GPT-5.5 เปิดโหมดคลั่ง 150 ชั่วโมง ท้าชน AlphaFold2 เจ้าของรางวัลโนเบล! สร้างอัลกอริทึมโทโพโลยีใหม่ พลิกโฉมการพยากรณ์โปรตีน นักวิทยาศาสตร์ AI ก้าวกระโดดอย่างบ้าคลั่ง

มีคนแชร์โปรเจกต์โอเพนซอร์ส: GPT-5.5 ทำงานต่อเนื่อง 150 ชั่วโมง ท้าทาย AlphaFold2 ระดับรางวัลโนเบลด้วยตัวเอง! มันใช้แนวคิด “ซิมเพล็กซ์” จากทอพอโลยีเพื่อปรับโครงสร้างตรรกะการพับโปรตีนใหม่ แม้ประสิทธิภาพยังไม่ถึงจุดสูงสุด แต่ก็แสดงศักยภาพอันน่าหวาดหวั่นของนักวิทยาศาสตร์ AI: การย้อนกลับระดับวินาที, ไม่มีอารมณ์รบกวน, และวิวัฒนาการอัตโนมัติเต็มรูปแบบ กระบวนทัศน์การวิจัยกำลังจะเปลี่ยนไปจริงๆ

เมื่อเร็วๆ นี้ โปรเจกต์โอเพนซอร์สชื่อ SimplexFold บน GitHub กลายเป็นที่ฮือฮาอย่างกะทันหัน

ในรายชื่อผู้ร่วมเขียน มีชื่อหนึ่งปรากฏขึ้นอย่างเด่นชัด—GPT-5.5

วิศวกร机器学习ของ Meta และแฮกเกอร์ฮาร์ดคอร์ในชุมชนโอเพนซอร์ส Chris Hayduk เปิดเผย: เขาให้ GPT-5.5 เปิดใช้งาน “โหมดเป้าหมายอัตโนมัติเต็มรูปแบบ” โดยไม่มีการแทรกแซงของมนุษย์ มันทำงานอย่างบ้าคลั่งต่อเนื่องนานกว่า 150 ชั่วโมง!

ภารกิจสูงสุดมีเพียงอย่างเดียว: สวมบทบาทเป็นนักวิทยาศาสตร์ซิลิคอน เพื่อท้าทาย ปรับโครงสร้าง และแม้กระทั่งล้มล้างตำนานอุตสาหกรรมที่เพิ่งคว้ารางวัลโนเบล—AlphaFold2

ในการ “วิ่งมาราธอนสุดบ้าคลั่ง” ที่ยาวนานหลายวันนี้ GPT-5.5 แสดงให้เห็นถึงความเป็นอิสระในการวิจัยที่น่าทึ่ง: มันวิเคราะห์บทความด้วยตัวเอง, ออกแบบโทโพโลยีเครือข่ายด้วยตัวเอง, หาสูตรเรขาคณิตด้วยตัวเอง, ดัดแปลงโค้ด PyTorch ด้วยตัวเอง, และรันเทรนนิ่งด้วยตัวเอง

ยิ่งไปกว่านั้น เมื่อเจอกับโอเวอร์ฟิตติ้งรุนแรง มันแสดงให้เห็นถึงปาฏิหาริย์ “การสรุปทั่วไปโดยธรรมชาติ” ที่แม้แต่ผู้เชี่ยวชาญมนุษย์ก็อธิบายไม่ได้ทั้งหมด!

ข้อบกพร่องสำคัญของ AI รางวัลโนเบล: AlphaFold2 พลาดอะไรไป?

เพื่อเข้าใจว่าทำไม GPT-5.5 ถึงต้องจัดการกับ AlphaFold2 เราต้องดูก่อนว่า “ยักษ์ใหญ่ในวงการ” มีข้อเสียอะไร

ในปี 2024 AlphaFold2 คว้ารางวัลโนเบลสาขาเคมีด้วยความแม่นยำในการทำนายโครงสร้างผลึกที่ไม่มีใครโต้แย้ง

อาวุธหลักของมันคือโมดูล Evoformer

ภายใน Evoformer มีกลไกการอนุมาน “คู่เรซิดิว (Residue Pairs)” และ “สามเหลี่ยม (Triangle)” ที่ทรงพลังมาก

โมเดลจับคู่กรดอะมิโนของโปรตีนเป็นคู่ๆ และใช้เทนเซอร์คู่อันดับสอง Pair Tensor Z_{ij} เพื่อแสดงความสัมพันธ์ระหว่างพวกมัน ในทฤษฎีกราฟ นี่เทียบเท่ากับ “ขอบ (Edge)” ของโปรตีน

กลไก “การอัปเดตสามเหลี่ยม (Triangle Updates)” ที่มีชื่อเสียง ใช้การเพิ่มเรซิดิวตัวที่สาม เพื่อปรับและเสริมความสอดคล้องทางเรขาคณิตเชิงพื้นที่ระหว่างขอบเหล่านี้ซ้ำๆ (เช่น บังคับให้ความยาวด้านของเรซิดิว i, j, k เป็นไปตามความสัมพันธ์ของสามเหลี่ยม)

แต่ราคาที่ต้องจ่ายเบื้องหลังความประณีตคือ: การลืม

AlphaFold2 ที่มีอยู่ หลังจากคำนวณสามเหลี่ยมที่ซับซ้อนมากแล้ว ก็ทำสิ่งที่ “ขี้เกียจ” มาก—มันยัดผลลัพธ์กลับเข้าไปใน “ขอบ (Z_{ij})” อันดับหนึ่งอีกครั้ง

นั่นคือ ภายใน AlphaFold2 ไม่มี การรักษาสถานะ “การแสดงระดับสูง” ที่คงอยู่และอัปเดตอย่างต่อเนื่องสำหรับพื้นผิวสามเหลี่ยมทั้งหมด (i,j,k) หรือหน่วยทรงสี่หน้า (i,j,k,l)

มันเหมือนช่างฝีมือที่ความจำสั้นแค่ 3 วินาที แม้จะใช้ “ไม้ฉากสามเหลี่ยม” ที่แม่นยำวัดมุมทุกครั้งที่ก่ออิฐ แต่พอวัดเสร็จก็ทิ้งไม้ฉาก สิ่งที่จำได้ในหัวก็ยังมีแค่ “อิฐ A กับอิฐ B อยู่ใกล้กันแค่ไหน”

นี่คือเขตหวงห้ามหลักของ AlphaFold2 และเป็น “เพดานที่มองไม่เห็น” ที่จำกัดไม่ให้มันก้าวหน้าไปอีกในการแสดงออกทางทอพอโลยีเชิงพื้นที่ระดับจุลภาค

และ GPT-5.5 หลังจากอ่านเอกสารชีวสารสนเทศนับไม่ถ้วน ก็จ้องมองจุดบอดนี้อย่างเฉียบคม

คำถามหลักของโปรเจกต์ SimplexFold จึงเกิดขึ้น—

ถ้าในโครงข่ายประสาทเทียม เราสอนให้โมเดลเรียนรู้ รักษา และอัปเดตสถานะคงอยู่ของ “พื้นผิวสามเหลี่ยม” และ “หน่วยทรงสี่หน้า” ทั้งหมดโดยตรง จะเกิดอะไรขึ้น?

**

**

ใช้คณิตศาสตร์ลดความซับซ้อนทางชีววิทยา

เพื่อแก้ปัญหานี้ GPT-5.5 นำเสนอแนวคิดที่โดดเด่นในทอพอโลยีสมัยใหม่—ซิมเพล็กซ์ (Simplex)

ชื่อฟังดูสูงส่ง แต่ความหมายโดยสัญชาตญาณนั้นบริสุทธิ์มาก: ซิมเพล็กซ์คือรูปทรงเรขาคณิตที่ง่ายที่สุดในมิติใดมิติหนึ่ง

หน้าโปรเจกต์ใช้ตารางที่สง่างามมาก แสดงให้เห็นว่าโครงสร้างโปรตีนถูก “ทำให้เป็นซิมเพล็กซ์” ได้อย่างไร

โครงข่ายประสาทเทียมโปรตีนที่มีอยู่ส่วนใหญ่ โดยพื้นฐานแล้วเป็นเพียง โครงข่ายประสาทกราฟ ทั่วไป

ในภาษาทอพอโลยี พวกมันเป็นแค่ “1-โครงกระดูก” ที่โดดเดี่ยว—มีแค่โหนด (จุด) และความสัมพันธ์ (ขอบ)

แต่ชีวิตไม่ใช่ตาข่ายที่ทำจากลวดเส้นเล็กๆ ชีวิตคือวัตถุสามมิติที่สมบูรณ์

การพับโปรตีนและการพันของสายโพลีเปปไทด์ เต็มไปด้วยข้อจำกัดทางกายภาพแบบสามตัว สี่ตัว หรือหลายตัวอย่างเข้มงวด เช่น มุมของสายหลัก การบิดของมุมไดฮีดรัล เรขาคณิตของพัดในการพับแบบเบตา การอัดแน่นของแกนกลางที่ไม่ชอบน้ำ การจัดเรียงเชิงพื้นที่ของโซ่ข้างเรซิดิวเฉพาะที่ และแม้กระทั่งโพรงภายในและไคราลิตี

ถ้าใช้แค่ “ขอบ” ในการแสดง โมเดลต้องเดาคุณสมบัติระดับสูงเหล่านี้ผ่านทางอ้อมนับไม่ถ้วน

แต่ถ้าแนะนำ “ซิมเพล็กซ์” “คุณสมบัติพื้นผิว (Face Feature)” สามารถพูดได้อย่างตรงไปตรงมา: “เรซิดิว i, j, k สร้างพื้นผิวที่หันเข้าหากันเฉพาะที่ พื้นที่ของมันคือเท่าไร ระบบมุมภายในเป็นอย่างไร”

“คุณสมบัติทรงสี่หน้า (Tetra Feature)” สามารถตะโกนได้โดยตรง: “เรซิดิว i, j, k, l สร้างแกนกลางบรรจุภัณฑ์สามมิติที่กะทัดรัด ปริมาตรของมันเป็นบวกหรือลบ (แทนทิศทางไคราลิตี) โปรไฟล์การกีดขวางเชิงพื้นที่คืออะไร!”

นี่คือการเดิมพันครั้งใหญ่ของ SimplexFold: โดยการแนะนำสถานะทอพอโลยีระดับสูงอย่างชัดเจน (จุด ↔ ขอบ ↔ พื้นผิว ↔ ทรงตัน) เพื่อใส่ความเอนเอียงทางเรขาคณิตที่ทรงพลังให้กับโครงข่ายประสาทเทียม ดังนั้นจึงใช้ข้อมูลน้อยลง โครงสร้างที่สง่างามขึ้น เพื่อบีบความแม่นยำสุดท้ายของการพับสายหลักโปรตีน!

วิจัยอัตโนมัติ 150 ชั่วโมง GPT-5.5 ปรับอะไรบ้าง?

เนื้อหาข้างต้นอาจดูเป็นมืออาชีพเกินไป เข้าใจยากไหม?

ผู้ใช้ X Michael Hla ถามออนไลน์: “ใน 150 ชั่วโมงนี้ AI ปรับแต่งอะไรที่ฮาร์ดคอร์บ้าง?”

ผู้เขียน Chris Hayduk เปิดเผย “ผลงานวิจัย” ของ GPT-5.5 อย่างใจกว้าง

ในการออกแบบดั้งเดิม การส่งข้อมูลของ SimplexFold ค่อนข้างหยาบ: ขอบ (Edge) ➡️ พื้นผิว (Face) ➡️ ทรงตัน (Tetra) ➡️ พื้นผิว (Face) ➡️ กลับไปที่ขอบและจุด

เหมือนกับทุกคนประชุมเสร็จ สุดท้ายส่งตัวแทนเขียนสรุปแบบรวมๆ แล้วยัดข้อมูลระดับสูงกลับไปเป็นคุณสมบัติเดี่ยวหนึ่งมิติอย่างหยาบๆ

และ GPT-5.5 ทำงานล่วงหน้าอย่างบ้าคลั่ง 150 ชั่วโมง ปรับโครงสร้างเส้นทางการสื่อสารทั้งหมดอย่างละเอียด! มันออกแบบ “กลไกการเขียนกลับที่มีโครงสร้างสูง”

ตอนนี้ สามเหลี่ยมและทรงสี่หน้าที่ถูกเลือก เมื่อส่งข้อมูลกลับมา จะไม่ใช่การเทแบบ “รวมทุกอย่าง” อีกต่อไป พวกมันต้องส่งผ่านขอบเขตที่แท้จริงของตัวเองอย่างแม่นยำ

AI ยังเพิ่ม การเกตที่รับรู้เรขาคณิตและคำใบ้ความสนใจสามเหลี่ยมอ่อน อย่างใส่ใจ

นี่อัปเกรด “เกมส่งข้อความ” ที่หยาบๆ ให้เป็น “เครือข่ายการสื่อสารสามมิติระดับสูง” ที่มีการนำทางแม่นยำและมีทิศทางเชิงพื้นที่

**

**

พลิกผันและกินข้าวโพด

สำหรับโปรเจกต์ที่ระเบิดนี้ ผู้เชี่ยวชาญด้านเทคนิคและคนกินข้าวโพดทางอินเทอร์เน็ตต่างพูดคุยกันทันที

ข้อสงสัยที่หนึ่ง: เดี๋ยวก่อน กราฟการทดลองนี้ทำไมดูเหมือนข้ามเวลา?

ในแผนภาพกระบวนการทดลองอัตโนมัติที่ผู้เขียนโพสต์ มีผู้ใช้ตาดีสังเกตเห็นปรากฏการณ์ประหลาด

“อะไรกัน? ดูใกล้การรันครั้งที่ 80 เส้นโค้งทำไมย้อนกลับกะทันหัน? มันกลับไปในอดีต แล้วสร้างสถิติใหม่ที่สูงกว่าที่หลัง?”

เมื่อเจอเรื่องแปลกนี้ ทุกคนเริ่มเดากันอย่างบ้าคลั่ง สุดท้ายข้อสรุปที่ได้ก็น่าขนลุก: AI เปิดทางใหม่ให้ตัวเอง

เมื่อ AI ก้าวไปถึงระยะหนึ่ง มันพบว่าเส้นทางต่อมาแคบลงเรื่อยๆ ดังนั้นมันจึงเลือกอย่างมีเหตุผลที่จะย้อนกลับไปที่ขั้นตอนที่ 80—จุดแยกประวัติศาสตร์ที่เคยทำงานได้ดี ละทิ้งเส้นทางที่ผิด และเปิดทิศทางใหม่ทั้งหมด

นี่เป็นเรื่องปกติในการวิจัยของมนุษย์

ข้อแตกต่างเพียงอย่างเดียวคือ ถ้ามนุษย์ทำการทดลองหลายวันแล้วพบว่าผิด ต้องเริ่มใหม่และกลับไปขั้นตอนเมื่อหลายวันก่อน ความพังทลายทางจิตใจจะเจ็บปวดกว่ามาก

ข้อสงสัยที่สอง: ผลลัพธ์ไม่ค่อยดี?

ขณะที่ทุกคนกำลังตื่นเต้น ความจริงที่โหดร้ายก็ตีหัวทุกคน

มีคนพบว่า: ระบบนี้บ้าคลั่งเกินไป โอเวอร์ฟิตติ้งรุนแรงทำให้เกิดการสรุปทั่วไปโดยธรรมชาติ

ผู้เชี่ยวชาญด้านเทคนิคอธิบาย: ไม่มีอะไรต้องตกใจ ดูผลลัพธ์ตัวชี้วัดล่าสุดที่ผู้เขียนเผยแพร่ให้ดี มันค่อนข้างแย่ บนแกน Y นี้ คะแนน AlphaFold จริงอยู่ที่ประมาณ 90 ในขณะที่ SimplexFold ยังห่างไกล อย่าลืมว่าโมเดลนี้ถูกฝึกโดยป้อนบทความของ AlphaFold ให้มัน

ดังนั้น หลังจากวุ่นวายมากมาย สุดท้ายประสิทธิภาพของโมเดลที่ได้ก็ถูก AlphaFold ดั้งเดิมบดขยี้?

ถ้าผลการทำนายสุดท้ายเทียบกับ AlphaFold ไม่ได้ การทดลอง “150 ชั่วโมง” ที่บ้าคลั่งนี้ถือว่าล้มเหลวไหม?

ตรงกันข้ามอย่างสิ้นเชิง

เกือบทุกห้องปฏิบัติการ AI ชั้นนำและนักวิทยาศาสตร์ให้คำตอบเดียวกัน: ความสำคัญของเรื่องนี้ไม่ได้อยู่ที่โมเดล SimplexFold เลย แต่อยู่ที่ “นักวิจัยอัตโนมัติ” เอง

การทดลองนี้เป็นการพิสูจน์แนวคิดที่ฮาร์ดคอร์อย่างยิ่ง มันพิสูจน์ความสอดคล้องในตัวเองของตรรกะระดับสูง แสดงประสิทธิภาพตัวอย่างที่น่าทึ่งและความสามารถในการต้านทานความล้มเหลว และยังเป็นการลองผิดลองถูกที่มีต้นทุนต่ำ

ต่อเนื่อง 150 ชั่วโมง ปรับแต่งตัวเอง ตรวจสอบข้อผิดพลาด สลับเส้นทาง ย้อนกลับสาขาประวัติศาสตร์อย่างกระตือรือร้น วงจรการทดลองอัตโนมัติแบบนี้ เมื่อจับคู่กับโมเดลที่ทรงพลังกว่า ความเร็ววิวัฒนาการจะเกินจินตนาการของมนุษย์

วันที่นักวิจัย AI อัตโนมัติก้าวเข้าสู่ห้องปฏิบัติการอย่างเต็มรูปแบบ อาจเป็นรุ่งอรุณที่โรคภัยไข้เจ็บนับไม่ถ้วนของมนุษย์ได้รับการรักษา

ข้อมูลอ้างอิง:

https://x.com/chrishayduk/status/2055757345506877759?s=46