Axiom Math ยืนยันโครงการ Stacks เพื่อต่อสู้กับคณิตศาสตร์ที่สร้างโดย AI

icon币界网
แชร์
AI summary iconสรุป
Axiom Math ได้ยืนยันความถูกต้องของ Stacks Project ซึ่งเป็นงานคณิตศาสตร์ที่เขียนโดยมนุษย์อย่างสำคัญ เพื่อสร้างพื้นฐานที่เชื่อถือได้สำหรับตัวแทน AI บริษัทมูลค่า 1.6 พันล้านดอลลาร์สหรัฐมีเป้าหมายเพื่อหยุดยั้งข้อมูลคณิตศาสตร์ที่สร้างโดย AI โดยใช้การยืนยันอย่างเป็นทางการ ตัวแทน AI ของ Axiom ได้แปลงโครงการนี้เป็นโค้ด Lean จำนวน 16 ล้านบรรทัด ความพยายามนี้ช่วยเสริมสร้างคณิตศาสตร์ที่ถูกจัดรูปแบบให้แน่นอน โดยเฉพาะในสาขาเรขาคณิตพีชคณิต ซีอีโอคารีนา ฮอง ได้เน้นย้ำถึงความจำเป็นในการมีฐานความรู้ที่มีโครงสร้าง เพื่อให้ AI สามารถสร้างบนรากฐานที่ได้รับการยืนยันแล้ว การประกาศโครงการนี้ถือเป็นก้าวสำคัญในข่าว AI + crypto
CoinDesk รายงาน:

รู้สึกเหมือนปัญญาประดิษฐ์เกือบทุกสัปดาห์กำลังแก้ปัญหาคณิตศาสตร์ใหม่ๆ ที่ยากขึ้นทุกครั้ง เดือนที่แล้ว เพียง OpenAI แห่งเดียวได้เผยแพร่เอกสาร 719 ชิ้น ที่อ้างว่าได้แก้ปัญหาที่ยากที่สุดบางประการในสาขานี้ แม้แต่การตรวจสอบด้วยคอมพิวเตอร์ก็อาจผิดพลาดได้ หลังจากผ่านช่วงเวลาหลายปีกับเนื้อหาขยะจาก AI ผู้คนจึงเริ่มตั้งคำถามว่า คณิตศาสตร์จะเป็นสาขาถัดไปที่ได้รับผลกระทบหรือไม่

AxiomMath สามารถหลีกเลี่ยงชะตากรรมนี้ได้ โดยไม่ใช่การชะลอความเร็ว แต่ด้วยการสร้างพื้นฐานที่มั่นคงกว่า บริษัทสตาร์ทอัพที่มีมูลค่า 1.6 พันล้านดอลลาร์สหรัฐนี้ต้องการสร้างชั้นพื้นฐานที่ได้รับการยืนยัน ซึ่งตัวแทน AI สามารถพึ่งพาเพื่อเขียนซอฟต์แวร์ และในที่สุดก็ดำเนินการวิจัยทางวิทยาศาสตร์

ในวันพุธ บริษัทประกาศว่าได้ยืนยันอย่างเป็นทางการแล้วว่า Stacks Project เป็นหนึ่งในผลงานทางคณิตศาสตร์ที่ใหญ่ที่สุดเท่าที่มนุษย์เคยเขียนขึ้น นักคณิตศาสตร์มักให้คะแนน Stacks สูงมาก ปีเตอร์ วอยต์ นักคณิตศาสตร์จากมหาวิทยาลัยโคลัมเบีย เคยกล่าวว่า “แทบไม่มีสิ่งใดอื่นที่จะเทียบได้” และเปรียบโครงการนี้กับ “ชุดหนังสือ Bourbaki ที่มีชื่อเสียง” — ชุดงานที่มีจุดมุ่งหมายในการสร้างคณิตศาสตร์ใหม่จากพื้นฐานในศตวรรษที่ 20

เพื่อนร่วมงานชาวโคลอมเบียของ Woit ชื่อ Johan de Jong ได้เริ่มโครงการ Stacks ในปี 2005 เป็นเอกสารอ้างอิงแบบโอเพ่นซอร์ส ตั้งแต่นั้นมา นักคณิตศาสตร์ได้ร่วมกันบริจาคเนื้อหา โดยเริ่มจากพีชคณิตระดับมหาวิทยาลัยและขยายไปสู่แนวคิดชั้นนำที่สุดในพีชคณิต เรขาคณิต และทฤษฎีจำนวน

กลุ่มตัวแทน AI ของบริษัทได้แปลฐานข้อมูลประมาณ 7,654 หน้าเป็นโค้ดที่สามารถตรวจสอบโดยคอมพิวเตอร์ประมาณ 16 ล้านบรรทัด

จุดประสงค์ของคณิตศาสตร์เชิงรูปแบบคือการรับประกันว่าโครงสร้างพื้นฐานของมันน่าเชื่อถือ นักคณิตศาสตร์จะเขียนหลักฐานใหม่เป็นรหัสโปรแกรมด้วยภาษาโปรแกรมชื่อ Lean จากนั้นโปรแกรมที่เรียกว่า proof assistant จะตรวจสอบรหัสนี้ทีละบรรทัด หากหลักฐานผ่านการตรวจสอบ นักคณิตศาสตร์สามารถเชื่อได้ว่ามันถูกต้องตามตรรกะ

วิศวกรยังใช้แนวคิดเดียวกันนี้ ซึ่งก็คือการยืนยันแบบเป็นทางการ เพื่อยืนยันว่าการออกแบบชิปนั้นเป็นไปได้หรือไม่; นักวิจัยชาวฝรั่งเศสใช้มันในการค้นพบช่องโหว่ในซอฟต์แวร์คำนวณเงินอุดหนุนครัวเรือน

สำหรับโครงการเช่น Stacks Project การตรวจสอบทฤษฎีบททีละข้อเป็นเพียงส่วนหนึ่งของงานเท่านั้น ทฤษฎีบทและนิยามใน Stacks มีความเชื่อมโยงกัน และแต่ละข้อจะสร้างขึ้นจากเนื้อหาที่ผ่านมา คล้ายกับต้นไม้ตระกูล ผลลัพธ์หลายอย่างใน Stacks สามารถย้อนกลับไปสู่ผลลัพธ์ก่อนหน้าได้

ความเชื่อมโยงกันนี้ทำให้ Axiom ไม่แน่ใจในตอนแรกว่าโครงการนี้จะทำได้หรือไม่ ทีมงานต้องรักษาการเชื่อมต่อทั้งหมดให้สมบูรณ์ในโค้ด Lean ประมาณ 16 ล้านบรรทัด

คารีนา ฮอง ซีอีโอของ Axiom กล่าวกับ TechCrunch: “ในความเป็นจริง ขนาดใหญ่และความละเอียดอ่อนมักไม่สามารถอยู่ร่วมกันได้ [Stacks] เป็นชุดของผลลัพธ์ทางคณิตศาสตร์ที่สร้างพื้นฐานทางคณิตศาสตร์ คุณต้องการให้ [ทฤษฎีบท] สอดคล้องกัน ไม่ใช่ขัดแย้งกันเหมือนพาราโดซ์ และคุณยังต้องการให้นิยามเหล่านี้ไม่ขัดแย้งกัน”

ซีอีโออายุ 25 ปีคนนี้เคยลาออกจากการศึกษาปริญญาเอกทางคณิตศาสตร์ที่สแตนฟอร์ด และก่อตั้งบริษัทนี้ในเดือนมีนาคม 2025 ในเดือนมีนาคมปีนี้ Axiom ระดมทุนรอบ A มูลค่า 2 พันล้านดอลลาร์สหรัฐ โดย Menlo Ventures เป็นผู้นำการระดมทุน

ฮองกล่าวว่า: “ตอนนั้นเราไม่แน่ใจว่า vibe coding จะสามารถรักษาความงามของ Stacks ไว้ได้หรือไม่”

เพื่อให้โครงการสำเร็จ ทีมได้กำหนดโครงสร้างที่ยืดหยุ่นสำหรับตัวแทนและให้ตัวแทนทำงานแบบขนานกัน อาชวิน สวามินาถัน สมาชิกทีมเทคโนโลยี Axiom กล่าวว่า “สำหรับ Stacks เราได้กำหนดระดับชั้น… แต่ไม่ใช่ระดับชั้นที่กำหนดอย่างเคร่งครัดว่าตัวแทนแต่ละตัวต้องทำอะไร ตัวแทนจะค้นหางานด้วยตัวเองและระบุสิ่งที่สามารถประมวลผลแบบขนานได้”

Axiom ยังได้ฝึกโมเดลของตนเองให้มีความเชี่ยวชาญด้านคณิตศาสตร์ Hong กล่าวว่า การกระทำนี้เป็นสิ่งที่บริษัทสตาร์ทอัพด้านการตรวจสอบอื่นๆ ส่วนใหญ่ไม่ได้ทำ ในระยะเริ่มต้น ทีมงานพึ่งพาผู้เชี่ยวชาญด้าน Lean ภายในเพื่อสอนตัวแทนให้สร้างเกณฑ์การตัดสินใจที่คล้ายกับมนุษย์ ตามเวลาที่ผ่านไป Hong กล่าวว่า ตัวแทนเหล่านี้ได้เรียนรู้ทักษะการตัดสินใจนี้ด้วยตนเอง

ผลงานนี้เติมเต็มช่องว่างที่ใหญ่ที่สุดหนึ่งช่องว่างในคณิตศาสตร์เชิงรูปนิยม ซวามินาถันกล่าวว่า “เมื่อคุณดูเนื้อหาคณิตศาสตร์ที่ได้รับการแปลงเป็นรูปนิยมแล้ว คุณจะพบว่ามีหลุมดำขนาดใหญ่อยู่ และหลุมดำนั้นครอบคลุมเรขาคณิตพีชคณิต”

สวามินาถันกล่าวว่า จนถึงตอนนี้ นักวิจัยที่ต้องการใช้ Lean ตรวจสอบงานใหม่ในพีชคณิตเรขาคณิตแทบไม่มีพื้นฐานที่พร้อมใช้งานเลย “ตอนนี้พวกเขาได้รับแล้ว”

Axiom มองว่า ผลลัพธ์ที่ได้รับการตรวจสอบทุกชิ้นจะกลายเป็นก้อนอิฐ ซึ่งการพิสูจน์ในอนาคตสามารถสร้างขึ้นบนพื้นฐานของคณิตศาสตร์ที่ได้รับการตรวจสอบแล้ว โดยไม่ต้องเริ่มต้นใหม่ทั้งหมด นักคณิตศาสตร์จาก UCLA และผู้ได้รับรางวัลฟีลด์ส เทเรนซ์ ทาโอ สรุปประเด็นนี้อย่างกระชับว่า: “ยิ่งคุณมีการพิสูจน์แบบเป็นทางการมากเท่าไหร่ คุณก็จะสามารถสร้างการพิสูจน์แบบเป็นทางการได้มากขึ้นเท่านั้น”

เป้าหมายของ Axiom ไม่ได้จำกัดอยู่แค่นักคณิตศาสตร์เท่านั้น นักพัฒนามาตลอดระยะเวลานานได้พยายามรับประกันว่าโค้ดของพวกเขาไม่มีช่องโหว่หรือความเสี่ยงด้านความปลอดภัย และเมื่อตัวแทน AI เขียนซอฟต์แวร์มากขึ้น ปัญหานี้จะยิ่งทวีความรุนแรงขึ้น

Axiom วางเดิมพัน ซอฟต์แวร์ในอนาคตต้องสร้างบนพื้นฐานที่ได้รับการพิสูจน์แล้ว เช่นเดียวกับ Stacks ที่มีอยู่ในปัจจุบัน

สวามินาถันกล่าวว่า: “เราเชื่อว่าคณิตศาสตร์คือสาขาที่คุณเริ่มต้นสร้างสิ่งเหล่านี้ และนี่คือทักษะที่สามารถนำไปใช้ได้ในที่อื่น ตัวแทนสามารถอ่านโค้ดของเรา ทำความเข้าใจ และสร้างโครงสร้างพื้นฐานใหม่บนพื้นฐานนั้น สิ่งที่เราได้จัดรูปแบบด้วย Lean ตอนนี้คือฐานรากที่ตัวแทนสามารถสร้างต่อได้”

วิธีการที่ Axiom สร้างตัวแทนเพื่อทำงานกับ Stacks —— ทำงานแบบขนานและเลือกงานด้วยตัวเอง —— คือสิ่งที่ Hong คาดหวังว่าจะเป็นรูปแบบการทำงานของ AI ในอนาคตจำนวนมาก เธอเชื่อว่าตัวแทน AI จำเป็นต้องมีฐานความรู้ที่มีโครงสร้างดีและสามารถนำกลับมาใช้ใหม่ได้ เพื่อหลีกเลี่ยงการผลิตเนื้อหาที่ไม่มีคุณภาพ

ฮองกล่าวว่า: “คุณต้องการให้ [ตัวแทน] มีคลังข้อมูลที่สามารถใช้ซ้ำได้ เพื่อให้พวกเขาสามารถสร้างต่อและผลักดันขอบเขตต่อไปเรื่อยๆ หากคุณเริ่มต้นด้วยการเลือกทางวิศวกรรมที่ไม่ดีและเติมสิ่งที่ไม่ดีลงไป พวกเขาก็จะยากที่จะขยายขอบเขตนั้น”

ฮองมีความมั่นใจอย่างมากกับวิธีการนี้ จนถึงขั้นท้าทายอย่างเปิดเผย เธอกล่าวว่า: “ฉันท้าทายบริษัทโปรแกรมทุกแห่งให้มาทำงานเชิงรูปแบบในขนาดนี้”

คำปฏิเสธความรับผิดชอบ: ข้อมูลในหน้านี้อาจได้รับจากบุคคลที่สาม และไม่จำเป็นต้องสะท้อนถึงมุมมองหรือความคิดเห็นของ KuCoin เนื้อหานี้จัดทำขึ้นเพื่อวัตถุประสงค์ในการให้ข้อมูลทั่วไปเท่านั้น โดยไม่มีการรับรองหรือการรับประกัน และจะไม่ถูกตีความว่าเป็นคำแนะนำทางการเงินหรือการลงทุน KuCoin จะไม่รับผิดชอบต่อความผิดพลาดหรือการละเว้นในเนื้อหา หรือผลลัพธ์ใดๆ ที่เกิดจากการใช้ข้อมูลนี้ การลงทุนในสินทรัพย์ดิจิทัลอาจมีความเสี่ยง โปรดประเมินความเสี่ยงของผลิตภัณฑ์และความเสี่ยงที่คุณยอมรับได้อย่างรอบคอบตามสถานการณ์ทางการเงินของคุณเอง โปรดดูข้อมูลเพิ่มเติมได้ที่ข้อกำหนดการใช้งานและเอกสารเปิดเผยข้อมูลความเสี่ยงของเรา