2026年10月6日、OpenAIは内部モデルが生成した722篇の数学手稿をGitHubの公開リポジトリに一括プッシュした。この手稿群は純粋数学と理論計算機科学にまたがり、372の結果系統として整理されており、モデルのトレーニングは2026年8月28日に開始されている。フィールズ賞受賞者のテレンス・タオは公開の場でこう警鐘を鳴らした——AIは解題の最適化を目標としているが、解題の過程で生まれるはずの方法論、失敗の経路、派生する問いといった副産物がすべて消えてしまっている。彼は「Math 1.0」が持続不可能な臨界点にまで最適化されており、「Math 2.0」においては数学的進歩を根本から再定義しなければならないと述べた。
タオはこれに先立ち、OpenAIが9月21日に設立した数学・人工知能諮問グループに参加している。彼は顧問としての使命をこう表現した。「私たちは今、非常に具体的な課題に直面している——内部モデルが生成したと報告される大量の重要な数学的成果をどのように発表・調整するかについて、OpenAIに助言を行うことだ。」諮問グループの存在は、成果発表の時期と方法をめぐって数学コミュニティとOpenAIの間にいまだ合意が形成されていないことを示している。
AIが解題を流れ作業にした——本当に重要なプロセスを迂回して
タオの批判は、数学的知識生産の内在的論理の中に置いて理解する必要がある。数学界において、未解決問題の価値は答えそのものにとどまらない。それはまず一種の「道標」であり、その問題を解くことで、人類がある数学的地形をどれほど理解しているかが試される。解決後、数学コミュニティは通常、数ヶ月から数年にわたってその成果を中心に作業を続ける——証明の構造を理解し、新しい手法を見出し、既存の体系と接続し、教えられるレベルにまで簡略化する。そして最終的に、数十年後にはいくつかのアイデアが普遍的な道具となる。この「消化」のプロセスこそが数学の核心的な産出物なのだ。
AIによる大量解題はこの循環を断ち切る。722篇の手稿は従来の査読を経て発表されたものではなく、モデルが直接生成してプッシュしたものだ。このうちLean形式言語で検証できたのは162篇に過ぎず、残る560篇は依然として数学界による従来型の厳密な審査を必要としている。タオの判断はこうだ——解題は数学の目標を達成するための手段に過ぎず、真の目標は概念的理解と洞察にある。もしAIが思考の経路を示さずに「真/偽」の断言だけを生産するなら、数学は新たな問いと手法を育む土壌を失ってしまう。
彼はこの問題意識を「Math 2.0」時代への呼びかけへと敷衍する。数学的進歩はより包括的に評価されなければならず、解説の質、コミュニティの構築、新たな方向性の開拓は問題解決と同等に重視されるべきだ。そうでなければAIは、旧来の持続不可能な最適化を、新たな計算資源の大量消費へと置き換えるだけに終わる。
ナビエ・ストークス論争——問題を一気に噴出させた導火線
議論が爆発した直接の引き金は、OpenAIが9月8日にナビエ・ストークス方程式の存在性と滑らかさに関する問題を解決したと発表したことだ。これはクレイ数学研究所が2000年に設定したミレニアム懸賞問題7問のうちの一つである。OpenAIは約1万体のAIエージェントを約88時間稼働させ、有限時間内で流体が爆発を起こすような滑らかな外力を構成する証明を提示した。これはクレイの問題設定のCおよびDのケースに該当する。現時点でも、クレイ数学研究所の公式ページはこの問題を「未解決（Active）」と表示したままだ。
検証状況のギャップは、AI数学成果と数学界の受容基準との間にある構造的断絶を露呈させた。数学界における検証は社会的プロセスだ——同僚が読み、疑問を呈し、簡略化し、再現し、最終的にコンセンサスが形成される。OpenAIは「自動化検証手法」を使用しており、同社はそれが数学的厳密性の新たな標準になりつつあると主張しているが、これは数学コミュニティが期待する検証方式とはまったく異なる体系だ。
ナビエ・ストークス事件は帰属権をめぐる論争も引き起こした。ニューヨーク大学の数学者トリスタン・バックマスターとAnthropicの研究員レヴェント・アルペゲが渦中に引き込まれ、モデルが数学者の研究進捗を知った上で力業で問題を解いたのかどうか、成果のクレジット表記は適切かといった問題をめぐって、数学界では「プロンプトは未発表研究素材に当たるか」という公開討論が巻き起こった。これはより深層の問いに触れている——トップモデルはユーザーの会話データを学習しており、モデルが提示した証明は数学者の未完成のアイデアをどれほど借用しているのか、ということだ。
25人のフィールズ賞受賞者——これはAIと科学界の目標における系統的なずれだ
2026年9月11日、テレンス・タオや鄧宇（Deng Yu）ら25人のフィールズ賞受賞者が連名声明「人工知能と数学における深刻なミスアライメント」を発表した。声明は問題を系統的なものと位置付けた——AI企業が「数学問題を解くこと」をモデル能力の評価基準としており、これは数学という学問と数学コミュニティに害をもたらしており、他の科学分野や創造的職業にも影響が及んでいる、と。
声明は三つの具体的な構造的問題を列挙した。第一に、AIの解題速度が数学コミュニティが知識を消化する速度を超えており、既存の未解決問題が急速に消費されているが、AIは深遠な価値を持つ新たな未解決問題を提起する能力をまだ持っていない。道標は消えているのに、新たな道標が生まれる速度が消費に追いつかない。第二に、AIが成果を発表する方法にコンプライアンス上の問題がある——成果はしばしば厳密な論文を書くことも先人の業績への適切な引用もないままメディアに性急に発表され、帰属と剽窃をめぐる論争を招いている。第三に、数学者が知識体系への統合を担わなければ、AIが生み出したアイデアは真に「生きる」ことができず、人間の数学者間における知の継承の連鎖が断ち切られる恐れがある。
数学界、AI業界、評価エコシステムへの層別的影響
数学コミュニティにとって、722篇の手稿がもたらす衝撃は多層的だ。まずは資源の圧迫——数学者はAIが生成した主張の審査に膨大な時間を費やさなければならず、その時間は本来ならば自らの研究推進に充てられるはずのものだ。次に萎縮効果——この事件は、大手企業がプロンプトデータをバックグラウンドで監視し、インスピレーションを盗んで計算力で先行するのではないかという研究者の恐怖を呼び起こした。研究者は未完成のアイデアを対話ボックスに打ち明けることをためらい始めている。もし数学界がオープンな協力から防衛的な閉鎖的研究へと向かうなら、それは学問のエコシステムにとって深刻な後退となる。
AI業界にとっては、この事件によって潜在的な問題が表面化した——数学ベンチマークのスコアが際限なく上がり続けているが、そのスコアは一体何を測っているのか。モデルが1万体のエージェントを動員して網羅的に検証する場合、スコアの向上は主に計算資源の投入によるものであり、推論能力の本質的な向上ではない。その結果、数学問題が能力評価ツールとして持つ有効性は大きく損なわれる。さらに、OpenAIによるこの一括公開は「独立数学諮問グループが推奨したすべての開示内容を含んでいなかった」——OpenAI自身が設けた諮問機構の提言さえ完全には採用されなかったことを意味する。
企業ユーザーや開発者にとっては、この論争は導入判断のための参照枠組みを提供している。専門分野の問題解決にAIを展開する際、「モデルが問題を解決したと主張している」ことと「解決策がその分野のコミュニティによって検証されている」ことの間には本質的な差がある。Lean形式で検証された162篇とそれ以外の560篇の間の区別は、まさにこの差の定量的な体現だ。リスクの高い意思決定の場面で、領域専門家による検証を経ていないAIの出力に依拠することは、定量化困難な系統的リスクを引き受けることを意味する。
戦略的判断——数学ベンチマークの信頼性危機が評価体系の再構築を迫る
タオの「Math 2.0」フレームワークは、本質的にはAI能力評価体系への哲学的挑戦だ。「解題率」という代理指標が天井近くまで最適化されると、それはもはや真の能力の信頼できるシグナルではなくなり、やがて真の能力と乖離し始める。この論理は数学だけでなく、「検証可能な問題の解決」を基準とするすべての領域に当てはまる。
最も起こりやすい展開の一つは、数学分野がAI成果に関する独立した検証基準をいち早く形成することだ——発表者に対し、自然言語の手稿ではなく形式的証明（LeanまたはCoq形式）の提供を求め、かつ検証作業は発表者自身の「自動化検証」に依拠せず独立した数学者によって行われることを要件とするものだ。観察可能なシグナルとしては、クレイ数学研究所がナビエ・ストークス問題を最終的に解決済みと認めるかどうか、またOpenAIが次の成果の発表方式を調整するかどうかが挙げられる。
もう一つの方向性は、タオが提唱する「Math 2.0」が理念から制度設計へと移行することだ。AIの数学的価値を「いくつの問題を解いたか」ではなく、「消化・継承・教育が可能な理解をどれだけ生み出したか」を基準に測る。これには数学コミュニティ、AI企業、学術機関の三者が同時にインセンティブ構造を調整する必要があり、難易度は極めて高い。しかし25人のフィールズ賞受賞者が連名で声を上げたという事実そのものが、この道が真剣に議論されていることを示している。
根底にある矛盾はこうだ——AI企業は著名な問題を解くことでモデルの進歩を証明する必要があり、これは商業的コミュニケーションの論理として必然だ。しかし数学コミュニティはそこから真に恩恵を受けるためにペースを落とす必要があり、これは知識生産の論理として必然だ。この二つの論理は時間的スケールがまったく異なるが、現在のAI業界のペースは明らかに前者に主導されている。タオの警告は、そのペースのコストが積み重なっており、その分野で最も卓越した集団の注意をすでに引いていることを示している。
© 2026 Winzheng.com 赢政天下 | 转载请注明来源并附原文链接