บทความนี้อาจทำลายภาพฝันความโรแมนติกของคุณเล็กน้อย แต่ในโลกที่ทุกอย่างขับเคลื่อนด้วยข้อมูล แม้แต่ “คู่แท้” (Soulmate) ก็อาจถูกถอดรหัสได้ด้วยคณิตศาสตร์
เราทุกคนต่างเคยเจ็บปวดกับการค้นหาความรักที่ “ใช่” ในโลกที่เต็มไปด้วยความไม่แน่นอน แต่ถ้าผมบอกคุณว่า มี “สูตร” ทางคณิตศาสตร์ที่การันตีว่าเราจะสามารถจับคู่ให้คนทุกคนในกลุ่ม จนได้ผลลัพธ์ที่ “มั่นคง” ที่สุด ที่ซึ่งจะไม่มีใครแอบไปกิ๊กกันทีหลังได้ล่ะ?
ขอต้อนรับสู่โลกของ “ปัญหาการจับคู่ที่มั่นคง” (The Stable Marriage Problem) และอัลกอริทึมที่สง่างามที่จะแก้ปัญหานี้
❤️ ปัญหาการจับคู่ที่มั่นคง (Stable Marriage Problem) คืออะไร?
ลองจินตนาการสถานการณ์ต่อไปนี้:
-
เรามีกลุ่ม ผู้ชาย 4 คน (A, B, C, D) และกลุ่ม ผู้หญิง 4 คน (W, X, Y, Z)
-
ทุกคนมีรสนิยม: ผู้ชายทุกคนจัดอันดับผู้หญิงทุกคนจากชอบมากที่สุด (อันดับ 1) ไปน้อยที่สุด (อันดับ 4)
-
ในทำนองเดียวกัน ผู้หญิงทุกคนก็จัดอันดับผู้ชายทุกคนจากชอบมากที่สุดไปน้อยที่สุด
เป้าหมาย: เราจะจับคู่ 4 คู่นี้ (A-?, B-?, C-?, D-?) ได้อย่างไร ให้ผลลัพธ์ “มั่นคง” (Stable)
คำว่า “มั่นคง” ในที่นี้สำคัญมาก มันไม่ได้หมายถึง “รักกันที่สุด” แต่หมายถึง…
“ความมั่นคง” (Stability) หมายถึง สภาวะที่ไม่มี “คู่ที่นอกใจ” (Rogue Couple) เกิดขึ้น
“คู่ที่นอกใจ” คือ ชาย (เช่น นาย A) และ หญิง (เช่น นางสาว X) ที่ ไม่ได้ถูกจับคู่กัน แต่ทั้งคู่ต่างชอบอีกฝ่าย มากกว่า คนที่ตัวเองถูกจับคู่ให้
ถ้ามี “คู่ที่นอกใจ” เกิดขึ้น ระบบนี้จะ “ไม่มั่นคง” เพราะนาย A กับนางสาว X จะหนีตามกันไปทันที ทำให้การจับคู่ทั้งหมดพังทลายลง
🌹 อัลกอริทึมของ เกล และ แชปลีย์ (The Gale-Shapley Algorithm)
ในปี 1962 นักคณิตศาสตร์ เดวิด เกล (David Gale) และ ลอยด์ แชปลีย์ (Lloyd Shapley) ได้เสนออัลกอริทึมที่เรียบง่ายแต่ทรงพลัง เพื่อแก้ปัญหานี้ และมันการันตีว่าจะได้ผลลัพธ์ที่ “มั่นคง” 100% เสมอ (แชปลีย์ได้รับรางวัลโนเบลสาขาเศรษฐศาสตร์จากงานนี้ในปี 2012)
อัลกอริทึมนี้ทำงานเป็น “รอบ” (Rounds) โดยมีฝ่ายหนึ่งเป็น “ผู้เสนอ” (Proposer) และอีกฝ่ายเป็น “ผู้รับ” (Receiver)
สมมติว่าเราให้ ฝ่ายชายเป็นผู้เสนอ:
-
รอบที่ 1 (การเสนอครั้งแรก):
-
ผู้ชายทุกคน “ยื่นข้อเสนอ” (ขอเดต/ขอแต่งงาน) ไปยังผู้หญิงที่เขาชอบเป็น อันดับ 1
-
ผู้หญิงแต่ละคนดูข้อเสนอที่ตัวเองได้รับ:
-
ถ้าได้รับข้อเสนอเดียว: เธอจะ “หมั้นไว้ก่อน” (Tentatively Accept)
-
ถ้าได้รับหลายข้อเสนอ: เธอจะเลือกคนที่เธอชอบที่สุด (ตามลิสต์ของเธอ) มา “หมั้นไว้ก่อน” และ “ปฏิเสธ” (Reject) คนที่เหลือ
-
ถ้าไม่ได้รับข้อเสนอ: เธอก็แค่รอ
-
-
-
รอบที่ 2 (และรอบต่อๆ ไป):
-
ผู้ชายทุกคนที่ “ถูกปฏิเสธ” ในรอบที่แล้ว จะไปยื่นข้อเสนอให้ผู้หญิงที่เขาชอบใน อันดับถัดไป (อันดับ 2, 3,…)
-
ผู้หญิงแต่ละคนจะประเมิน “ข้อเสนอใหม่” เทียบกับคนที่เธอ “หมั้นไว้”
-
สถานการณ์ A: ถ้าข้อเสนอใหม่ ดีกว่า คนที่หมั้นไว้ (เธอชอบคนใหม่มากกว่า) เธอจะ “ทิ้ง” คนเก่า และไป “หมั้น” กับคนใหม่ (คนเก่าที่ถูกทิ้ง ต้องไปเริ่มรอบใหม่ในรอบถัดไป)
-
สถานการณ์ B: ถ้าข้อเสนอใหม่ แย่กว่า คนที่หมั้นไว้ เธอจะ “ปฏิเสธ” ข้อเสนอใหม่ทันที และยังคงหมั้นกับคนเดิม
-
-
-
จุดสิ้นสุด:
-
ทำซ้ำขั้นตอนที่ 2 ไปเรื่อยๆ อัลกอริทึมจะจบลงเมื่อ ไม่มีผู้ชายคนไหนว่าง (โสด) อีกต่อไป (ทุกคนมีคู่หมั้นหมด)
-
ณ จุดนี้ การ “หมั้น” ทั้งหมดจะกลายเป็น “การแต่งงาน” ที่แท้จริง และนี่คือผลลัพธ์ที่ “มั่นคง”
-
🧪 ทดลองจับคู่: ใครได้เปรียบ?
ลองดูข้อมูลสมมติง่ายๆ (2 คู่) เพื่อดูว่าอัลกอริทึมนี้ทำงานอย่างไร และใครได้เปรียบ
ผู้เล่น:
-
ชาย: นาย A, นาย B
-
หญิง: นางสาว X, นางสาว Y
ตารางความชอบ (อันดับ 1 > อันดับ 2):
-
นาย A: ชอบ Y > X
-
นาย B: ชอบ X > Y
-
นางสาว X: ชอบ A > B
-
นางสาว Y: ชอบ B > A
📍 กรณีที่ 1: ฝ่ายชายเป็นผู้เสนอ (ผู้ชาย “จีบ” ก่อน)
-
รอบ 1:
-
นาย A เสนอให้ Y (อันดับ 1 ของเขา)
-
นาย B เสนอให้ X (อันดับ 1 ของเขา)
-
-
การตัดสินใจของฝ่ายหญิง:
-
Y ได้รับข้อเสนอจาก A -> Y “หมั้น” กับ A
-
X ได้รับข้อเสนอจาก B -> X “หมั้น” กับ B
-
-
จบ! ไม่มีผู้ชายว่าง (โสด)
ผลลัพธ์ (ชายเสนอ): (A คู่ Y), (B คู่ X)
-
นาย A: ได้ Y (อันดับ 1 ของเขา) -> แฮปปี้สุดๆ
-
นาย B: ได้ X (อันดับ 1 ของเขา) -> แฮปปี้สุดๆ
-
นางสาว X: ได้ B (อันดับ 2 ของเธอ) -> ก็โอเค…
-
นางสาว Y: ได้ A (อันดับ 2 ของเธอ) -> ก็โอเค…
📍 กรณีที่ 2: ฝ่ายหญิงเป็นผู้เสนอ (ผู้หญิง “จีบ” ก่อน)
-
รอบ 1:
-
นางสาว X เสนอให้ A (อันดับ 1 ของเธอ)
-
นางสาว Y เสนอให้ B (อันดับ 1 ของเธอ)
-
-
การตัดสินใจของฝ่ายชาย:
-
A ได้รับข้อเสนอจาก X -> A “หมั้น” กับ X
-
B ได้รับข้อเสนอจาก Y -> B “หมั้น” กับ Y
-
-
จบ! ไม่มีผู้หญิงว่าง (โสด)
ผลลัพธ์ (หญิงเสนอ): (A คู่ X), (B คู่ Y)
-
นาย A: ได้ X (อันดับ 2 ของเขา) -> ก็โอเค…
-
นาย B: ได้ Y (อันดับ 2 ของเขา) -> ก็โอเค…
-
นางสาว X: ได้ A (อันดับ 1 ของเธอ) -> แฮปปี้สุดๆ
-
นางสาว Y: ได้ B (อันดับ 1 ของเธอ) -> แฮปปี้สุดๆ
💡 ข้อสรุปจาก
การทดลอง
เห็นอะไรไหมครับ? “กฎ” ของเกมสำคัญอย่างยิ่ง!
อัลกอริทึม Gale-Shapley มีสิ่งที่เรียกว่า “ความได้เปรียบของผู้เสนอ” (Proposer’s Advantage)
ในการจับคู่ที่มั่นคง ฝ่ายที่เป็น “ผู้เสนอ” (ผู้จีบ) จะได้ผลลัพธ์ที่ดีที่สุดเท่าที่เป็นไปได้ สำหรับกลุ่มของตน (ได้คู่ที่อยู่ในลำดับต้นๆ ของลิสต์) ในขณะที่ฝ่าย “ผู้รับ” จะได้ผลลัพธ์ที่แย่ที่สุดเท่าที่เป็นไปได้ (แต่ยังคง “มั่นคง” อยู่)
นี่คือบทเรียนทางคณิตศาสตร์ที่เจ็บปวด: “แค่เป็นฝ่ายเริ่มก่อน คุณก็มีโอกาสได้ผลลัพธ์ที่ดีกว่าแล้ว”
💔 แล้วแอปหาคู่ (Dating Apps) ล่ะ?
คุณอาจกำลังคิดว่า “Tinder หรือ Bumble ก็ใช้อัลกอริทึมนี้ล่ะสิ” … คำตอบคือ ไม่เชิงครับ
แอปหาคู่ในปัจจุบัน ซับซ้อนและวุ่นวาย กว่าปัญหา Stable Marriage มาก:
-
ข้อมูลไม่สมบูรณ์: ใน SMP ทุกคนต้องรู้จักและจัดอันดับทุกคน แต่ในแอปหาคู่ เราเห็นโปรไฟล์ทีละคน เราไม่มีทางรู้ว่า “คนที่ดีที่สุด” ของเรายังไม่ปรากฏตัว หรือเราปัดซ้ายทิ้งไปแล้ว
-
ไม่มีศูนย์กลางควบคุม: SMP ทำงานโดยมี “ผู้คุมกฎ” (อัลกอริทึม) จับคู่ทุกคนพร้อมกัน แต่แอปหาคู่เป็นระบบกระจายศูนย์ (Decentralized) ทุกคนเลือกกันเองแบบเรียลไทม์
-
ความชอบไม่คงที่: ใน SMP ลิสต์ความชอบของคุณต้องตายตัว แต่ในชีวิตจริง ความชอบของเราเปลี่ยนไปหลังจากได้คุย, ได้เจอตัวจริง, หรือแม้กระทั่งเห็นรูปใหม่
-
เป้าหมายของแอป: เป้าหมายของอัลกอริทึม SMP คือการ “จบเกม” (จับคู่ให้ครบ) แต่เป้าหมายของแอปหาคู่คือการ “ให้คุณเล่นต่อไป” (User Engagement) เพื่อที่เขาจะได้ขายโฆษณาหรือบริการพรีเมียมได้
ดังนั้น แม้แอปหาคู่จะใช้คณิตศาสตร์ แต่ก็เป็นคณิตศาสตร์คนละแบบกับ Stable Marriage ครับ
บทสรุป
“คณิตศาสตร์แห่งความรัก” ไม่ได้บอกเราว่าจะหา “คู่แท้” ที่สมบูรณ์แบบที่สุดได้อย่างไร แต่มันบอกเราว่า “ความมั่นคง” นั้นเป็นไปได้
อัลกอริทึม Stable Marriage สอนให้เรารู้ว่า การจับคู่ไม่ใช่แค่เรื่องของโชคชะตา แต่เป็นเรื่องของ “กระบวนการ” และ “กฎกติกา” มันแสดงให้เห็นว่าการมีระบบที่เป็นเหตุเป็นผล สามารถนำไปสู่ผลลัพธ์ที่ทุกคน (อย่างน้อย) ยอมรับได้ และไม่มีใครต้องเสียใจจนอยากหนีตามคนอื่น
ดังนั้น ครั้งต่อไปที่คุณปัดแอปหาคู่ หรือแม้แต่เลือกคู่ในชีวิตจริง จงจำไว้ว่าคุณกำลังเล่น “เกม” ที่ซับซ้อนเกมหนึ่งอยู่ และการเข้าใจ “กฎ” ของเกม อาจช่วยให้คุณเข้าใกล้ “ความมั่นคง” ที่คุณตามหาอยู่ก็เป็นได้

ความคิดเห็น