OpenAIが数学論文722本を公開、しかし統計学と最適化理論はひそかに内部に留保

2026年10月6日、OpenAIは722本の数学論文をGitHubの公開リポジトリにプッシュし、372の重大な数学未解決問題で実質的な進展を遂げたと一括して主張した。同社の説明によれば、各成果の平均算力消費量はChatGPT Proによる3時間連続推論に相当するという。これはAIが純粋数学の領域に踏み込んだ最も集中的な成果公開であり、代数・数論・理論計算機科学・数学的論理学・位相幾何学など多岐にわたる分野の成果が収録されている。

なかでも最も注目を集めたのは「準リーマン予想」の証明である。準リーマン予想は、リーマン予想（数学のミレニアム懸賞問題のひとつで100万ドルの賞金が懸かる）の弱いバージョンにあたる。OpenAIのモデルは、リーマンゼータ関数が実部が7/8より大きい領域にゼロ点を持たないことを証明した。この手法は研究者の間で非公式に「zetaショートカット」と呼ばれており、モデルは従来の証明ルートを迂回し、この問題を通るより短い経路を見つけた。関連する証明論文は約199ページに及ぶ。

しかし公開からわずか1日後、OpenAIは符号の誤りを発見したとして3件の成果を撤回した。また、報道によれば約50%の成果はまだ完全な数学的検証が完了していないという。OpenAIはその後、ハーバード大学の数学者メラニー・ウッド（Melanie Wood）らで構成される数学諮問委員会と協議して後続作業を進めた。同委員会は声明の中で今回の公開を「人類がこれらの研究を理解し数学的知識体系に組み込むプロセスの完了ではなく、開始」と位置づけ、OpenAIに対して「AIエージェントに提供したすべてのプロンプトおよびエージェントの完全な推論チェーン」を公開するよう明確に求めた。

欠落した領域こそが手がかり

公開内容が引き起こした最も深い議論は、発表された成果そのものからではなく、「欠落リスト」から生まれた。チューリッヒ工科大学（ETH Zürich）の研究者ダニエル・パレカ（Daniel Paleka）は、Semantic Scholar APIを用いてOpenAIの成果を体系的に照合した。その結論は際立っていた。統計学・機械学習理論・最適化論・数値解析の4分野は、arXivの定理総データベースで合計約20%を占めるにもかかわらず、OpenAIが公開した722本の論文においては1%にも満たない比率しか示されていなかった。

これは小さな偏差ではない。「すでに公開されている問題のみを扱うarXiv論文」をより厳格な基準として再計算すると数値は若干縮まるが、差は依然として統計的に有意である。つまり「これらの領域には公開された難問がない」という説明は成立しない——それらの領域には明らかに難問が存在しており、OpenAIがそこに手をつけなかっただけである。

自然な疑問が浮かび上がる。なぜ、よりによってこれらの領域なのか。統計学・最適化論・機械学習理論は、大規模言語モデルの訓練と推論最適化の理論的基盤である。これらの領域の中核的手法——勾配降下法の収束性解析、サンプリング分布の裾の挙動、確率的ニューラルネットワークのスペクトル解析——は次世代モデルの訓練効率と性能の上限を直接決定づける。パレカは自身の分析の中でこう記している。「各研究室の内部用途に最も近いこれらの数学分野については、競争優位を保持するためにどの研究室も発表を控える傾向がある」というのが妥当な説明だと考える、と。

これは検証不可能な推測ではない。2025年8月、元マイクロソフトリサーチ主席研究員でその後OpenAIに加わったセバスティアン・ビュベック（Sébastien Bubeck）は、SNS上で公開発言をしている。ある凸最適化論文の中の未解決問題をGPT-5 Proに与えたところ、モデルは問題を解いただけでなく、元の論文より優れた上界の証明を与え、推論プロセスが完全に正しいことも確認したと述べた。これはOpenAIのモデルが2025年の時点ですでに最適化分野の中核的数学を推進する能力を備えていたことを示している。その能力は、2026年10月の公開リストには見当たらない。

暗号理論の不在——商業的利益か、積極的な管理か

上記4分野に加え、現代暗号理論の不在も広く議論を呼んでいる。現代の公開鍵暗号基盤は数論における難解問題の上に成り立っており、OpenAIが今回公開した成果はまさにその数論——準リーマン予想に関連する素数分布の界を含む——に深く踏み込んでいる。ジョンズ・ホプキンス大学の暗号学者マシュー・グリーン（Matthew Green）は関連する議論の中でこう書いた。「私たちは公開鍵暗号を失うことになるかもしれないと思う」。

独立研究者のベン・ポドガースキー（Ben Podgursky）はさらに直接的だ。研究室が成功を収めているのは、解いても解いた側に非対称な商業的優位をもたらさない「奇妙な」数学問題だけだという偶然の一致は、注目に値すると指摘した。

これには2つの解釈経路がある。第一は「良性の自制」——AIが暗号理論を突破すれば世界の金融インフラが即座に危険にさらされるため、研究室が主体的に非公開を選択し、システム的危機の誘発を避けているという、責任ある技術管理の観点からの解釈である。第二はより冷徹な解釈——これらの領域で「研究がされていない」のではなく、研究結果が封印されているのであり、モデルの能力の境界は公開発表の境界とは一致しないという見方である。

2つの解釈は相互排他的ではない。しかしいずれであれ、共通して指し示す結論がある。OpenAIが公開しているのは、安全に公開できると判断した部分であり、モデルの真の能力の全体像ではないということだ。

透明性の赤字が積み重なっている

OpenAIが数学分野で透明性をめぐる議論を引き起こすのはこれが初めてではない。以前、同社がナビエ＝ストークス問題で突破口を開いたと発表した際、数学界は検証プロセスと結果の信頼性について多くの疑問を提起し、その後OpenAIは独立した数学諮問委員会を設立した。委員会の職務には、成果の意義の評価、発信方法の提言、学術・職業上の基準についてのOpenAIへの助言が含まれ、さらに主体的に意見を表明しそれを公開する権限も与えられている。

諮問委員会は今回722本の公開後の声明の中で、OpenAIに対してすべてのプロンプトと推論チェーンの公開を明確に求めた。この要求は今もって正面から回答されていない。

産業の観点から見れば、この透明性をめぐる争いの賭け金は学術倫理の範囲をはるかに超えている。AIモデルが最適化理論や機械学習理論の中核的な数学的成果を体系的に習得しながら、それらの成果を内部でのみ活用して公開しないとすれば、公開研究コミュニティはAI能力の進展についての判断を実態より継続的に遅らせることになる。この情報の非対称性は、学術界・規制当局・競合他社がAIの実際の能力を長期にわたって過少評価し続ける状況を生み出す。

独立した判断

722本の論文は真の成果である。準リーマン予想の証明は、リーマン予想の弱化版に過ぎないとはいえ、数論において実質的な意義を持つ。各成果の平均3時間という算力消費量は、この種の数学的生産が工業的なペースに入りつつあることを意味する。

しかし「何を発表したか」と「何を隠したか」は、等しく重要性をもって審査されなければならない。ある企業が系統的に高品質の数学を生み出す能力を持ちながら、自社の商業的利益に高度に関連するサブ領域でほぼ完全な空白が生じているとき、それは偶然の分布上の偏差ではなく、選択の結果である。

数学諮問委員会が推論チェーンの公開を求める声は、この問題の核心を突いている。AIが生成した数学的成果の信頼性は、結論が正しいかどうかだけでなく、推論プロセスが独立して検証可能かどうかにもかかっている。審判と選手を兼ねる発表者が、自らが最も秘匿する動機を持つ領域において沈黙を保ち続ければ、外部からの疑念は発酵し続けるばかりだ。これは技術的な開放性の問題であり、産業競争の構造的問題であって、単なる学術的礼儀の問題ではない。