数学者が警告：AIが数学という職業を侵食、国際連盟が声明

人工知能技術があらゆる業界に浸透する潮流の中で、かつてAIに基礎理論的支柱を提供してきた学問分野である数学界も、今やかつてない存続の危機を感じ取っている。国際数学連盟（International Mathematical Union, IMU）はこのほど、複数の著名な数学者が連名で署名した警告声明を正式に支持し、科学技術産業による数学分野への急速な侵食が、数学者という職業の存続を深刻に脅かしていると指摘した。声明は、AIが既に伝統的に数学者が担ってきた一部の業務を遂行できるようになっただけでなく、巨額な報酬とリソースによって学界最高峰の頭脳を引き抜いており、その結果、学術的な数学研究が人材枯渇と方向性の偏向という二重の苦境に陥っていると論じている。

AIの「数学侵略」：ツールから破壊者へ

数学は常に人類の知性の頂点とみなされ、またAI発展の礎でもあった——微分方程式から確率論、線形代数から位相幾何学まで、AIのあらゆるブレイクスルーは数学者の貢献なしには成り立たない。しかし近年、AI技術自体が逆に数学研究へと浸透し始めている。深層学習を基盤とするシステム、例えばDeepMindのAlphaTensor、OpenAIのGPT-4が数学的推論テストで示した能力、そして専用の定理証明器（Lean、Coqなど）の進歩により、機械は数論、組合せ論、幾何学などの分野で自律的に新たな定理を発見したり、証明過程を簡略化したりすることが可能になった。

「我々は臨界点に立っている：AIはもはや数学者の補助ツールではなく、数学研究の競争相手になりつつある。」——声明の主執筆者、ドイツ・マックス・プランク数学研究所教授 Gunter M. Ziegler

警告声明は特に、科学技術企業による数学者への「略奪的採用」がすでに何年も続いていることを指摘している。Google、Microsoft、Meta、DeepMindなどの巨大企業は、年俸数十万ドルで大学から教授や博士課程修了者を直接引き抜くだけでなく、専門の研究ラボ（Google Researchの数学グループ、Microsoft Researchの計算数学チームなど）を設立して数学人材を囲い込んでいる。IMUの推計によれば、過去5年間で、世界トップクラスの数学科の教員の約15%が科学技術産業に流出しており、機械学習、最適化、確率などの分野ではこの割合が30%以上に達している。

学術数学の存続危機

こうした人材流出は、数学研究の生態系を変えつつある。声明は、最も優秀な数学者たちが科学技術企業の定義する問題——例えば推薦アルゴリズムの最適化、AI訓練効率の改善、暗号システムの設計など——の解決に向かうとき、純粋な好奇心と美学に駆動された数学的探究（数論における未解決問題、抽象代数構造の研究など）はリソース枯渇に直面することになると警告している。さらに重要なのは、長期的に見て、基礎数学の停滞は応用数学とAI自体に跳ね返ってくる、という点だ。なぜなら、多くの画期的な応用は、数十年前の基礎的発見に依存しているからである。

IMUは声明の中で、各国の科学研究助成機関に対し、数学研究への支援方法を再評価するよう呼びかけ、特に「直接的な応用見通しのない」基礎数学プロジェクトへの長期的助成を増やすこと、同時に学界からの人材流出を防ぐためのより効果的な仕組みを構築することを求めた。声明はまた、数学界と科学技術産業との対話を提案し、「相互利益的な共生」関係を模索することを提言している——例えば、科学技術企業が一定割合の数学者を学術ポストに残すことを約束する、あるいは共同プロジェクトを通じて数学者が産業界のリソースに触れつつ学術的独立性を保てるようにする、などである。

編集者注：数学者の警告は人類の知性への省察でもある

数学者たちの不安は杞憂ではない。AIは「知的労働」の境界を再定義しつつある：もし数学定理の証明さえも機械によって自動化できるなら、知識創造における人類の位置はどこにあるのか。しかし、今回の声明はより根深い矛盾も映し出している：現代の科学技術産業による人材独占効果である。一社の企業評価額がヨーロッパ全体の数学研究予算を上回るとき、学術機関が情熱と名誉だけでトップの頭脳を引き留めることは極めて困難になっている。これは数学界の危機にとどまらず、基礎科学研究体系全体が直面するシステミックな課題である。

注目すべきは、IMUがAIの積極的な役割を完全に否定しているわけではないという点だ。声明はAIが計算補助、予想の検証、実験の加速において持つ可能性を肯定しつつ、AIの発展方向は数学者が主導すべきであり、その逆であってはならないと強調している。今後10年間、数学界には深刻な自己変革が必要となるかもしれない——教育体系（例えばAIリテラシーを博士課程の必修科目に組み込むこと）から研究パラダイム（例えば人間と機械の協働による証明という新しいモデル）に至るまで——そうしてはじめて、このAIの潮流の中で真のバランスポイントを見出すことができるだろう。

本記事はArs Technicaから翻訳・編集したものである。