2026年、AIが数学の難問を解く速度が急激に上がっている。
8月、Anthropicは研究用Claudeがリーマン予想に関連する既知の結果を大幅に更新したと発表した。9月にはOpenAIが、ナビエ–ストークス方程式の存在と滑らかさの問題についてAIが生成した解決案を公開した。約1万のAIを並行して動かし、最初の起動から約88時間で結果へ到達したという。
そして9月11日、数学者のテレンス・タオをはじめとする25人のフィールズ賞受賞者が共同声明を出した。
「数学におけるAIの深刻なずれ」と題する声明である。
その後、X(旧Twitter)を見ていると、この声明をめぐってさまざまな議論や批判が飛び交っていた。それを眺めているうちに、私自身も引っかかるところが出てきた。
この記事を書いている私自身は、数学者でもなければ、数学界に縁もゆかりもない。それどころか、高校数学で脱落した側である。
それでも、この議論はどうしても気になった。
AIが数学の難問を解き始めたことで、「問題を解くこと」と「知識へ貢献すること」は本当に同じなのか、という数学の外側にもつながる問いが見えてきたからだ。
数学者たちは何を恐れているのか
タオらが警告しているのは、単純に「AIに数学をやらせるな」という話ではない。
有名な難問は、答えだけを得るために存在してきたわけではない。数学者が長く取り組む過程で新しい概念や技法が生まれ、解決後にも証明を検証し、単純化し、一般化し、他の数学へ接続していく。
AI企業が有名問題を性能競争の標的として猛烈な速度で解き始めれば、この時間構造が壊れるかもしれない。
証明だけが次々に生産され、数学者が一つを理解している間にAIは次へ行く。過去の研究との関係や、新しく生まれた技法の意味が整理されないまま残る可能性もある。
さらにAIが研究工程へ深く入るほど、「誰が最初に考えたのか」も複雑になる。OpenAIのナビエ–ストークス発表でも、関連研究を進めていた研究者との間で、研究内容や発表、帰属をめぐる異論が生じた。
ここで重要なのは、帰属が名誉だけの問題ではないことだ。
誰が、どの先行研究から、どこまで独立に到達し、どこで新しい発想が加わったのか。
帰属は勲章であると同時に、知識の来歴情報でもある。
大量の成果がAIから出てくるほど、この情報はむしろ重要になる。
それでも「人間が解きたかった」は理由になるのか
ただ、私は一つ引っかかった。
数学者が人生をかけて追っていた問題をAIが先に解けば、本人にとってはつらいだろう。難問へ挑戦する過程が研究者を育ててきた、という懸念も分かる。
しかし、未解決問題に予約権はない。
明日、別の人間が解いても、自分が最初に解く機会は失われる。
問題はAIが勝つことではなく、勝ち方の作法が壊れることではないか。
誰の発見なのか。どこまで検証されたのか。そこから知識をどこまで回収できたのか。
「解いた。正しかった。次。」
これが危ない。
「食べられる魚」と「名物料理」は違う
私は食べ歩きが趣味で、料理について考えるのも好きだ。だからか、この問題を考えているうちに、魚の扱いに似ているように思えてきた。
ほとんど市場価値のなかった魚について、どこで、いつ獲れるのか、良い個体をどう見分けるのか、どう処理すれば食べられるのかが分かったとする。
その魚は市場へ並び、値段が付く。
これは明らかな功績である。
現在のAIも、単に魚を見つけているだけではない。条件を探り、実際に「食べられる」ところまで持ってきている。
しかし名店の料理人は、そこで仕事を終えない。
産地や旬、個体によって扱いを変え、切り方や火入れを探り、刺身、焼き物、煮物、出汁と可能性を引き出す。さらに他の料理人にも再現できる技術として残す。
未利用魚が食材になり、やがて料理やブランドへ育っていく。
数学にも同じ区別があるのではないか。
「解決」と「貢献」を分ける
難問を解いた。
それ自体は大きな成果である。
しかし、その証明のどこが本質だったのか。どの条件まで成立するのか。他の問題へ使えるのか。途中の補題に別の価値はないのか。もっと単純な形にできないか。
一つの成功を、再利用可能な知識へ変える仕事がその後に残っている。
ならば「解決」と「貢献」を分けて記録すればいい。
最初の解決、独立した検証、方法の整理、一般化、他分野への接続、標準的な理論への統合。
しかも、それらを最初に解いた一人の功績へ全部束ねる必要はない。
AIが解き、人間が一般化してもいい。人間の成果を別のAIが整理し、さらに別の研究者が新しい理論へ育ててもいい。
見るべきなのは、人間かAIかではなく、誰が、どの工程で、何を加えたのかだと思う。
AI自身が証明を解剖し、条件を調べ、一般化まで行うなら、それも貢献として評価すればいい。
人間だけでも「統合」は難しい
この問題はAIだけのものでもない。
望月新一氏が長年かけて築き、2012年にABC予想の証明として提示した宇宙際タイヒミュラー理論は、その後論文として出版されたが、正しさについて現在も国際的な合意が成立していない。
ここで理論の正否を論じたいわけではない。
注目したいのは、人間が作った理論でさえ、他者が理解し、検証し、合意を形成し、共通知識へ統合する工程には十年以上の摩擦が生じ得ることだ。
AIは新しい問題を作ったというより、数学にもともと存在した「解くこと」と「知識として共有すること」の距離を、猛烈な速度で拡大し始めたのかもしれない。
数学界にも「ずれ」はなかったのか
AI企業は「何問解いたか」「どれだけ速く解いたか」を競う。
数学者は、数学の価値はそんな数字だけでは測れないと言う。
その通りだと思う。
しかし数学界も、論文数、被引用数、研究費といった測りやすい数字を研究者の評価に使ってきた。
それらは「数学へどれだけ貢献したか」そのものではない。
AI企業だけが数学の価値を粗雑な数字へ圧縮したのではなく、数学界自身も以前から似た問題を抱えていたのではないか。
AIはその歪みを作ったというより、猛烈な速度で露出させたように私には見える。
AIを止めるより、評価を作り替える
だから私は、AIが難問を解けるなら、解けばいいと思う。
100問でも1000問でも構わない。
ただし、解決だけで数学的貢献のすべてを代表させない。
解く。検証する。解剖する。一般化する。他の数学へつなぐ。そして後から使える知識として残す。
AIが数学へ持ち込んだ最大の混乱は、難問を速く解けるようになったことだけではない。
これまで「解決」「貢献」「発見者」という言葉の中にまとめて押し込められていた知的工程を、無理やり分解して見せ始めたことなのだと思う。
だから必要なのは、AIに難問を解かせないための壁ではない。
一つの数学的成果が人類の知識になるまでに、誰が、どの工程で、何を加えたのかを記録し、それぞれを評価できる仕組みである。
そして、その基準はAIだけに向けたものではない。
人間の数学者も、AI企業も、これから現れるAI数学者も、同じ物差しで問われる。
学問が巨大な連峰だとすれば、一つの難問を解くことは山脈を登り切ることではない。
その峰に立ったからこそ、初めて見える山もある。
AIが次々と峰を越えた先に、まだ誰も名前すら付けていない山がどれだけ残っているのか。
今は、そちらの方が気になっている。
コメント