数学はかつて芸術だった——AIが力任せにやってくるまでは

「詩のような」学問

長い間、数学はその実践者たちに一つの芸術として捉えられてきた。美しい証明に求められるのは、すべての手順を埋め尽くすことではなく、最も短く、最も意外で、最も事物の本質を明かす道筋を見つけることだ。ポール・エルデシュは最も優美な証明を「神の本」から来るものと呼んだ。ハーディは『ある数学者の弁明』の中で、数学者のパターンは「画家や詩人のパターンと同様に、美しくなければならない」と主張した。ある予想が提示され、数十年間棚上げにされ、やがて閃きに満ちた構成によって打ち破られる——それが数学の鼓動だった。

しかし今、その鼓動のそばに、一台の機械が加わった。

力任せの登場

ここ数年、AIが数学において成し遂げた進歩は急激だ。DeepMindのAlphaProofとAlphaGeometryは国際数学オリンピックで金メダルに迫る成績を収め、その解答の多くは形式化証明システムLeanの中で一行ずつ検証された。その後、定理の自動証明、予想に対する反例の探索、組み合わせ構造の総当たり構築に至るまで、モデルは数学研究のあらゆる領域へと浸透し始めた。これらに共通する特徴は、問題を巨大な探索空間に展開し、計算能力でそれを埋め尽くすことだ。

「かつては直感でどの道が歩む価値があるかを判断していた。今ではモデルがすべての道を歩き尽くせる。」——そのような言葉が、数学科の廊下やセミナーの場でますます頻繁に聞かれるようになっている。

数学者のジレンマ

懸念は根拠のないものではなく、少なくとも三つの層がある。

第一の層は方法論に関するものだ。もしある問題がすべての分岐を網羅することで解決できるなら、「理解」にはどれほどの価値が残るのか。数学的訓練の核心は常に判断力にあった——どの問いが問う価値があるか、どの方向に構造が潜んでいるか、どの予想が真である可能性があるか。そうした判断力は長期にわたる没入から生まれるものであり、計算能力の積み上げからではない。

第二の層はインセンティブに関するものだ。トップレベルの成果が大規模な計算資源とエンジニアリングチームにますます依存するようになれば、個々の数学者の立場は窮地に追い込まれる。計算能力を負担できる側が「フロンティア」を定義し、反例を構築したり新概念を生み出したりすることを得意とする人々は、評価体系の中で周縁化されかねない。

第三の層は文化に関するものだ。数学の美学は装飾ではなく、圧縮だ——一つの概念がどれだけ多くの現象を統一できるか、一つの証明がどれだけ多くの手順を省けるか。力任せの解法は正しい答えを与えることが多いが、何も説明しない。もし学問の価値基準が結果重視へと完全に書き換えられれば、数学は答えを競うレースへと退化しかねない。

詩よりも恵まれている点

しかし、数学には絵画や詩との決定的な違いがある——形式化検証を持っているということだ。詩は「証明」できないが、定理はできる。これは、数学においてAIが生み出す成果が、検査可能で、再現可能で、人間が吸収できるものであることを意味する。数学者は「受け入れる」か「拒否する」かの二択を迫られるのではなく、機械が生成した結果を分解し、書き直し、精製して、そこから新たな構造を抽出することができる。

実際、AIを「代替者」ではなく「加速器」として捉える研究者が増えている——人間では思いつかないような構成をモデルに探索させ、その中からどれが本当に問題の本質を明かしているかを人間が判断する、というアプローチだ。検証可能性こそが、数学に他の学問にはない緩衝地帯を与えている。

編集後記：危機は答えにあるのではなく、過程にある

本当に警戒すべきことは、AIがどれだけ難しい問題を解けるかではなく、私たちが効率という誘惑の前で、数学における「過程」の価値をひっそりと手放してしまうことではないだろうか。ある学問が芸術であるのは、それが難しいからではなく、有限の知性をもって無限の構造に近づくことを求め、その中にスタイルを刻むことを要求するからだ。AIの登場がそれを奪うことはないが、数学を最適化すべきタスクリストとして捉える傾向を増幅させるだろう。

数学者が抗う方法は、おそらくモデルの参入を禁じることではなく、同じ問いを問い続けることだ——この方法は、数学への理解を深めてくれるか？もし答えが否ならば、たとえ正しく計算できたとしても、それはやはり数学ではない。

本稿はWIREDより編訳