ข้ามไปยังเนื้อหาหลัก

GPT-5.6 Sol ช่วยหักล้างสมมติฐานของแมกซ์เวลล์อายุ 150 ปีได้อย่างไร

เรียนรู้ว่าสมมติฐานของแมกซ์เวลล์ตั้งว่าอะไร ตัวอย่างโต้แย้งด้วยห้าประจุทำให้มันล้มได้อย่างไร และบทบาทของ GPT-5.6 Sol บอกอะไรเกี่ยวกับที่ทางของ AI ในงานวิจัยคณิตศาสตร์
อัปเดตแล้ว 2 ส.ค. 2569  · 10 นาที อ่าน

สำรวจด้วย AI

เปิดใน ChatGPTเปิดใน Claudeเปิดใน Perplexity

วางประจุไฟฟ้าที่เท่ากันสามตัวไว้ที่มุมของสามเหลี่ยมด้านเท่า สนามที่เกิดขึ้นจะมีจุดดุลยภาพสี่จุด ซึ่งแรงผลักและแรงดึงหักล้างกันพอดี: หนึ่งจุดที่กึ่งกลาง และอีกสามจุดซ่อนอยู่เพียงด้านในของแต่ละขอบ จากนั้นวางประจุเล็กมากสองตัวไว้เหนือและใต้กึ่งกลางนั้นเล็กน้อย จุดดุลยภาพกลางแตกตัวออกเป็นยี่สิบเอ็ดจุด และทั้งระบบกระโดดไปเป็นยี่สิบสี่จุด

โครงสร้างดังกล่าวถูกอัปโหลดขึ้น arXiv เมื่อวันที่ 29 กรกฎาคม ในฐานะตัวอย่างโต้แย้งต่อสมมติฐานของแมกซ์เวลล์ ซึ่งเป็นเพดานจำนวนจุดดุลยภาพไฟฟ้าสถิตที่สืบย้อนไปถึงตำราของแมกซ์เวลล์ปี 1873 ผู้เขียนยังเปิดเผยด้วยว่าแนวคิดมาจากแบบจำลองภาษาขนาดใหญ่ ด้านล่างนี้จะกล่าวถึงว่าสมมติฐานตั้งว่าอย่างไร ตัวอย่างโต้แย้งทำงานอย่างไร GPT-5.6 Sol ทำและไม่ทำอะไรบ้าง และทำไมการเปิดเผยดังกล่าวจึงอาจเป็นครึ่งเรื่องที่น่าสนใจกว่า

คำตอบแบบรวดเร็ว: สมมติฐานของแมกซ์เวลล์ล่มได้อย่างไร

สมมติฐานนี้ตั้งเพดานว่าฟิลด์ที่เกิดจากประจุจุดจำนวนn ตัวจะมีจุดดุลยภาพได้กี่จุด: มากที่สุดไม่เกิน (n−1)² สำหรับกรณีห้าประจุ เท่ากับ 16 Philip Arathoon, Gavin Ball และ Matthew Kvalheim สร้างการจัดวางห้าประจุที่มีอย่างน้อย 24 จุด ซึ่งเป็นตัวอย่างโต้แย้งโดยตรง GPT-5.6 Sol เสนอแนวคิดเชิงเรขาคณิต ส่วนผู้เขียนทั้งสามทำการวิเคราะห์ รันพีชคณิตเชิงคอมพิวเตอร์ และเขียนพิสูจน์

เมื่อมีสรุปในมือแล้ว มาดูกันว่าสมมติฐานนี้มาจากไหนและทำไมจึงยืนหยัดได้นานขนาดนั้น

สมมติฐานของแมกซ์เวลล์คืออะไร?

James Clerk Maxwell ตั้งคำถามไว้ในย่อหน้าสั้น ๆ ของหนังสือปี 1873 Treatise on Electricity and Magnetism โดยถามว่าระบบของประจุสามารถสร้างจุดดุลยภาพได้กี่จุด เรื่องนี้ยังคงเป็นเพียงข้อสังเกตผ่าน ๆ เกือบศตวรรษ จนกระทั่ง Marston Morse และ Stewart Cairns ยกปัญหาเดียวกันขึ้นมาอีกในปี 1969 โดยดูเหมือนไม่รู้ว่าแมกซ์เวลล์มาก่อน นั่นเป็นรายละเอียดเล็ก ๆ ที่ส่วนตัวแล้วชอบมากกว่าที่ควร

ถ้อยแถลงที่เฉพาะเจาะจงซึ่งทุกคนถกเถียงกันในปัจจุบันมาจากปี 2007 เมื่อ Andrei Gabrielov, Dmitry Novikov และ Boris Shapiro อ่านย่อหน้าของแมกซ์เวลล์อย่างละเอียดและแปลงให้เป็นสมมติฐาน: หากจุดดุลยภาพของศักย์ที่เกิดจากประจุจำนวนn ตัว ล้วนไม่เสื่อมสภาพ ก็จะมีได้มากที่สุดไม่เกิน (n−1)² เท่านั้น นั่นคือสูตรเดียวที่จริง ๆ แล้วต้องใช้ ดังนั้นถ้าพีชคณิตทำให้เครียด คุณผ่านจุดยากที่สุดมาแล้ว เพดานนี้เป็นจริงโดยง่ายสำหรับสองประจุ สำหรับสามประจุ ยังไม่มีใครรู้ว่าสี่จุดคือค่าสูงสุดจริงหรือไม่ เว้นแต่ในกรณีพิเศษที่ทั้งสามประจุเท่ากัน

เพื่อเห็นว่าทำไมเพดานนี้จึงสำคัญ ควรเข้าใจว่าจุดดุลยภาพคืออะไรกันแน่

เข้าใจสมมติฐานของแมกซ์เวลล์ด้วยตัวอย่างง่าย ๆ

ประจุแต่ละตัวสร้างสนาม วางประจุหลายตัวในห้องและสนามของมันจะซ้อนทับกัน ผลักและดึงในทิศต่าง ๆ ทุกจุดในอวกาศ ณ จุดบางจุด แรงจากแต่ละประจุหักล้างกันพอดี อนุภาคทดสอบที่วางที่นั่นจะไม่รู้สึกแรงลัพธ์ใด ๆ เลย นั่นคือจุดดุลยภาพ ซึ่งเรียกอีกอย่างว่าจุดวิกฤตของศักย์ไฟฟ้าสถิต

การนับจำนวนไม่ได้เป็นแค่การทำบัญชี จำนวนและการจัดเรียงของจุดเหล่านี้เป็นข้อจำกัดรูปร่างของทั้งสนาม คล้ายกับที่บริเวณราบบนแนวเขาจำกัดได้ว่าภูเขาจะวางตัวอย่างไร ดังนั้นเพดานของจำนวนจุดจึงเท่ากับการอ้างว่าฟิลด์ไฟฟ้าสถิตจะซับซ้อนได้มากเพียงใด ซึ่งเป็นเหตุให้คำถามที่ถูกหยิบขึ้นมาโดยผ่าน ๆ ในปี 1873 ทำให้นักคณิตศาสตร์ทำงานกันยาวนานกว่าศตวรรษครึ่ง

เมื่อเข้าใจแล้วว่าสมมติฐานนี้ปกป้องอะไรไว้ มาดูทีละขั้นว่าเหตุใดจึงพังลง

สมมติฐานของแมกซ์เวลล์ถูกหักล้างอย่างไร

การก่อสร้างสั้นพอจะอธิบายได้ในสี่ขั้นตอน เว้นแต่จะอยากอ่านการคำนวณ Hessian ก็ข้ามโน้ตใน arXiv ไปได้ รูปทรงของเหตุผลนี่แหละที่น่าสนใจ:

  • วางประจุหนึ่งหน่วยสามตัวที่จุดยอดของสามเหลี่ยมด้านเท่า สนามนี้มีจุดดุลยภาพสี่จุด: หนึ่งจุดที่กึ่งกลาง และอีกสามจุดเยื้องเข้าไปตามขอบ
  • เพิ่มประจุเล็กมากสองตัวบนแกนสมมาตร ตัวหนึ่งอยู่เหนือระนาบเล็กน้อย และอีกตัวอยู่ต่ำกว่าระนาบเล็กน้อย ก่อเป็นไบพีระมิดสามเหลี่ยมตื้น ๆ
  • จุดดุลยภาพตามขอบทั้งสามรอดจากการเพิ่มประจุ ส่วนจุดกลางไม่รอด มันแตกแขนงเป็นครอบครัวของดุลยภาพ 21 จุด แบ่งเป็น 10 จุดของดัชนีมอร์สหนึ่งค่า และ 11 จุดของอีกค่าหนึ่ง
  • สามบวกยี่สิบเอ็ดให้จุดวิกฤตไม่เสื่อมสภาพอย่างน้อย 24 จุดจากห้าประจุ ตรงข้ามกับเพดานคาดการณ์ 16

กำลังของประจุไม่ได้เลือกแบบสุ่ม ผู้เขียนเลือกค่าที่เฉพาะเจาะจงซึ่งปรับให้เทอมหลักของศักย์จากประจุเล็ก ๆ หักล้างเทอมที่สอดคล้องกันจากสามเหลี่ยม และนั่นเผยโครงสร้างละเอียดที่ก่อให้เกิด 21 จุด นอกจากนี้ยังมีขั้นตอนที่อ่านครั้งแรกอาจพลาดได้ง่าย: เหตุผลจนถึงตอนนี้ยังไม่ตัดความเป็นไปได้ว่ามีจุดวิกฤตเสื่อมสภาพอยู่ที่อื่นในระบบ ผู้เขียนจึงใช้เหตุผลเชิงทรานส์เวอร์แซลลิตีกับชุดกำลังประจุที่รบกวนเล็กน้อย ซึ่งช่วยกำจัดสิ่งเหล่านั้น

จากนั้นก็มาถึงส่วนที่พาดหัวข่าวข้ามไป เคล็ดเดียวกันนี้ทำซ้ำได้ เพิ่มประจุเล็กอีกหนึ่งคู่ และคุณจะได้จุดวิกฤตเพิ่มอีก 20 จุด โดยใช้ประจุเพิ่มเพียง 2 ตัว ทำให้ได้การจัดวางที่มี 3 + 2m ประจุ และอย่างน้อย 4 + 20m จุดดุลยภาพ นั่นคืออัตราเชิงขีดจำกัด 10 จุดวิกฤตต่อหนึ่งประจุ เทียบกับ 25/7 ที่ Herbert Edelsbrunner, Christopher Fillmore และ Gonçalo Oliveira ทำได้ก่อนหน้านี้ในปีนี้ ตัวอย่างโต้แย้งคือพาดหัวข่าว; ส่วนอัตราคือผลลัพธ์ที่คนอื่นจะต่อยอด

เมื่อโครงสร้างชัดเจนแล้ว เรื่องก็เริ่มแปลกไปเล็กน้อย: ใคร หรืออะไร ที่คิดแนวทางนี้ขึ้นมา

GPT-5.6 Sol มีบทบาทอย่างไร?

การเปิดเผยอยู่ในส่วนสั้น ๆ แยกต่างหากของบทความ และอธิบายอย่างตรงไปตรงมาว่าเกิดอะไรขึ้น: "แนวคิดเบื้องหลังการก่อสร้างนี้ถูกเสนอโดย LLM (GPT-5.6 Sol ของ OpenAI)" ผู้เขียนเสริมว่าพวกเขาตรวจสอบคณิตศาสตร์เองและเขียนเหตุผลด้วยถ้อยคำของตนเอง และใช้ Mathematica กับ Maple จัดการการคำนวณและรูปภาพ

ดังนั้นโมเดลจึงมีส่วนเป็นยุทธศาสตร์ คือรบกวนการจัดวางที่สมมาตรด้วยประจุนอกแกนขนาดเล็กและสังเกตจุดเสื่อมสภาพแตกตัว ส่วนผู้เขียนเปลี่ยนสิ่งนั้นให้เป็นการขยายเทย์เลอร์ของพหุนามฮาร์มอนิก การจัดจำแนกจุดวิกฤต 21 จุดด้วยลายเซ็นของ Hessian การใช้ทฤษฎีบทฟังก์ชันแฝงสามครั้ง และเหตุผลเชิงทรานส์เวอร์แซลลิตี การสร้างแนวคิดกับการพิสูจน์ทฤษฎีบทเป็นกิจกรรมคนละอย่างและล้มเหลวกันคนละแบบ ไอเดียที่ใช้ไม่ได้ทำให้เสียเวลาไปบ่ายหนึ่ง พิสูจน์ที่ใช้ไม่ได้ทำให้ต้องถอนบทความ โมเดลชี้ไปยังจุดไม่น่าจะเป็นบนแผนที่ จากนั้นนักคณิตศาสตร์สามคนสร้างถนนไปถึง

อย่างไรก็ดี น่าลองกดต่อมุมมองนั้น "แค่ไอเดีย" ดูจะลดทอนเกินไป ใคร ๆ ก็เสนอให้รบกวนการจัดวางที่สมมาตรได้ ส่วนที่มีประโยชน์คือการเสนอการรบกวนแบบนั้น ด้วยประจุเล็กตามแกน บนการจัดวางแบบนั้น ในปัญหาที่พื้นที่ค้นหาของสิ่งที่ควรลองมีค่าแทบไม่จำกัด รสนิยมในสิ่งที่ควรลองคือสัดส่วนใหญ่ของคณิตศาสตร์เชิงวิจัย การที่ข้อเสนอแนะมาจากโมเดลแทนที่จะเป็นสัญชาตญาณของผู้เชี่ยวชาญที่สั่งสมมานานนับสิบปี นั่นแหละคือสาระของเรื่อง

ทำไมผลลัพธ์นี้จึงสำคัญ

คำถามทางคณิตศาสตร์อายุ 150 ปี

คำถามนี้ย้อนไปถึงหมายเหตุกล่าวถึงของแมกซ์เวลล์ในปี 1873 ซึ่งเป็นที่มาของ "150 ปี" ในทุกพาดหัวข่าว ควรแม่นยำไว้ว่า แมกซ์เวลล์ตั้งคำถามและทำข้อสังเกต เขาไม่ได้ระบุสมมติฐานที่เพิ่งล้มไป

สมมติฐานสมัยใหม่ที่ยืนยาวล้มลง

ในฐานะถ้อยแถลงเชิงทางการ สมมติฐานของแมกซ์เวลล์มีอายุ 19 ปี และเกือบตลอดเวลานั้นมันคือสมมติฐานหลักของแวดวง เป็นสิ่งที่พยายามพิสูจน์ และเป็นเป้าหมายที่เพดานที่ปรับดีขึ้นค่อย ๆ ไต่เข้าใกล้ บัดนี้ดูเหมือนจะเป็นเท็จ ตัวอย่างโต้แย้งอยู่ในพรีพริ้นต์ arXiv สี่หน้า ที่ยังไม่ผ่านการตรวจทานโดยผู้ทรงคุณวุฒิ และขั้นตอนสำคัญอาศัยการจัดจำแนก Hessian ที่ตรวจด้วยพีชคณิตเชิงคอมพิวเตอร์ จึงมีข้อควรระวังตามปกติ แต่เหตุผลสั้น ชัด และผู้อื่นตรวจทานได้ง่าย

คำถามใหม่มาแทนที่คำถามเดิม

การรู้ว่าเพดานไม่ใช่ (n−1)² ไม่ได้บอกว่าแท้จริงแล้วคืออะไร การก่อสร้างแบบทำซ้ำของผู้เขียนดันขอบล่างที่ทราบขึ้นไปที่ประมาณ 10 จุดวิกฤตต่อหนึ่งประจุ ซึ่งเป็นพื้น ไม่ใช่คำตอบ และกรณีสามประจุที่กล่าวถึงก่อนหน้านี้? ว่าจะสามารถสร้างจุดดุลยภาพได้เกินสี่จุดหรือไม่นั้นยังเปิดอยู่ ซึ่งเป็นเรื่องแปลกที่ยังพูดถึงกรณีที่น่าสนใจที่สุดแต่เล็กที่สุดเช่นนี้หลังจากเวลาผ่านมานาน

บทบาทที่เพิ่มขึ้นของ AI ในการค้นพบทางคณิตศาสตร์

ในปีที่ผ่านมาเกิดการเปลี่ยนแปลง ระหว่างตุลาคม 2025 ถึงต้นปี 2026 เครื่องมือ AI ช่วยขยับปัญหาจากฐานข้อมูลปัญหาของ Erdős ราวหนึ่งร้อยข้อไปยังช่อง "แก้แล้ว" และ Terence Tao รักษาหน้าเว็บอัปเดตผลงานเหล่านั้นอย่างต่อเนื่องจนหยุดอัปเดตปลายมิถุนายน 2026 จำนวนมากเป็นการค้นคว้าวรรณกรรม คือโมเดลค้นพบเปเปอร์ปี 1974 ที่แก้ประเด็นนั้นไปแล้ว บางส่วนไม่ใช่ มีวิธีแก้ไม่กี่กรณีที่เป็นเหตุผลใหม่ ๆ ซึ่งโมเดลประกอบขึ้นเป็นหลัก และ Tao ได้ปักธงไว้อย่างน้อยหนึ่งกรณีว่าเป็นก้าวสำคัญจริง

รูปแบบที่เห็นในกรณีเหล่านี้สอดคล้องกัน และตรงกับที่เกิดขึ้นกับสมมติฐานของแมกซ์เวลล์ โมเดลเก่งในการเสนอแคนดิเดต สแกนวรรณกรรมที่ไม่มีใครจุไว้ในหัวได้ทั้งหมด และค้นหาพื้นที่ของโครงสร้างต่าง ๆ ข้ามคืนโดยไม่เบื่อ การตรวจสอบยังอยู่กับมนุษย์และกับผู้ช่วยพิสูจน์อย่าง Lean หากต้องการฐานแนวคิดเกี่ยวกับระบบเหล่านี้ก่อนจะสรุปความเห็น ลองดูหลักสูตรพื้นฐาน AI ของเราเป็นจุดเริ่มต้นที่ดี

AI จะค้นพบพิสูจน์ทางคณิตศาสตร์ได้เองในที่สุดหรือไม่?

การสร้างสมมติฐานทำได้เป็นกิจวัตรแล้ว การช่วยพิสูจน์พบเห็นได้บ่อยพอที่จะอธิบายโดยไม่ต้องเน้นย้ำ การพิสูจน์ทฤษฎีบทแบบฟอร์มอล คือโมเดลผลิตเหตุผลสมบูรณ์ที่ตรวจด้วยเครื่องได้สำหรับปัญหาระดับงานวิจัยโดยไม่มีมนุษย์คั่นกลาง คือเส้นแบ่งในตอนนี้ และมีผลงานทั้งสองฝั่งขึ้นกับว่าจะนิยาม "ระดับงานวิจัย" เคร่งแค่ไหน

ข้อจำกัดยังไม่ชัดว่าเป็นเรื่องความคิดสร้างสรรค์ ปัจจุบันโมเดลยังประดิษฐ์อ้างอิงที่ไม่มีอยู่จริง ยังหลุดประเด็นเมื่อให้เหตุผลยาว ๆ และยังเก่งกว่านักในด้านการสร้างแคนดิเดตมากกว่าการรู้ว่าแคนดิเดตไหนถูก ต้องนี่เองที่ทำให้การตรวจสอบโดยมนุษย์มีน้ำหนักจริง ไม่ใช่พิธีกรรม โมเดลที่ประเมินผลลัพธ์ของตัวเองได้อย่างน่าเชื่อถือจะเป็นระบบอีกแบบหนึ่ง ซึ่งตอนนี้ไม่มีใครบอกได้ว่าห่างไกลแค่ไหน

GPT-5.6 Sol และอนาคตของงานวิจัยวิทยาศาสตร์

คณิตศาสตร์เป็นกรณีทดสอบที่สะอาดเป็นพิเศษ เพราะพิสูจน์มีแต่ถูกหรือผิด แต่พลวัตเดียวกันนี้ คือ AI เร่งเฟสการสร้างไอเดีย ขณะที่มนุษย์ยังคงหน้าที่ตรวจสอบ กำลังเกิดขึ้นในหลายสาขา

สิ่งนี้ขยายไปไกลกว่าคณิตศาสตร์ ฟิสิกส์ เคมี วิทยาศาสตร์วัสดุ และวิศวกรรมศาสตร์ล้วนมีคอขวดเดียวกัน: การสร้างสมมติฐานกินเวลาของมนุษย์สูง และส่วนใหญ่ล้มเหลว นักวิจัยมักตามจริงได้เพียงไม่กี่โครงสร้างหรือกลไกต่อปี ขณะที่พื้นที่ของแคนดิเดตนั้นใหญ่กว่านั้นมาก

การสร้างไอเดียอาจกลายเป็นความสามารถด้านวิจัยที่สำคัญที่สุดก็ได้ เพราะเป็นขั้นตอนที่อัตราการทำงานของมนุษย์ต่ำที่สุดและต้นทุนของการเดาผิดต่ำที่สุด โมเดลที่สแกนพื้นที่มหาศาลแล้วบอกว่า "ลองดูตรงนี้" จะเปลี่ยนความเร็วของการค้นพบได้โดยไม่ต้องถูกต้องบ่อยนัก ซึ่งก็ประมาณสิ่งที่เกิดขึ้นในกรณีนี้

ความเข้าใจผิดที่พบบ่อยเกี่ยวกับการค้นพบนี้

ก่อนสรุปกว้าง ๆ ควรเคลียร์สิ่งที่สื่อตีความผิดบางประการเสียก่อน

GPT-5.6 Sol ไม่ได้พิสูจน์ทฤษฎีบทอย่างอิสระ

โมเดลเสนอการก่อสร้างเชิงเรขาคณิต ส่วนพิสูจน์ การขยาย การจัดจำแนก Hessian และเหตุผลเชิงทรานส์เวอร์แซลลิตี เป็นงานของผู้เขียน

นักวิจัยมนุษย์ตรวจสอบทุกขั้นตอน

Mathematica และ Maple ตรวจการคำนวณและสร้างรูปภาพ การตรวจสอบทางคณิตศาสตร์ทำโดยผู้เขียนทั้งสาม และพวกเขาระบุไว้อย่างชัดเจนในบทความ

สมมติฐานของแมกซ์เวลล์ไม่ใช่ทฤษฎีบททางการของแมกซ์เวลล์

แมกซ์เวลล์ทำข้อสังเกตในปี 1873 Gabrielov, Novikov และ Shapiro จึงนิยามสมมติฐานในปี 2007 จากการอ่านย่อหน้านั้น

ปัญหาทางคณิตศาสตร์ยังไม่ถูกแก้ทั้งหมด

หากสมมติว่าตัวอย่างโต้แย้งยืนได้ เรารู้ว่า (n−1)² นั้นผิด เราไม่รู้ว่าเพดานที่ถูกต้องคืออะไร และกรณีสามประจุก็ยังคงเปิดอยู่

บทสรุป

สมมติฐานของแมกซ์เวลล์ล้มลงเพราะความร่วมมือ: ไอเดียเรขาคณิตที่สร้างโดย AI และนักคณิตศาสตร์สามคนที่ลงทุนแรงงานเปลี่ยนให้เป็นสิ่งที่ตรวจสอบได้ บทความนี้ซื่อสัตย์เป็นพิเศษว่าครึ่งไหนทำอะไร ส่วนการเปิดเผยเพียงสามประโยคที่น่าจะถูกอ้างอิงมากกว่าทฤษฎีบทเสียอีก

สิ่งที่ทำให้เรื่องนี้ควรค่าแก่ความสนใจคือรูปแบบของผลงานมากกว่าขนาดของมัน โมเดลที่ไม่มีส่วนได้ส่วนเสียกับปัญหานี้เสนอการก่อสร้างที่คนซึ่งใส่ใจกับมันมากที่สุดยังไม่ลองใช้กับการจัดวางนี้ และมันก็ได้ผล คำถามที่กว้างกว่าว่าประจุจำนวนn ตัวสามารถมีจุดดุลยภาพได้กี่จุดยังคงเปิดอยู่ เช่นเดียวกับคำถามว่างานวิจัยจะมีหน้าตาอย่างไรเมื่อการสร้างไอเดียไม่ใช่ทรัพยากรหายากอีกต่อไป หากต้องการติดตามการใช้งานจริงของระบบเหล่านี้แทนการตลาดของมัน คอร์ส AIของเราครอบคลุมตั้งแต่แนวคิดจนถึงการนำไปใช้งาน


Vinod Chugani's photo
Author
Vinod Chugani
LinkedIn

Vinod Chugani เริ่มอาชีพในโตเกียวในฐานะหัวหน้าฝ่ายขายกองทุนเฮดจ์ฟันด์ที่อายุน้อยที่สุดของ JPMorgan และต่อมาได้สร้างสถิติยอดขายส่วนบุคคลที่ Lehman Brothers, จากนั้นได้สร้างธุรกิจจัดจำหน่ายอุปกรณ์อิเล็กทรอนิกส์ใน 30 ประเทศ จนมีรายได้เกิน 100 ล้านดอลลาร์สิงคโปร์ ก่อนจะหันมาโฟกัสด้านข้อมูล เขาจบเศรษฐศาสตร์จาก Duke และเป็นศิษย์เก่าของ NYC Data Science Academy โดยเป็นหนึ่งในผู้ได้รับทุน 3 คนจากผู้สมัครกว่า 100 คน สำหรับคอร์ส Building AI Applications ของ Hugo Bowne-Anderson บน Maven ปัจจุบัน เขาเขียนบทความให้กับ DataCamp, KDnuggets, Machine Learning Mastery และ Statology ครอบคลุมหัวข้อตั้งแต่สถิติไปจนถึงเอเจนติก AI และเป็นที่ปรึกษาให้มืออาชีพด้านข้อมูลที่ NYC Data Science Academy โดยมีประสบการณ์การให้คำปรึกษาแบบตัวต่อตัวมากกว่า 1,000 ครั้ง

 
หัวข้อ

เรียนรู้กับ DataCamp

Courses

Linear Algebra for Data Science in R

4 ชม.
21.2K
This course is an introduction to linear algebra, one of the most important mathematical topics underpinning data science.
ดูรายละเอียดRight Arrow
เริ่มหลักสูตร
ดูเพิ่มเติมRight Arrow