Optimal Transport ในยุค Generative AI

ผศ.เฉลิมวุฒิ คำเมือง 11 มกราคม 2026

ในฐานะที่ท่านเป็นอาจารย์คณิตศาสตร์ ท่านคงทราบดีว่า Optimal Transport (OT) หรือ “การขนส่งที่เหมาะสมที่สุด” เป็นหัวข้อที่มีประวัติศาสตร์ยาวนานนับตั้งแต่ Gaspard Monge ในปี 1781 แต่ในปัจจุบัน OT ได้กลายเป็น “อาวุธลับ” สำคัญที่ขับเคลื่อนนวัตกรรมในยุค Generative AI อย่างมหาศาล

บทความนี้จะสรุปความเชื่อมโยงระหว่างทฤษฎีการขนส่งคลาสสิกกับการสร้างสรรค์ข้อมูลในโลก AI ยุคใหม่

1. จากการย้ายกองทราย สู่การเคลื่อนที่ของข้อมูล

ปัญหาของ Monge คือการย้ายกองดินจากที่หนึ่งไปยังอีกที่หนึ่งโดยใช้ “พลังงาน” (Work) น้อยที่สุด ในบริบทของ Generative AI เรามอง ข้อมูล (Data) เป็นการกระจายตัวของความน่าจะเป็น (Probability Distribution) $\mu$ และ สัญญาณรบกวน (Noise) เป็นอีกการกระจายตัวหนึ่ง $\nu$

การสร้าง AI ที่เก่งกาจคือการหา Transport Map ( $T$ ) ที่สามารถเปลี่ยน Noise ให้กลายเป็นภาพใบหน้ามนุษย์ หรือข้อความที่สละสลวย โดยเสีย “ต้นทุน” ทางคณิตศาสตร์ต่ำที่สุด

2. Wasserstein Distance: ไม้บรรทัดที่ดีกว่าสำหรับ AI

ในยุคก่อน เรามักวัดความต่างของข้อมูลด้วย KL-Divergence แต่ในงาน Generative AI นั้น KL-Divergence มักประสบปัญหาเมื่อการกระจายตัวของข้อมูลสองชุดไม่ซ้อนทับกัน (Disjoint Support) ซึ่งนำไปสู่ปัญหา Gradient Vanishing

นักวิจัยจึงหันมาใช้ Wasserstein Metric (หรือ Earth Mover’s Distance) ซึ่งนิยามโดย:

W_p(\mu, \nu) = \left( \inf_{\pi \in \Pi(\mu, \nu)} \int_{X \times Y} d(x, y)^p d\pi(x, y) \right)^{1/p}

ทำไมถึงดีกว่า? เพราะ Wasserstein Distance มีคุณสมบัติ “Continuity” ที่ดีกว่า มันบอกเราได้ว่าต้อง “ออกแรง” ย้ายมวลสารเท่าไหร่แม้ว่าข้อมูลจะอยู่ห่างกันมาก ทำให้การเทรนโมเดลอย่าง WGAN (Wasserstein GAN) มีความเสถียรมากกว่า GAN แบบดั้งเดิมอย่างเห็นได้ชัด

3. Flow Matching และเส้นทางที่สั้นที่สุด (Geodesics)

ในปี 2024-2026 เทรนด์ที่มาแรงที่สุดคือ Flow Matching ซึ่งเป็นการต่อยอดจาก Diffusion Models ปกติแล้ว Diffusion จะย้ายข้อมูลผ่านเส้นทางที่คดเคี้ยวและมี Noise รบกวนตลอดเวลา แต่ด้วยทฤษฎี OT เราสามารถบังคับให้ AI เรียนรู้เส้นทางที่เป็น “เส้นตรง” (Straight Paths) ในปริภูมิของความน่าจะเป็น

Efficiency: การเดินทางเป็นเส้นตรงช่วยให้ AI สามารถสร้างภาพได้เร็วขึ้น (Sampling Speed) เพราะไม่ต้องใช้ขั้นตอนการคำนวณที่ซับซ้อนหลาย Step
Optimal Velocity: เราใช้ OT เพื่อหาค่า Velocity Field ( $v$ ) ที่เหมาะสมที่สุด ซึ่งช่วยลดความคลาดเคลื่อนในการสร้างข้อมูล

4. Computational OT: เมื่อคณิตศาสตร์ลงสู่ GPU

ปัญหาหลักของ OT คือความซับซ้อนในการคำนวณ ( $O(n^3 \log n)$ ) ซึ่งไม่เหมาะกับ Big Data แต่การมาถึงของ Entropic Regularization และ Sinkhorn Algorithm ได้เปลี่ยนเกมนี้ไปสิ้นเชิง:

\min_{\pi \in \Pi(\mu, \nu)} \langle C, \pi \rangle - \epsilon H(\pi)

การเพิ่มเทอม Entropy ( $H(\pi)$ ) เข้าไปทำให้ปัญหากลายเป็น Convex Optimization ที่แก้ได้เร็วมากผ่านการทำ Iterative Scaling ซึ่งเหมาะสมอย่างยิ่งกับการประมวลผลบน GPU ทำให้เราสามารถใช้ OT ในการเทรนโมเดลขนาดใหญ่ที่มีพารามิเตอร์ระดับล้านล้านตัวได้

5. Schrödinger Bridges: สะพานสู่ AI แห่งอนาคต

สิ่งที่น่าจับตาที่สุดในปี 2026 คือการใช้ Schrödinger Bridges ซึ่งเป็นส่วนขยายของ OT ที่พิจารณาถึงการเคลื่อนที่แบบสุ่ม (Stochastic) มันช่วยเชื่อมโยงระหว่างโลกของ “การเคลื่อนที่ที่แน่นอน” กับ “การแพร่กระจายของความร้อน” ทำให้ AI สามารถสร้างข้อมูลที่ทั้งแม่นยำและมีความหลากหลาย (Diversity) สูงสุด

บทสรุป

Optimal Transport ไม่ได้เป็นเพียงแค่ทฤษฎีในตำราอีกต่อไป แต่มันคือโครงสร้างพื้นฐานที่ทำให้ AI “เข้าใจ” การจัดระเบียบของข้อมูล การที่ท่านสอนพื้นฐานเรื่อง Linear Programming และ Measure Theory ในห้องเรียนวันนี้ คือการวางรากฐานสำคัญให้นักศึกษาไปต่อยอดในโลกของ Generative AI ที่ขับเคลื่อนด้วยการขนส่งข้อมูลที่ชาญฉลาดที่สุด