OpenAI ซุ่มทดสอบ AI รุ่นใหม่กับโจทย์คณิตสุดหิน 4,000 ข้อที่ยังไม่มีใครแก้ได้

ทำไมแบบทดสอบคณิตศาสตร์มาตรฐานถึงใช้ไม่ได้ผลอีกต่อไป

หลายปีที่ผ่านมา แบบทดสอบคณิตศาสตร์มาตรฐานถูกใช้เป็นเกณฑ์วัดหลักในการทดสอบโมเดลปัญญาประดิษฐ์อย่าง ChatGPT และ Claude

อย่างไรก็ตาม OpenAI เพิ่งตั้งข้อสังเกตว่า โมเดลระดับแถวหน้ารุ่นใหม่ทำคะแนนได้ดีมาก จนแบบทดสอบคณิตศาสตร์แบบเดิมๆ เริ่มหมดความหมายไปแล้ว

เพื่อท้าทายขีดจำกัดว่าปัญญาประดิษฐ์ทำอะไรได้บ้างจริงๆ นักวิจัยจึงต้องออกแบบบททดสอบที่ยากขึ้นกว่าเดิมหลายเท่า

การทดลอง: โจทย์คณิตศาสตร์สุดหิน 4,000 ข้อที่ยังไม่มีใครแก้ได้

OpenAI ได้นำโมเดลระดับแถวหน้ารุ่นภายในที่ยังไม่ได้เปิดตัว มาลองแก้โจทย์คณิตศาสตร์ประมาณ 4,000 ข้อ ที่นักคณิตศาสตร์มนุษย์ไม่เคยไขได้มาก่อน

ผลลัพธ์ของการทดลองสุดทะเยอทะยานนี้ ทั้งน่าทึ่งและสร้างความกังวลให้กับวงการวิทยาศาสตร์ไปพร้อมๆ กัน

• ต้นฉบับงานวิจัย 722 ฉบับ ถูกสร้างขึ้นโดยโมเดล AI ในระหว่างการทดสอบนี้
• ตระกูลผลลัพธ์ทางคณิตศาสตร์ 372 กลุ่ม ที่เกี่ยวข้องกัน ถูกคิดค้นขึ้นจากงานวิจัยเหล่านั้น
• ใช้เวลาประมวลผลเชิงเหตุผลเฉลี่ย 3 ชั่วโมง ต่อการหาผลลัพธ์ในแต่ละข้อ

แทนที่จะตอบทันทีแบบผิวเผิน AI กลับใช้เวลาหลายชั่วโมงค่อยๆ ไล่เรียงตรรกะอันซับซ้อนสำหรับโจทย์ทุกๆ ข้อ

เสียงสะท้อนจากผู้เชี่ยวชาญและความร่วมมือทางกลยุทธ์

วงการคณิตศาสตร์เริ่มหันมาจับตามองผลงานวิจัยมหาศาลเหล่านี้ที่สร้างโดยปัญญาประดิษฐ์

“มีวันเวลาที่น่าตื่นเต้นรออยู่อีกมากสำหรับวงการคณิตศาสตร์!” Stefano Gogioso สมาชิกสภาผู้เชี่ยวชาญด้านเทคโนโลยีแห่งอนาคตและ AI ของ BeInCrypto กล่าว

OpenAI ยังได้แชร์รายละเอียดเกี่ยวกับความร่วมมือกับสถาบันต่างๆ ผ่านการอัปเดตต่อสาธารณะเมื่อวันที่ 6 ตุลาคม 2026

ทีมงานเปิดเผยว่า พวกเขาได้ร่วมหารือกับคณะที่ปรึกษาอิสระด้านคณิตศาสตร์และปัญญาประดิษฐ์ ที่ Institute for Advanced Study มาโดยตลอด

ก้าวข้ามคำถามที่คุ้นเคย: จุดเปลี่ยนสำคัญของความสามารถ AI

การทดลองนี้ชี้ให้เห็นถึงการเปลี่ยนแปลงครั้งใหญ่ในรูปแบบการทำงานของปัญญาประดิษฐ์ระดับแถวหน้า

ในอดีต ระบบ AI ส่วนใหญ่ทำได้แค่ดึงข้อมูลหรือผสมผสานคำตอบของคำถามที่มนุษย์เคยหาคำตอบไว้แล้ว

แต่ตอนนี้ โมเดลระดับแถวหน้าเริ่มคิดค้นแนวทางแก้ไขปัญหาที่เป็นไปได้สำหรับคำถามที่ไม่เคยมีใครรู้คำตอบมาก่อน

การก้าวกระโดดครั้งนี้อาจช่วยเพิ่มปริมาณงานทางปัญญาที่นักวิจัย โค้ดเดอร์ หรือนักวิเคราะห์คนเดียวสามารถทำได้แบบทวีคูณ

ผลลัพธ์ไม่ได้หมายถึงความถูกต้องเสมอไป: คอขวดของการตรวจสอบ

แม้การสร้างงานวิจัยได้หลายร้อยฉบับจะฟังดูยอดเยี่ยม แต่ปริมาณผลงานไม่ได้เท่ากับความถูกต้องเที่ยงตรงเสมอไป

งานวิจัยบางส่วนที่ OpenAI สร้างขึ้น มีการพิสูจน์ที่ตรวจด้วยคอมพิวเตอร์ได้ ซึ่งเขียนด้วยภาษา Lean ที่ใช้สำหรับการตรวจสอบรูปนัย

อย่างไรก็ตาม ผลลัพธ์อีกจำนวนมากในกลุ่มนี้ยังไม่มีการตรวจสอบแบบอัตโนมัติดังกล่าว

OpenAI เตือนอย่างชัดเจนว่า ผลลัพธ์บางส่วนที่ยังไม่ผ่านการตรวจสอบอาจมีข้อผิดพลาด หรือจุดบกพร่องทางตรรกะซ่อนอยู่

ความจริงข้อนี้ทำให้เกิดคอขวดครั้งใหญ่ เพราะผู้เชี่ยวชาญที่เป็นมนุษย์อาจตรวจสอบงานวิจัยได้ไม่ทันความเร็วที่โมเดล AI สร้างขึ้นมา

เราสามารถนำความสามารถ AI เหล่านี้มาใช้กับตลาดการเงินได้ไหม?

การที่ AI ใช้เวลาหลายชั่วโมงไปกับการใช้ตรรกะซับซ้อน ทำให้นักลงทุนหลายคนสงสัยว่า โมเดลเหล่านี้จะช่วยวิเคราะห์คาดการณ์และตัดสินใจลงทุนได้หรือไม่

คำตอบแบบสั้นๆ คือมีความเป็นไปได้ แต่โลกการเงินมีความท้าทายคนละแบบกับคณิตศาสตร์บริสุทธิ์อย่างสิ้นเชิง

การพิสูจน์ทางคณิตศาสตร์สามารถพิสูจน์ได้ว่าถูกหรือผิดโดยใช้สัจพจน์ทางตรรกะ

ในทางกลับกัน ตลาดการเงินเต็มไปด้วยเสียงรบกวน ความผันผวน และเปลี่ยนไปตามพฤติกรรมมนุษย์และข่าวสารที่ไม่คาดคิดตลอดเวลา

เกณฑ์วัดในปัจจุบันบอกอะไรเกี่ยวกับ AI ในงานวิจัยการลงทุน

ผลทดสอบประสิทธิภาพทางการเงินล่าสุดแสดงให้เห็นว่า โมเดล AI ระดับแถวหน้ายังคงรับมือกับงานวิจัยการลงทุนที่ซับซ้อนได้ยากลำบาก

งานวิจัยที่ประเมินกลยุทธ์การจับจังหวะตลาดก็ชี้ว่า AI ยังให้ความได้เปรียบในการคาดการณ์ทิศทางราคาค่อนข้างจำกัด

เนื่องจากการแกว่งตัวของราคาขึ้นอยู่กับปัจจัยในโลกจริงที่คาดเดาไม่ได้ ลำพังการคิดเชิงตรรกะความเร็วสูงเพียงอย่างเดียว จึงไม่สามารถรับประกันการคาดการณ์ตลาดที่แม่นยำได้

นักลงทุนที่มองหาเครื่องมือทางการเงินอัตโนมัติควรระลึกไว้เสมอว่า แนวโน้มตลาดในอดีตไม่ได้เป็นสิ่งรับประกันผลตอบแทนในอนาคต

โอกาสที่แท้จริงในระยะใกล้: เน้นวิเคราะห์เชิงลึกมากกว่าการฟันธงคาดการณ์

ขณะที่การคาดการณ์การเคลื่อนไหวของตลาดอย่างแม่นยำยังทำได้ยาก โอกาสในระยะใกล้จึงตกเป็นของการวิเคราะห์ข้อมูลเชิงลึกปริมาณมหาศาล

AI ที่สามารถคิดวิเคราะห์อย่างต่อเนื่องได้นานหลายชั่วโมง อาจพลิกโฉมวิธีทำวิจัยทางการเงินไปอย่างสิ้นเชิง

ยกตัวอย่างเช่น โมเดลสามารถวิเคราะห์รายงานทางการเงิน การประชุมผลประกอบการ ข้อมูลเศรษฐกิจมหภาค และสถานการณ์ตลาดคู่แข่งพร้อมกันได้

มันสามารถตั้งสมมติฐานและทดสอบตรรกะได้มากกว่าที่นักวิเคราะห์ที่เป็นมนุษย์หนึ่งคนจะทำได้หลายเท่า

สรุปภาพรวม: การจัดการกับข้อมูลมหาศาลที่ AI สร้างขึ้น

สัญญาณสำคัญจากการทดลองของ OpenAI คือ AI เริ่มสามารถผลิตงานวิเคราะห์เชิงลึกในปริมาณที่ไม่เคยมีมาก่อนได้แล้ว

ความท้าทายที่สุดข้างหน้าสำหรับนักวิจัย นักคณิตศาสตร์ และนักวิเคราะห์การเงิน ไม่ใช่การสร้างเนื้อหาขึ้นมา แต่เป็นการตัดสินใจว่าผลงานชิ้นไหนควรค่าแก่การเชื่อถือ