นักวิชาการชาวจีน ซู เว่ยเจี๋ย ได้รับรางวัล COPSS 2026: สร้างรากฐานทางสถิติที่เข้มงวดให้กับโมเดลภาษาขนาดใหญ่ เป็นชาวจีนคนแรกที่ได้รับรางวัลนี้ในรอบ 14 ปี

หลังจากเว้นว่างไป 14 ปี รางวัล COPSS Presidents’ Award ที่ได้รับการขนานนามว่าเป็น “รางวัลโนเบลสาขาสถิติ” ก็มีผู้ได้รับรางวัลที่เป็นชาวจีนอีกครั้ง

ในปี 2026 รางวัล COPSS ได้รับมอบให้กับศิษย์เก่ามหาวิทยาลัยปักกิ่ง และปัจจุบันเป็นรองศาสตราจารย์ที่มหาวิทยาลัยเพนซิลเวเนีย นามว่า ซู เว่ยเจี๋ย

คณะกรรมการรางวัลให้คำชื่นชมเขาว่า: “สร้างรากฐานทางสถิติที่เข้มงวดสำหรับการประยุกต์ใช้หลายด้านของโมเดลภาษาขนาดใหญ่ บรรลุความก้าวหน้าทางนวัตกรรมในการวิเคราะห์ข้อมูลเพื่อปกป้องความเป็นส่วนตัว และนำไปใช้สำเร็จในการสำรวจสำมะโนประชากรสหรัฐอเมริกาในปี 2020 ออกแบบกลไกการทบทวนโดยเพื่อนร่วมงานสำหรับการประชุม AI ชั้นนำ และนำมาใช้อย่างเป็นทางการใน ICML 2026 ดำเนินการวิจัยที่เป็นรากฐานในสาขาการหาค่าเหมาะที่สุดแบบนูน (convex optimization) และมีส่วนร่วมอย่างกว้างขวางและลึกซึ้งในทฤษฎีคณิตศาสตร์ของการเรียนรู้เชิงลึกและการอนุมานทางสถิติมิติสูง”

ในฐานะเกียรติยศสูงสุดในสาขาสถิติและวิทยาศาสตร์ข้อมูลระดับนานาชาติ รางวัล COPSS มีสถานะเทียบเท่ารางวัล Fields Medal ในวงการคณิตศาสตร์ มอบให้กับนักสถิติอายุต่ำกว่า 40 ปีเพียงคนเดียวในแต่ละปี รางวัลนี้ได้รับการคัดเลือกร่วมกันโดยห้าสมาคมสถิติชั้นนำ (สมาคมสถิติคณิตศาสตร์นานาชาติ IMS, สมาคมสถิติอเมริกัน ASA, สมาคมสถิติแคนาดา SSC และสมาคมชีวสถิติตะวันออกและตะวันตกของอเมริกา ENAR และ WNAR) โดยมีวัตถุประสงค์เพื่อยกย่องนักวิชาการที่มีผลงานโดดเด่นต่อทฤษฎี วิธีการ หรือการประยุกต์ใช้ทางสถิติ

ในประวัติศาสตร์ ผู้ได้รับรางวัล COPSS ล้วนเป็นบุคคลระดับปรมาจารย์ที่กำหนดทิศทางของสาขานี้ในเวลาต่อมา สถิติเป็นสาขาวิชาที่ชาวจีนมีความโดดเด่น เคยมีชาวจีนหลายคนได้รับรางวัล COPSS รวมถึง Liu Jun (ปัจจุบันเป็นผู้อำนวยการผู้ก่อตั้งภาควิชาสถิติและวิทยาศาสตร์ข้อมูล มหาวิทยาลัยชิงหวา) สมาชิกสถาบันวิทยาศาสตร์แห่งชาติสหรัฐอเมริกา ศาสตราจารย์สถิติมหาวิทยาลัยฮาร์วาร์ดที่เพิ่งกลับประเทศ Meng Xiao-Li คณบดีบัณฑิตวิทยาลัยศิลปศาสตร์และวิทยาศาสตร์ มหาวิทยาลัยฮาร์วาร์ด Cai Tianwen อดีตรองคณบดี Wharton School มหาวิทยาลัยเพนซิลเวเนีย และ Kou Xingchang ศาสตราจารย์สถิติตลอดชีพภาควิชาสถิติ มหาวิทยาลัยฮาร์วาร์ด อย่างไรก็ตาม ในช่วง 14 ปีที่ผ่านมาไม่มีชาวจีนได้รับรางวัลนี้ ซู เว่ยเจี๋ย เป็นผู้ได้รับรางวัลชาวจีนคนแรกในรอบ 14 ปี

ซู เว่ยเจี๋ย

ซู เว่ยเจี๋ย ปัจจุบันสอนอยู่ที่ภาควิชาสถิติและวิทยาศาสตร์ข้อมูล Wharton School มหาวิทยาลัยเพนซิลเวเนีย พร้อมทั้งดำรงตำแหน่งภาควิชาคณิตศาสตร์และภาควิชาวิทยาการคอมพิวเตอร์ในลักษณะพาร์ทไทม์ และเป็นผู้อำนวยการร่วมของศูนย์วิจัยการเรียนรู้ของเครื่องมหาวิทยาลัยเพนซิลเวเนีย

ในปี 2016 หลังจากสำเร็จการศึกษาระดับปริญญาเอกจากมหาวิทยาลัยสแตนฟอร์ด ซู เว่ยเจี๋ย ได้เข้าร่วมมหาวิทยาลัยไอวีลีกแห่งนี้โดยตรงโดยไม่ผ่านขั้นตอนหลังปริญญาเอก ในด้านการพัฒนาบุคลากร เขาได้ให้คำแนะนำแก่นักศึกษาหลายคนให้ก้าวเข้าสู่เส้นทางวิชาการ ซึ่งปัจจุบันสอนอยู่ที่มหาวิทยาลัยปักกิ่ง มหาวิทยาลัยชิงหวา มหาวิทยาลัยเซี่ยเหมิน และมหาวิทยาลัยชั้นนำอื่นๆ ในประเทศจีน

ในด้านเกียรติยศทางวิชาการ ซู เว่ยเจี๋ย เคยได้รับรางวัลและการยอมรับระดับสำคัญมากมาย รวมถึงรางวัลวิทยานิพนธ์ระดับปริญญาเอก Anderson รุ่นแรกของมหาวิทยาลัยสแตนฟอร์ด รางวัล NSF CAREER ของสหรัฐอเมริกา รางวัล Sloan Research Fellowship รางวัล Peter Hall Early Career Prize ของสมาคมสถิติคณิตศาสตร์นานาชาติ รางวัล SIAM Data Science Early Career Prize รุ่นแรก รางวัล ICBS Mathematics Frontier Paper Prize ของการประชุมวิทยาศาสตร์พื้นฐานนานาชาติ ICBS สมาชิก IMS Fellow และ Medallion Lecture ของสมาคมสถิติคณิตศาสตร์นานาชาติ และรางวัลเยาวชนดีเด่นจากการสัมมนาวิชาการสำหรับนักวิชาการรุ่นกลางและรุ่นเยาว์เพื่อทบทวนการพัฒนาคณิตศาสตร์จีน

จากมัธยมปลายถึงปริญญาตรี ก้าวสู่ความสำเร็จอย่างต่อเนื่อง

เส้นทางวิชาการของซู เว่ยเจี๋ย เริ่มฉายแววตั้งแต่สมัยเรียนมัธยมปลาย เมื่อตอนอยู่มัธยมศึกษาปีที่ 4 เขาเป็นตัวแทนของมณฑลเจ้อเจียงเข้าร่วมการแข่งขันคณิตศาสตร์โอลิมปิกของจีนและได้รับเหรียญเงิน จากนั้นได้รับสิทธิ์เข้าศึกษาในโครงการพื้นฐานวิทยาศาสตร์และคณิตศาสตร์ของมหาวิทยาลัยชิงหวาโดยไม่ต้องสอบเข้า นับเป็นนักเรียนคนแรกของโรงเรียนมัธยมหยูเหยาที่ได้รับสิทธิ์นี้ ประสบการณ์นี้ได้รับความสนใจอย่างกว้างขวางในพื้นที่หนิงโป มณฑลเจ้อเจียง ในช่วงมัธยมศึกษาปีที่ 6 ซู เว่ยเจี๋ย ได้รับเหรียญทองในการแข่งขันคณิตศาสตร์โอลิมปิกของจีน และได้รับสิทธิ์เข้าศึกษาในคณะวิทยาศาสตร์คณิตศาสตร์ของมหาวิทยาลัยปักกิ่งโดยไม่ต้องสอบเข้า พร้อมทั้งได้รับการคัดเลือกเข้าสู่ทีมฝึกอบรมระดับชาติ IMO ของจีน

ระหว่างปี 2007 ถึง 2011 ซู เว่ยเจี๋ย ศึกษาสาขาคณิตศาสตร์พื้นฐานที่คณะวิทยาศาสตร์คณิตศาสตร์ มหาวิทยาลัยปักกิ่ง และจบการศึกษาด้วยคะแนนอันดับหนึ่งของชั้นปี เพื่อนร่วมชั้นของเขารวมถึง Wang Hong, Deng Yu, Tang Yunqing และนักวิชาการรุ่นเยาว์ที่ต่อมาโดดเด่นในวงการคณิตศาสตร์ระดับนานาชาติ ชั้นปีนี้ถูกเรียกโดยผู้ชื่นชอบคณิตศาสตร์ในประเทศจีนว่าเป็นรุ่นทองที่สองหรือรุ่นแพลตตินั่มของคณะคณิตศาสตร์มหาวิทยาลัยปักกิ่ง แตกต่างจากเพื่อนบางส่วนที่ยังคงศึกษาคณิตศาสตร์บริสุทธิ์อย่างลึกซึ้ง ซู เว่ยเจี๋ย เลือกเส้นทางคณิตศาสตร์ประยุกต์และสถิติ และต่อมาได้รับเกียรติยศสูงสุดในสาขาสถิติและวิทยาศาสตร์ข้อมูล ถือเป็นการเติมเต็มภาพรวมของบุคลากรคณิตศาสตร์รุ่นนี้ในด้านคณิตศาสตร์ประยุกต์

ในช่วงปริญญาตรี เขาได้รับรางวัลเหรียญทอง全能 (Overall) ในการแข่งขันคณิตศาสตร์สำหรับนักศึกษาระดับปริญญาตรี Shing-Tung Yau รุ่นแรก นอกเหนือจากพื้นฐานคณิตศาสตร์บริสุทธิ์แล้ว ศักยภาพของซู เว่ยเจี๋ย ในด้านคณิตศาสตร์ประยุกต์ก็ปรากฏให้เห็นค่อนข้างเร็ว ในช่วงปริญญาตรี เขาเคยได้รับรางวัลในการแข่งขันการสร้างแบบจำลองทางคณิตศาสตร์หลายครั้ง ในปี 2010 เขาร่วมกับเพื่อนร่วมทีมเข้าร่วมการแข่งขันการสร้างแบบจำลองทางคณิตศาสตร์สำหรับนักศึกษาระดับปริญญาตรีของอเมริกา (MCM/ICM) และได้รับอันดับหนึ่งในเขตจีนแผ่นดินใหญ่

ความก้าวหน้าทางการวิจัยของซู เว่ยเจี๋ย ที่สแตนฟอร์ด

ระหว่างปี 2011 ถึง 2016 ซู เว่ยเจี๋ย ศึกษาระดับปริญญาเอกที่มหาวิทยาลัยสแตนฟอร์ด และได้รับทุนการศึกษาระดับสูงสุดของมหาวิทยาลัยสแตนฟอร์ด ในขณะเดียวกัน เขายังได้รับข้อเสนอเข้าศึกษาระดับปริญญาเอกจากมหาวิทยาลัยชั้นนำระดับโลกหลายแห่ง เช่น มหาวิทยาลัยฮาร์วาร์ด สถาบันเทคโนโลยีแมสซาชูเซตส์ และมหาวิทยาลัยพรินซ์ตัน

ในช่วงปริญญาเอก ซู เว่ยเจี๋ย เรียนภายใต้การดูแลของ Emmanuel Candes (ผู้ร่วมก่อตั้งสาขาการรับรู้แบบบีบอัด (compressed sensing) กับ Terence Tao) สมาชิกสถาบันวิทยาศาสตร์แห่งชาติสหรัฐอเมริกา ผู้ได้รับรางวัล Waterman Award และรางวัล MacArthur Fellowship ในช่วงแรกของการศึกษาปริญญาเอก เขาศึกษาการรับรู้แบบบีบอัด ก่อนที่การเรียนรู้เชิงลึกจะเฟื่องฟู ต้นทศวรรษ 2010 การรับรู้แบบบีบอัดเป็นทิศทางการวิจัยที่ได้รับความนิยมสูงสุดในด้านการเรียนรู้ของเครื่องและคณิตศาสตร์ประยุกต์

ในช่วงที่อยู่สแตนฟอร์ด ซู เว่ยเจี๋ย ยังร่วมมือกับ Stephen Boyd นักวิชาการด้านการหาค่าเหมาะที่สุดที่มีชื่อเสียงระดับนานาชาติ และเคยฝึกงานที่ Microsoft Research Silicon Valley Lab ภายใต้การดูแลของ Cynthia Dwork สมาชิกสองสถาบันของสหรัฐอเมริกา ผู้ได้รับรางวัล Gödel Prize และ Dijkstra Prize

เมื่อสำเร็จการศึกษาปริญญาเอก ซู เว่ยเจี๋ย ได้รับรางวัล Anderson Thesis Award ซึ่งเป็นรางวัลวิทยานิพนธ์สูงสุดของภาควิชาสถิติมหาวิทยาลัยสแตนฟอร์ด จากวิทยานิพนธ์ปริญญาเอกของเขา หลังจากสำเร็จการศึกษาปริญญาเอกในปี 2016 ซู เว่ยเจี๋ย ได้รับการว่าจ้างให้สอนที่ Wharton School มหาวิทยาลัยเพนซิลเวเนียโดยตรงโดยไม่ผ่านขั้นตอนหลังปริญญาเอก นับเป็นหนึ่งในนักวิชาการรุ่นเยาว์ไม่กี่คนที่ได้เข้าสอนในมหาวิทยาลัยไอวีลีกในปีที่สำเร็จการศึกษาปริญญาเอก

ความสำเร็จทางวิชาการ

การวิจัยของซู เว่ยเจี๋ย มีพื้นฐานมาจากการพิสูจน์ทางคณิตศาสตร์ที่เข้มงวด ศึกษาปัญหาล้ำหน้าต่างๆ เช่น ความสามารถในการสรุปทั่วไปของการเรียนรู้เชิงลึก การจัดตำแหน่งที่เชื่อถือได้ของโมเดลขนาดใหญ่ การคำนวณเพื่อปกป้องความเป็นส่วนตัว และการออกแบบกลไกการทบทวนทางวิชาการ ผ่านการสร้างกรอบทฤษฎีดั้งเดิม

ผู้นำทางคณิตศาสตร์ในสาขาปัญญาประดิษฐ์

ซู เว่ยเจี๋ย เป็นหนึ่งในนักวิชาการไม่กี่คนที่มีพื้นฐานด้านคณิตศาสตร์แต่มีบทบาทอย่างลึกซึ้งในแนวหน้าของปัญญาประดิษฐ์ ในปี 2026 เขาได้รับเชิญให้ดำรงตำแหน่ง Scientific Integrity Chair ของการประชุม AI ชั้นนำระดับนานาชาติ ICML เป็นผู้นำในการกำหนดนโยบายการทบทวนบทความสำหรับยุค AI ดูแลกระบวนการทบทวนบทความกว่า 24,000 เรื่อง ซึ่งแสดงให้เห็นถึงอิทธิพลหลักของเขาในแวดวงวิชาการ AI ระดับนานาชาติ

พื้นฐานทางสถิติและทฤษฎีการหาค่าเหมาะที่สุดสำหรับโมเดลขนาดใหญ่

การนำโมเดลขนาดใหญ่ไปใช้อย่างน่าเชื่อถือเป็นความท้าทายหลักของปัญญาประดิษฐ์ในปัจจุบัน เกี่ยวข้องกับการติดตามที่มาของเนื้อหาที่สร้างขึ้นและการจัดตำแหน่งตามความชอบของมนุษย์ ทีมของซู เว่ยเจี๋ย ได้กำหนดรูปแบบปัญหาสำคัญประเภทนี้อย่างเป็นระบบให้เป็นกรอบสถิติที่เข้มงวด พัฒนาวิธีการทดสอบสมมติฐานการตรวจจับลายน้ำที่เหมาะสมที่สุด และเสนอแผนการปรับให้เป็นมาตรฐานที่ไม่เอนเอียง (unbiased regularization) แบบแรกที่รับประกันการจัดตำแหน่งตามความชอบของมนุษย์ได้อย่างสมบูรณ์ บทความของเขาในฐานะผู้เขียนเดี่ยวเกี่ยวกับพื้นฐานทางสถิติของโมเดลขนาดใหญ่ได้ก่อให้เกิดการอภิปรายอย่างกว้างขวางบน X กรอบการวิเคราะห์ตัวเพิ่มประสิทธิภาพโครงสร้างเมทริกซ์ที่เขาเสนอเมื่อเร็วๆ นี้ก็ได้รับความสนใจอย่างร้อนแรงในชุมชนวิชาการเช่นกัน

ที่อยู่บทความ: https://arxiv.org/pdf/2505.19145

ที่อยู่บทความ: https://arxiv.org/pdf/2511.00674

ความก้าวหน้าทางทฤษฎีของการเรียนรู้ของเครื่องเพื่อปกป้องความเป็นส่วนตัว

เมื่อการเรียนรู้เชิงลึกพึ่งพาข้อมูลอ่อนไหวมากขึ้นเรื่อยๆ วิธีการรักษาประสิทธิภาพของโมเดลในขณะที่ปกป้องความเป็นส่วนตัวจึงกลายเป็นปัญหาหลัก กรอบงาน Gaussian Differential Privacy (GDP) ที่ซู เว่ยเจี๋ย และนักเรียนของเขาเสนอ สามารถอธิบายการสูญเสียความเป็นส่วนตัวในแต่ละรอบการทำซ้ำได้อย่างแม่นยำ และบรรลุความสมดุลที่เหมาะสมที่สุดระหว่างการปกป้องความเป็นส่วนตัวและความแม่นยำของโมเดล การประยุกต์ใช้ที่เป็นหมุดหมายสำคัญของกรอบงานนี้คือการสำรวจสำมะโนประชากรสหรัฐอเมริกาในปี 2020 ซึ่งเป็นการปฏิบัติการ differential privacy ที่ใหญ่ที่สุดในโลกจนถึงปัจจุบัน การวิจัยแสดงให้เห็นว่าในระดับการปกป้องความเป็นส่วนตัวเดียวกัน ความแปรปรวนของสัญญาณรบกวนสามารถลดลงได้ประมาณ 15% ซึ่งช่วยเพิ่มมูลค่าการใช้งานข้อมูลสำมะโนประชากรในการวิจัยทางเศรษฐศาสตร์และสังคมศาสตร์อย่างมีนัยสำคัญ ผลงานนี้ได้รับการตีพิมพ์ใน Proceedings of the National Academy of Sciences (PNAS)

ที่อยู่: https://www.pnas.org/doi/abs/10.1073/pnas.2500337122

การออกแบบกลไกการทบทวนทางวิชาการด้าน AI

เมื่อเผชิญกับปัญหาคู่ของการเพิ่มขึ้นอย่างรวดเร็วของจำนวนบทความที่ส่งไปยังการประชุม AI ชั้นนำและการลดลงของคุณภาพการทบทวน กลไกการรักษาลำดับ (保序机制) ที่ซู เว่ยเจี๋ย เสนอ ได้สร้างกระบวนทัศน์ใหม่ของ “ผู้เขียนมีส่วนร่วมในการทบทวน” กลไกนี้กำหนดให้ผู้เขียนจัดลำดับคุณภาพของบทความหลายบทความที่ตนเองส่ง และได้พิสูจน์อย่างเข้มงวดในกรอบทฤษฎีเกมว่ามีความเข้ากันได้กับแรงจูงใจ (incentive compatibility) นั่นคือการรายงานลำดับที่แท้จริงเป็นกลยุทธ์ที่ดีที่สุดสำหรับผู้เขียน การออกแบบนี้เปลี่ยนผู้เขียนและผู้ทบทวนซึ่งเดิมเป็นฝ่ายตรงข้ามให้เป็นฝ่ายร่วมมือที่ข้อมูลเสริมกัน กลไกนี้ได้ถูกนำมาใช้อย่างเป็นทางการใน ICML 2026 แล้ว

ที่อยู่บทความ: https://arxiv.org/pdf/2110.14802

การวางรากฐานทางทฤษฎีสำหรับอัลกอริทึมเร่งการหาค่าเหมาะที่สุดแบบนูน

งานบุกเบิกของซู เว่ยเจี๋ย ในทฤษฎีการหาค่าเหมาะที่สุด ได้นำอัลกอริทึมเร่งการหาค่าเหมาะที่สุดแบบนูนแบบไม่ต่อเนื่อง (discrete convex optimization acceleration algorithms) เข้าสู่กรอบการวิเคราะห์สมการเชิงอนุพันธ์ต่อเนื่อง สร้างความเชื่อมโยงทางคณิตศาสตร์ที่ลึกซึ้งอย่างเป็นระบบระหว่างสองสาขาหลักนี้ นั่นคือการวิเคราะห์เชิงตัวเลขและการหาค่าเหมาะที่สุด ผลงานนี้ได้กลายเป็นคลาสสิกระดับตำราของแวดวงคณิตศาสตร์ประยุกต์ ในการประชุมนักคณิตศาสตร์นานาชาติปี 2018 Michael Jordan ปรมาจารย์ด้านการเรียนรู้ของเครื่อง ได้นำเสนอผลงานนี้เป็นพิเศษในรายงานปาฐกถาหนึ่งชั่วโมงของเขา เป็นที่น่าสังเกตว่าผลงานล้ำสมัยล่าสุดของ Ernest Ryu นักวิจัยของ OpenAI ในด้าน AI for Math ก็มีพื้นฐานมาจากกรอบการวิเคราะห์การห

⚠️ หมายเหตุ: เนื้อหาได้รับการแปลโดย AI และตรวจสอบโดยมนุษย์ หากมีข้อผิดพลาดโปรดแจ้ง