テレンス・タオ氏は、人工知能が数学における実りある未解決問題の供給を、数学者が新たな問題を特定するよりも速く減少させていると警告した。

数学者が新たな問題を特定するよりも速く、AI研究所が歴史的に難しい問題を解決しているという実例を受けた警告だ。

タオ氏は、特定の問題を「analysis-required（分析必須）」と ozna付けするよう数学者に求めている。説明を伴わないAI生成の解答だけでは、ほとんど評価されないようにするためだ。

現存する純粋数学者の中で最も優れていると広く考えられているUCLA教授のテレンス・タオ氏が、現在進行している数学分野でのAI競争の加速に警鐘を鳴らした。

2006年にフィールズ賞を受賞したタオ氏は昨日、数学中心のMastodonインスタンスであるMathstodonに警告を投稿し、AIが数学の進歩を実際に押し進める「良い」未解決問題、つまり未解決の問いの供給をこの分野から奪っていると主張した。証明ではない。論文でもない。良い問いだ。

数学の問題は誰でも無限に作ることができる。例えば、円周率のgoogol桁目を計算することは、技術的には誰も計算していない未解決問題だ。しかし、そのほとんどには意味がない。大半は数学という分野全体について何も教えてくれないからだ。タオ氏が書いたように、本当に重要なのは、どの問題に時間と労力を費やす価値があるのかを見極めることだ。

「要するに、強力な解答抽出ツールを無差別に使えば、目の前の問題を解くという当面の短期的な目標は達成できる。しかしその代償として、次の進歩の波に向けたエコシステムを維持したり、すでに得られた進歩を理解したりすることが犠牲になる」とタオ氏は書いた。

推論モデルや最新世代のフロンティアAIシステムの登場により、研究所は数学や科学の問題に膨大な計算資源を投入し始めている。AnthropicとOpenAIは、数学者が何年、場合によっては何十年も解決できなかった問題でモデルを試している。

その結果は、量子物理学から応用数学、医学にまで及んでいる。しかし数学は異なる。本当に難しい問題は比較的少なく、研究者は何カ月、場合によっては何年を費やす価値がある問題を慎重に選ぶことが多い。

これまでは、どの問題が簡単で、どの問題に本格的な努力が必要で、どの問題が現在の手法では絶望的なのかという、分野の「難易度の地形」を見極めることにかかっていた。新たな手法はこれまでもその地形の一部を平坦化してきたが、同時に自らの限界の先に新たなフロンティアを切り開いてきた。タオ氏によれば、AIはこのパターンを崩す。モデルの能力が正確にどこで止まるのか、誰にも分からないからだ。

うわさから競争へ

タオ氏が説明しているのは仮説ではない。5月、OpenAIのモデルが、平面上に何組の点をちょうど1単位離して配置できるかを問う80年前の問題、エルデシュの単位距離予想を反証した。フィールズ賞受賞者のティム・ガワーズ氏を含む、OpenAI外部の数学者がその結果を検証した。

同じ週、Anthropicの研究者Levent Alpöge氏は、同一の問題をClaude Mythos、同社がまだ公開していない最上位モデルにかけた。OpenAIが公開した解答をコピーできないよう、オフラインで作業した。AnthropicのエンジニアであるSholto Douglas氏は、その結果をOpenAIのものより短い「かわいらしく、シンプルな証明」と評した。数学者のDaniel Litt氏は、MythosがOpenAI自身の解答も見つけたことを認めつつ、その解答をOpenAI版より「少し悪い」と評した。

Huge credit to the OAI team for solving the unit distance problem with 5.5 - it is now my go to example that models can in fact pull together disparate ideas into new discoveries. As with all 4 minute miles, we had to try and cross it too! Turns out mythos solves it with a cute,… — Sholto Douglas (@_sholtodouglas) May 26, 2026

Huge credit to the OAI team for solving the unit distance problem with 5.5 - it is now my go to example that models can in fact pull together disparate ideas into new discoveries.

As with all 4 minute miles, we had to try and cross it too! Turns out mythos solves it with a cute,…

— Sholto Douglas (@_sholtodouglas) May 26, 2026

今週に入ってから、Anthropicは数世紀前のフェルマーの最終定理の証明を形式化し、その数日後にはOpenAIが90年前の問題を解決した。研究者が独自の証明を発表してから数時間後のことだった。OpenAIはその後、Anthropicの研究者と共同で論文を執筆した。

タオ氏が懸念しているのは、まさにこの競争だ。「誰かがある問題に取り組んでいるといううわさだけでも、元の研究プロジェクトがその潜在能力を十分に発揮する時間を得る前に、AIを使った膨大な取り組みを誘発し、その問題を解決してしまうことが、すでに起きている」と書いた。

タオ氏は、こうした動きが何世紀にもわたるオープンサイエンスを逆転させると主張している。

解答だけでなくプロセスを評価する

タオ氏が提案する解決策は、特定の問題を「analysis-required（分析必須）」と ozna付けすることだ。つまり、関連する問題について何らかの洞察を示す推論が伴わない限り、正しい生の解答はほとんど評価しないという意味である。タオ氏は、単に食べられるという理由だけでは寄付を受け付けなくなったフードバンクに例えた。

タオ氏によれば、残された選択肢はこれか、数学におけるAIの利用を禁止することだ。しかし、後者は「技術的に実行不可能」だという。

この提案を政策として採用した機関はまだなく、大手AI研究所の行動を見る限り、現時点ではこの提案でさえ技術的に実行不可能かもしれない。

Daily Debrief Newsletter

出典: Decrypt