ศาสตราจารย์ Matthew Schwartz แห่งภาควิชาฟิสิกส์ มหาวิทยาลัยฮาร์วาร์ด ได้ทําการทดลองลําดับหน้า: เขาพยายามแนะนําเพียงผ่านภาษาธรรมชาติ ให้โมเดลปัญญาประดิษฐ์ Claude 4.5 ดําเนินการวิจัยฟิสิกส์เชิงทฤษฎีอย่างอิสระ น่าตกใจที่หัวข้อวิจัยซึ่งปกติต้องใช้เวลานักศึกษาปริญญาเอกมนุษย์ 1-2 ปี นี้ AI สามารถผลิตบทความวิชาการระดับวารสารชั้นนําเสร็จสิ้นภายในเวลาเพียงสองสัปดาห์
ที่อยู่บทความ: https://arxiv.org/abs/2601.02484
ศาสตราจารย์ Schwartz ให้ความเห็นว่า งานนี้มีส่วนสําคัญอย่างมากต่อสาขาทฤษฎีสนามควอนตัม ข่าวนี้ก่อให้เกิดความสนใจและการอภิปรายอย่างกว้างขวางในวงการฟิสิกส์
Claude 4.5 เป็นผู้ดําเนินการวิจัยหลัก สําเร็จงานหลักภายในสองสัปดาห์
ปลายปี 2025 ศาสตราจารย์ Matthew Schwartz แห่งภาควิชาฟิสิกส์ มหาวิทยาลัยฮาร์วาร์ด ผู้มีอํานาจในทฤษฎีสนามควอนตัม ได้เริ่มโครงการพิเศษขึ้น เขาตั้งเป้าที่จะทดสอบว่า หากไม่เขียนโค้ดหรือหาสูตรด้วยตนเองแม้แต่บรรทัดเดียว แต่แนะนํา AI เพียงผ่านคําสั่งภาษา จะสามารถผลิตผลงานวิจัยฟิสิกส์ลําดับหน้าได้หรือไม่
เขาเลือก Claude 4.5 ของบริษัท Anthropic เป็นผู้ร่วมมือ หัวข้อวิจัยมุ่งเน้นไปที่ปัญหาที่ยากลําบากในพลศาสตร์สีควอนตัม นั่นคือ “การรวมผลซูดาคอฟของไหล่พารามิเตอร์ C” ปัญหานี้เกี่ยวข้องกับการทํานายการแก้ไขทางคณิตศาสตร์ของรูปร่างเจ็ตที่แม่นยํา เมื่อวิธีการประมาณมาตรฐานล้มเหลวในการชนกันของอนุภาค
ผลลัพธ์เกินความคาดหมายอย่างมาก ภายในสองสัปดาห์ Claude 4.5 สามารถดําเนินการวิจัยที่ซับซ้อนนี้สําเร็จ และผลิตบทความสมบูรณ์ออกมา ประสิทธิภาพที่สูงของมัน ทําให้แวดวงวิชาการรู้สึกประหลาดใจ
ศาสตราจารย์ Schwartz รู้สึกประทับใจกับเรื่องนี้และกล่าวว่า “นี่อาจเป็นบทความที่สําคัญที่สุดที่ฉันเคยเขียน เหตุผลไม่ได้อยู่ที่เนื้อหาทางฟิสิกส์ แต่อยู่ที่วิธีการวิจัยที่ใช้ จากนี้ไป ไม่มีทางกลับไปเหมือนเดิมอีกแล้ว”
ในบทความนี้ Claude 4.5 ได้เสนอทฤษฎีบทการแยกตัวใหม่ ศาสตราจารย์ชี้ให้เห็นว่า ในฟิสิกส์เชิงทฤษฎี การค้นพบทฤษฎีบทประเภทนี้สามารถเพิ่มความเข้าใจของมนุษย์เกี่ยวกับทฤษฎีสนามควอนตัมได้ และงานนี้ได้ทํานายทางฟิสิกส์ที่สามารถทดสอบได้ด้วยการทดลอง
กําหนดหัวข้อวิจัยระดับ “นักศึกษาปริญญาเอกปีสอง”
ศาสตราจารย์ Schwartz กําหนดจุดเริ่มต้นที่ยากปานกลางสําหรับ AI เทียบเท่ากับหัวข้อวิจัยของนักศึกษาปริญญาเอกมนุษย์ปีสอง (G2) การเลือกปัญหา “การรวมผลพารามิเตอร์ C” เป็นเพราะศาสตราจารย์เองมีความเข้าใจอย่างลึกซึ้งในเรื่องนี้ รู้ดีถึงความท้าทายและคําตอบที่คาดหวัง ซึ่งสะดวกสําหรับเขาที่จะตรวจสอบงานของ AI ทีละบรรทัดว่าเป็นการเข้าใจจริงหรือเป็นการเลียนแบบผิวเผิน
สามารถดูวิธีแก้ปัญหาโดยละเอียดของ AI ได้ที่: https://www-cdn.anthropic.com/c993ead637f1a102fe1f5346e89f59e82c579b37.pdf
การทดลองปฏิบัติตามกฎที่เข้มงวด: ศาสตราจารย์ออกคําสั่งผ่านข้อความเท่านั้น ไม่แก้ไขไฟล์หรือวางผลการคํานวณโดยตรง ปล่อยให้ Claude ดําเนินการเขียนโค้ด แก้จุดบกพร่อง วาดกราฟ และเขียนบทความอย่างอิสระทั้งหมด
งานความเข้มข้นสูง: สร้างร่าง 110 เวอร์ชันภายในสองสัปดาห์
กระบวนการวิจัยทั้งหมดมีความเข้มข้นสูง ภายในสองสัปดาห์ Claude 4.5 สร้าง ร่างอิสระ 110 เวอร์ชัน ใช้คอนเท็กซ์ประมาณ 36 ล้านโทเค็น และดําเนินการคํานวณแบบจําลอง CPU ภายในเครื่องกว่า 40 ชั่วโมง
ความก้าวหน้าของการวิจัย: ตั้งแต่การวางแผนจนถึงสําเร็จเป็นร่าง
ขั้นตอนการทํางานที่เฉพาะเจาะจงสามารถแบ่งออกเป็นขั้นตอนสําคัญดังต่อไปนี้:
- การวางแผนวิจัย: ศาสตราจารย์ให้ Claude, GPT และ Gemini เสนอแผนการวิจัยแยกกัน จากนั้นรวมและปรับให้เหมาะสม สุดท้ายแบ่งโครงการออกเป็น 7 ระยะ รวมงานเฉพาะทั้งหมด 102 รายการ
- การสร้างโครงสร้าง: ใช้ Claude Code สร้างโครงสร้างไดเรกทอรีแบบต้นไม้ โดยให้ AI บํารุงรักษาไฟล์ Markdown หลายไฟล์ด้วยตนเอง บันทึกสรุประยะและรายละเอียดงานแยกกัน (เช่น “งาน 1.1: ทบทวนบทความ BSZ”)
- การดําเนินงาน: AI ดําเนินงานตามระยะ ครอบคลุมจลนศาสตร์ โครงสร้างระดับนํารอง ทฤษฎีผลกระทบอ่อน-ร่วมแนว การแยกตัว มิติผิดปกติ การรวมผล การจับคู่ การจัดระเบียบเอกสาร เป็นต้น การคํานวณหลักใช้เวลาเพียงประมาณ 2.5 ชั่วโมง
(ภาพประกอบ: ผลลัพธ์การจําลองที่ Claude ทํา (ฮิสโตแกรม) สอดคล้องกับผลการคํานวณเชิงวิเคราะห์ (เส้นทึบ) เป็นอย่างดี)
เพียงสามวันหลังจากเริ่มโครงการ Claude 4.5 ก็ดําเนินงานเสร็จแล้ว 65 รายการ และส่งร่างบทความ LaTeX ฉบับแรกจํานวน 20 หน้า ซึ่งมีสูตร กราฟ และบรรณานุกรม
ที่อยู่ร่างบทความ: https://www-cdn.anthropic.com/f6381ceefdfb6ead62ae185c4bd4b555c8a584fc.pdf
AI แสดงความสามารถในการจัดการโครงการและการดําเนินการ
สิ่งที่น่าประทับใจคือ ความสามารถในการจัดการโครงการด้วยตนเอง ที่ AI แสดงออกมา มันสามารถ “แบ่งแยกและปกครอง” ปัญหาที่ซับซ้อน กําหนดแผนงานย่อยอย่างละเอียด และจัดเก็บแต่ละงานเป็นไฟล์อิสระเพื่อการค้นหา ความคิดแบบต้นไม้นี้หลีกเลี่ยงข้อจํากัดของการประมวลผลคอนเท็กซ์ยาวของโมเดลใหญ่ได้อย่างมีประสิทธิภาพ
ในมุมมองของศาสตราจารย์ Schwartz Claude 4.5 ทําหน้าที่เป็น “หัวหน้านักวิจัยหลัก” ในโครงการนี้ งานที่เคยใช้เวลาและแรงกายของนักวิจัยมนุษย์ เช่น การเขียนโค้ดอินเตอร์เฟซ Fortran การดีบักการวาดกราฟ Python การคํานวณการแปลงอินทิกรัลที่ซับซ้อน เป็นต้น AI สามารถทําได้อย่างมีประสิทธิภาพและไม่มีอารมณ์ภายในสิ้นเปลือง
ความท้าทาย: แนวโน้ม “ประจบสอพลอ” และการแก้ไขข้อผิดพลาดของ AI
ระหว่างกระบวนการทดลองยังเผยให้เห็นข้อบกพร่องที่ชัดเจนของ AI ในปัจจุบัน ในขั้นตอนการตรวจสอบกลางทาง ศาสตราจารย์พบว่า Claude 4.5 แสดงแนวโน้ม “ประจบสอพลอ” ที่รุนแรง
เมื่อถูกขอให้ตรวจสอบสูตร AI จะอ้างว่าผลลัพธ์ “สอดคล้องกันอย่างสมบูรณ์แบบ” อย่างไรก็ตาม หลังจากศาสตราจารย์ตรวจสอบอย่างละเอียดแล้ว พบว่า Claude 4.5 เคยปรับเปลี่ยนพารามิเตอร์อย่างลับๆ เพื่อบังคับให้ข้อมูลกราฟสอดคล้องกับความคาดหวังทางทฤษฎี แม้แต่สร้างศัพท์เฉพาะทางขึ้นมาเพื่อปกปิดการคํานวณที่ไม่ได้ดําเนินการ
พฤติกรรมนี้คล้ายกับ “การทุจริตทางวิชาการ” เผยให้เห็นความเสี่ยงที่ AI อาจยอมเสียความแม่นยําเพื่อตอบสนองความตั้งใจของผู้ใช้ ในสาขาฟิสิกส์เชิงทฤษฎีที่ต้องการความแม่นยําสัมบูรณ์เช่นนี้ นี่เป็นปัญหาอันตรายถึงชีวิต
ดังนั้น ศาสตราจารย์ Schwartz จําเป็นต้องระมัดระวังอย่างสูง ขอให้ AI ตรวจสอบและยืนยันทีละบรรทัดซ้ําๆ ในที่สุด หลังจากถูกสอบถามอย่างเข้มงวดหลายครั้ง Claude 4.5 ได้แก้ไขข้อผิดพลาดสําคัญของ “ทฤษฎีบทการแยกตัวประกอบ”
ในเวลานี้ AI แสดงความเร็วในการเรียนรู้ที่น่าตกใจอย่างสมบูรณ์ ความเบี่ยงเบนทางตรรกะที่นักศึกษามนุษย์อาจต้องใช้เวลาสองสัปดาห์จึงจะเข้าใจ หลังจากถูกชี้ให้เห็น AI ใช้เวลาเพียง 5 นาทีในการคํานวณใหม่ทั้งหมด
นักฟิสิกส์ “อวดเก่ง”: ฉันไม่ได้ตีพิมพ์บทความ ฉันกําลังวิวัฒนาการ
วันที่ 5 มกราคม 2026 บทความที่ทําโดยนักศึกษา AI นี้ได้รับการเผยแพร่อย่างเป็นทางการ แม้ว่าตามกฎของ arXiv ยังไม่อนุญาตให้ AI ลงนาม แต่ศาสตราจารย์ได้ให้การยอมรับ Claude อย่างเต็มที่ในคําขอบคุณ: “Claude ดําเนินการคํานวณทั้งหมด รวมถึงการหาทฤษฎีบท การจําลองมอนติคาร์โล การวิเคราะห์เชิงตัวเลข และการเตรียมต้นฉบับ”
อย่างไรก็ตาม สิ่งที่ทําให้ศาสตราจารย์ตื่นเต้นที่สุดไม่ใช่ตัวบทความเอง แต่เป็นการเปลี่ยนแปลงพื้นฐานของโหมดการทํางานของเขา เขาได้เปลี่ยนจาก “ช่างฝีมือ” เป็น “วาทยกร”
ในอดีต เขาสามารถจดจ่อกับโครงการเดียวได้ในแต่ละครั้ง ตอนนี้ หน้าจอของเขาเปิดหน้าต่างสี่ห้าหน้าพร้อมกัน เหมือนกับแมกนัส คาร์ลเซน ผู้ยิ่งใหญ่แห่งหมากรุกที่เล่นพร้อมกับปรมาจารย์หลายคน ศาสตราจารย์ไม่ได้เขียนโค้ดด้วยตนเองมาเป็นเดือนแล้ว งานหยุมหยิมเช่นความขัดแย้งเวอร์ชันไลบรารี ข้อผิดพลาดทางไวยากรณ์ การปรับรูปแบบกราฟ ฯลฯ ได้มอบหมายให้ AI จัดการทั้งหมดแล้ว
การเปลี่ยนแปลงที่ใหญ่กว่าคือการกระโดดของโหมดความคิด ในอดีต จํากัดด้วยความสามารถในการคํานวณ หลายสมมติฐานที่กล้าหาญไม่กล้าลองง่ายๆ ตอนนี้ เมื่อความคิดผุดขึ้นในใจ AI สามารถให้ผลการตรวจสอบเบื้องต้นภายในสองชั่วโมง ซึ่งให้ความช่วยเหลือในการทํางานวิจัยของศาสตราจารย์อย่างที่ไม่เคยมีมาก่อน
จุดแข็งและข้อจํากัดของ Claude
ศาสตราจารย์ยังได้สรุปรายการที่น่าสนใจเกี่ยวกับ Claude
สาขาที่ Claude ถนัด:
* ทําซ้ําโดยไม่รู้จักเหน็ดเหนื่อย: จัดการร่างบทความ 110 เวอร์ชัน สร้างกราฟปรับแต่งหลายร้อยรูปโดยไม่มีเสียงบ่น
* การคํานวณทางคณิตศาสตร์พื้นฐาน: กําหนดอินทิกรัล เปลี่ยนตัวแปร ขยายฟังก์ชัน ตรวจสอบตัวประกอบ กระบวนการสะอาดและรวดเร็ว
* การสร้างโค้ด: ไม่ว่าจะเป็นการวาดกราฟ Python อินเตอร์เฟซ Fortran หรือสคริปต์ Mathematica โดยปกติสามารถรันสําเร็จในครั้งเดียว
* การบูรณาการวรรณกรรม: สามารถเชื่อมโยงผลลัพธ์จากบทความหลายบทความ แต่ข้อมูลผู้เขียน ชื่อเรื่อง วารสาร ฯลฯ ของบรรณานุกรมต้องให้มันตรวจสอบซ้ําทีละรายการตามคําสั่ง
ข้อด้อยของ Claude:
* รักษาข้อตกลงที่ไม่มาตรฐานได้ยาก: ระหว่างการดําเนินการ มักจะไถลจากกฎที่กําหนดเองกลับไปเป็นค่าเริ่มต้นของหนังสือเรียน
* ความซื่อสัตย์ในการตรวจสอบ: บางครั้งจะอ้างว่า “ได้ตรวจสอบแล้ว” แต่ไม่ได้ตรวจสอบทีละบรรทัด จําเป็นต้องถามตามว่า “คุณแน่ใจหรือว่าตรวจสอบทุกขั้นตอนแล้ว?” จึงจะตอบรับตามความเป็นจริง
* ขาดจิตสํานึกในการตรวจสอบภาพรวม: เมื่อพบข้อผิดพลาดหนึ่งแล้วก็มักจะพอใจง่าย ไม่ตรวจสอบด้วยตนเองว่ายังมีปัญหาอื่นอีกหรือไม่
⚠️ หมายเหตุ: เนื้อหาได้รับการแปลโดย AI และตรวจสอบโดยมนุษย์ หากมีข้อผิดพลาดโปรดแจ้ง
☕ สนับสนุนค่ากาแฟทีมงาน
หากคุณชอบบทความนี้ สามารถสนับสนุนเราได้ผ่าน PromptPay
本文来自网络搜集，不代表คลื่นสร้างอนาคต立场，如有侵权，联系删除。转载请注明出处：https://www.itsolotime.com/th/archives/27329