"Shock! Shock!": Donald Knuth ตำนานวิทยาการคอมพิวเตอร์ยอมรับ Claude Opus 4.6 แก้ปัญหากราฟที่เขาทำไม่ได้หลายสัปดาห์ภายใน 1 ชั่วโมง
เมื่อ AI ทำให้ตำนานวิทยาการคอมพิวเตอร์ต้องพูดว่า 'Shock! Shock!'
ในวงการวิทยาการคอมพิวเตอร์ มีชื่อไม่กี่คนที่ได้รับการยกย่องเท่า Donald Ervin Knuth นักคณิตศาสตร์และนักวิทยาการคอมพิวเตอร์จาก Stanford University ผู้เขียนตำรา 'The Art of Computer Programming' (TAOCP) ซึ่งถือเป็นคัมภีร์ศักดิ์สิทธิ์ของนักเขียนโปรแกรมและนักวิชาการทั่วโลกมากว่า 50 ปี Bill Gates เคยกล่าวว่า 'ถ้าคุณคิดว่าตัวเองเป็นโปรแกรมเมอร์ที่ดีจริงๆ ให้อ่าน TAOCP ทั้งหมด ถ้าอ่านจบได้ คุณส่งประวัติมาหาผมได้เลย'
แต่ในช่วงปลายเดือนกุมภาพันธ์ถึงต้นมีนาคม 2026 ชายผู้นี้ได้เผยแพร่บทความ 5 หน้าชื่อ 'Claude's Cycles' บนเว็บไซต์คณะวิทยาการคอมพิวเตอร์ Stanford โดยเปิดด้วยประโยคที่ไม่มีใครคาดคิด: 'Shock! Shock!' ความตกตะลึงของเขาเกิดจาก Claude Opus 4.6 โมเดล AI จาก Anthropic ที่แก้ปัญหาคณิตศาสตร์เปิด (open problem) ที่เขาเองทำไม่ได้มาหลายสัปดาห์ได้ภายในเวลาเพียง 1 ชั่วโมง
ปัญหาที่รอการพิสูจน์: Hamiltonian Cycle ใน 3D Grid
ปัญหาที่ว่านี้เกี่ยวข้องกับทฤษฎีกราฟ (Graph Theory) โดยเฉพาะการสร้าง Hamiltonian cycle ใน directed graph แบบ 3 มิติ ลองนึกภาพตารางลูกบาศก์ขนาด m×m×m (เช่น 3×3×3 หรือ 5×5×5) โดยแต่ละจุด (i, j, k) ในตารางสามารถเคลื่อนที่ได้โดยการเพิ่มค่า i, j หรือ k ทีละ 1 โดยที่ค่าจะวนกลับตั้งแต่ m-1 ไปยัง 0 แบบวงกลม (cyclic)
คำถามคือ: สามารถแบ่ง directed graph นี้ออกเป็น Hamiltonian cycle (วงจรที่เดินผ่านทุกจุดพอดีหนึ่งครั้ง) ได้หรือไม่? และถ้าได้ จะสร้างสูตรทั่วไปสำหรับทุกขนาด m ได้อย่างไร? Knuth กำลังเตรียมเนื้อหานี้สำหรับหนังสือ TAOCP เล่มที่ยังไม่ได้ตีพิมพ์ และได้ติดขัดอยู่กับปัญหานี้หลายสัปดาห์โดยไม่สามารถหาคำตอบได้
31 การทดลอง ใน 1 ชั่วโมง: วิธีที่ Claude คิดแก้ปัญหา
เมื่อ Knuth ลองใช้ Claude Opus 4.6 โมเดล AI Hybrid Reasoning ของ Anthropic ที่เพิ่งเปิดตัวก่อนหน้านี้เพียง 3 สัปดาห์ ผลลัพธ์ที่ได้ทำให้เขาต้องถึงกับอุทาน Claude ดำเนินการค้นหาคำตอบผ่าน 31 การทดลองอย่างเป็นระบบ ซึ่ง Knuth บันทึกไว้อย่างละเอียดในบทความ
- การทดลองแรกๆ: Brute-force search Claude ลองค้นหาแบบพลังงาน แต่พบว่าช้าเกินไปสำหรับกราฟขนาดใหญ่
- การทดลองกลาง: Claude ประดิษฐ์รูปแบบที่ตัวเองเรียกว่า 'Serpentine patterns' การเคลื่อนที่แบบตะเข็บ เหมือนงูเลื้อยผ่านกราฟ
- การทดลองที่ 25: Claude บันทึกกับตัวเองว่า 'SA (Simulated Annealing) สามารถหาคำตอบได้แต่ไม่สามารถให้สูตรทั่วไปได้ ต้องใช้คณิตศาสตร์บริสุทธิ์'
- การทดลองที่ 30: Claude สังเกตเห็นรูปแบบโครงสร้างจากคำตอบที่เคยหาได้ก่อนหน้า
- การทดลองที่ 31: Claude สร้างสูตรก่อสร้าง (construction) ที่ใช้ได้จริง ครอบคลุมทุกกรณีที่ m เป็นเลขคี่
สูตรที่ Claude ค้นพบปรากฏว่าตรงกับโครงสร้างที่รู้จักในวิชาคณิตศาสตร์เชิงการจัดคือ 'modular m-ary Gray code' ซึ่งเป็นสิ่งที่มีอยู่แล้วในโลกคณิตศาสตร์ แต่ Claude ค้นพบความเชื่อมโยงนี้โดยไม่ได้รับการบอกเล่าล่วงหน้า
Knuth พิสูจน์และนับได้: มี 760 รูปแบบ 'Claude-like'
หลังจากที่ Claude หาคำตอบได้ Knuth นำสูตรนั้นไปพิสูจน์ทางคณิตศาสตร์อย่างเป็นทางการ ขยายขอบเขต และพบว่ามี Hamiltonian cycle decomposition ที่มีลักษณะแบบ 'Claude-like' อยู่ทั้งหมด 760 รูปแบบ เขากล่าวชื่นชมวิธีการของ Claude ว่า 'ค่อนข้างน่าชื่นชม' (quite admirable) และเรียกผลลัพธ์นี้ว่า 'ความก้าวหน้าอย่างน่าทึ่งในการอนุมานอัตโนมัติและการแก้ปัญหาเชิงสร้างสรรค์'
ที่สำคัญยิ่งกว่านั้น Knuth ตัดสินใจตั้งชื่อบทความตาม AI ที่ช่วยเขา โดยเรียกว่า 'Claude's Cycles' และคาดว่าสูตรก่อสร้างที่ Claude ค้นพบจะปรากฏในหนังสือ TAOCP เล่มต่อๆ ไปในอนาคต นับเป็นครั้งแรกที่ผลงานของ AI จะถูกบันทึกไว้อย่างเป็นทางการในตำราคณิตศาสตร์คลาสสิกระดับโลก
'ฉันอาจต้องเปลี่ยนความคิดเกี่ยวกับ AI สักวัน'
Knuth ซึ่งเป็นที่รู้จักในแวดวงวิชาการว่าไม่ค่อยชื่นชม AI generative มากนัก ปิดท้ายบทความด้วยประโยคที่สะเทือนวงการว่า: 'It seems I'll have to revise my opinions about generative AI one of these days.' ดูเหมือนว่าฉันจะต้องเปลี่ยนความคิดเกี่ยวกับ generative AI สักวันหนึ่ง
คำพูดนี้มีน้ำหนักมากในแวดวงวิชาการ เพราะ Knuth เคยแสดงความสงสัยอย่างเปิดเผยเกี่ยวกับความสามารถของ AI ในการทำงานเชิงคณิตศาสตร์ที่ต้องอาศัยความเข้าใจลึกซึ้ง การที่เขายอมรับว่า Claude ทำให้เขา 'ตกตะลึง' จึงถือเป็นปรากฏการณ์สำคัญที่วงการ AI พูดถึงอย่างกว้างขวาง
ความหมายต่อวงการ AI และวิทยาศาสตร์
เหตุการณ์นี้สะท้อนให้เห็นถึงพัฒนาการที่ก้าวกระโดดของ AI โมเดลในด้านการใช้เหตุผลเชิงคณิตศาสตร์ (mathematical reasoning) ซึ่งแตกต่างจากการท่องจำข้อมูลทั่วไป Claude ไม่ได้แค่ 'จำ' คำตอบ แต่ค้นพบมันผ่านกระบวนการคิดที่เป็นระบบ ทดลองผิดทดลองถูก และปรับกลยุทธ์ตามสิ่งที่เรียนรู้ระหว่างทาง
นักวิจัยและนักวิทยาศาสตร์หลายคนมองว่านี่เป็นสัญญาณสำคัญที่ AI กำลังเข้าสู่ยุคของ 'การค้นพบทางวิทยาศาสตร์' ไม่ใช่แค่การช่วยวิเคราะห์ข้อมูลที่มีอยู่แล้ว แต่สามารถมีส่วนร่วมในการสร้างองค์ความรู้ใหม่ได้จริงๆ บทความของ Knuth จึงไม่ใช่เพียงเรื่องราวของปัญหาคณิตศาสตร์หนึ่งข้อ แต่เป็นหมุดหมายสำคัญในประวัติศาสตร์ของวิทยาการคอมพิวเตอร์
Claude Opus 4.6: โมเดลที่อยู่เบื้องหลังความสำเร็จ
Claude Opus 4.6 เป็น Hybrid Reasoning Model ของ Anthropic ที่ผสมผสานความสามารถในการตอบสนองรวดเร็วของโมเดลทั่วไปเข้ากับการคิดแบบขั้นตอน (chain-of-thought reasoning) สำหรับปัญหาที่ซับซ้อน โมเดลนี้เปิดตัวในช่วงต้นปี 2026 และถูกออกแบบมาโดยเฉพาะเพื่อรับมือกับงานที่ต้องอาศัยการใช้เหตุผลหลายขั้นตอน เช่น คณิตศาสตร์ การเขียนโค้ด และการแก้ปัญหาเชิงตรรกะ
การที่โมเดลนี้สามารถ 'ตรวจสอบตัวเอง' ระหว่างกระบวนการค้นหาคำตอบ เช่น การที่ Claude บอกตัวเองในการทดลองที่ 25 ว่าต้องเปลี่ยนจากวิธี Simulated Annealing ไปใช้ 'คณิตศาสตร์บริสุทธิ์' แสดงให้เห็นถึงความสามารถในการ meta-cognition ที่นักวิจัย AI ถกเถียงกันมานานว่าเป็นไปได้หรือไม่
ในโลกที่ AI กำลังพิสูจน์ตัวเองในสนามรบใหม่ทุกวัน การที่ชายผู้ได้รับรางวัล Turing Award ปี 1974 และเขียนตำราที่ Bill Gates ยกย่องว่าควรอ่านก่อนสมัครงาน ต้องออกมาเขียนบทความยอมรับความสามารถของ AI ด้วยตัวเอง อาจเป็นสัญญาณที่ชัดเจนที่สุดว่า ยุคสมัยกำลังเปลี่ยนไปอย่างถาวรแล้ว