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”


