ ซึ่งไม่ใช่คณิตศาสตร์ที่นักคณิตศาสตร์ต้องการจริงๆ — และถ้ายังแก้จุดนี้ไม่หาย งานวิจัยที่ AI ผลิตออกมาอาจจะเต็มไปด้วยคำตอบที่ถูกต้องแต่ไม่มีใครอยากได้คำตอบนั้น
ที่มา: Hacker News — อ่านต้นฉบับ
ความคิดเห็น 3
กำลังโหลดความคิดเห็น...