AIに対する世間の空気が、少し変わってきた。
文章は間違える。
検索結果を要約しただけなのに、自信満々で嘘をつく。
簡単な計算を取り違え、存在しない資料を引用する。
その一方で、巨大なデータセンターを建設し、原発数基分ともいわれる電力を要求し、半導体とメモリーを買い占める。
「そこまでして作ったものが、メールの下書きと猫の画像なのか」
そんな冷めた見方が広がるのも、無理はない。
生成AIが登場した当初、人々が抱いた期待はもっと大きかった。
難病の治療法を見つける。
人間には解けなかった科学の謎を解く。
未知の理論を発見する。
人類の知識を、これまで届かなかった場所まで押し広げる。
しかし実際に日常へ入ってきたAIは、会議を要約し、広告文を書き、コードを補完する道具だった。
便利ではある。
だが、私たちが夢見た未来は、それだけだっただろうか。
2026年8月、OpenAIが発表した「Ten advances in mathematics and theoretical computer science」は、その問いに対する一つの回答である。
OpenAIの内部モデルは、数学と理論計算機科学にまたがる10件の未解決問題について、新しい解決または大幅な進展を提示した。
これはAGIの発表ではない。
だが、かつて人類がAIに期待した姿を、久しぶりにはっきりと思い出させる成果だ。
一つの珍しい成功ではない
これまでにも、AIが高度な数学問題を解いたという話はあった。
数学オリンピックで好成績を収めた。
大学院レベルの問題を解いた。
既存の定理を形式証明へ変換した。
それらも十分に立派な成果である。
しかし、基本的には「答えが存在することが分かっている問題」を、AIが解けるかどうかを測るものだった。
今回の発表は性質が違う。
OpenAIによれば、対象となったのは長年研究されながら、まだ答えの定まっていなかった問題である。
分野も一つではない。
高次元の球充填、符号理論、群論、作用素環、算術回路計算量、量子計算量、格子暗号、組合せ論など、数学と理論計算機科学の広い領域にまたがっている。
たまたま一問だけ、学習データの隙間から正解を拾い上げたという話ではない。
異なる10の問題へ入り込み、それぞれに新しい論証を組み立てた。
ここに今回の重さがある。
AIが示した「10の前進」
今回公開された成果には、例えば次のようなものが含まれる。
高次元の球を、空間へどれほど密に詰め込めるかという球充填問題では、一般的な高次元に対する新しい上界が得られた。論文では、1978年以来となる一般的な球充填指数の改善だと説明されている。
群論では、長く未解決だった「すべての可算群は有限置換によって近似できるのか」という問題に対し、明示的な非ソフィック群を構成した。
Connesの剛性予想については、予想を満たさない反例を構成し、長年の予想を否定した。
理論計算機科学では、行列のパーマネントを算術回路で計算する際の新しい下界を示した。
量子計算量では、一般の2人量子ゲームについて指数的な並列反復定理を証明した。
耐量子暗号とも関係する最近ベクトル問題では、新しい近似困難性を示している。
さらにEhrhartの体積予想を全次元で解決し、多色Ramsey数ではErdős問題183を、極値グラフ理論ではErdős問題146と180を解決したとしている。
もちろん、一般の読者がこれらの内容を一読して理解するのは難しい。
大事なのは、専門用語の数ではない。
これらは、人間の研究者が何年、あるいは何十年も考えてきた問題だ。
AIは既存の教科書から答えを抜き出したのではない。
まだ教科書に答えが載っていない場所へ踏み込んだ。
また「式を見つけた」のか
本サイトでは以前、GPT-5.2が理論物理において、個別のグルーオン散乱振幅から一般式を導き出した事例を取り上げた。
あれも素晴らしい成果だった。
有限個の具体例から、任意の粒子数に通用する構造を見つけた。
その後、その構造はグラビトン散乱へ拡張された。
つまりAIが発見した式は、一つの特殊な計算結果に留まらず、別の理論にも通用する構造として育ち始めた。
今回の10件の成果は、その流れをさらに一段押し進める。
前回は、一つの理論物理の問題でAIが構造を見つけた。
今回は、数学と理論計算機科学の複数領域で、AIが新しい論証を組み立てている。
一度の奇跡ではない。
未知の問題を相手にする能力が、再現可能な研究手法へ変わり始めている。
ヘルメットを外したAI
普段、私たちが使うChatGPTには多くの制約がある。
応答時間、計算資源、利用料金、安全対策、出力形式、一般ユーザー向けの分かりやすさ。
少し乱暴に言えば、ヘルメットと膝当てを着け、転ばないように調整されたAIだ。
それでも十分に便利だが、最先端モデルの能力をすべて使っているわけではない。
今回成果を出したのは、OpenAIが次の主要モデルと位置づける内部版の「Astra」である。
モデルは長時間にわたって問題を探索し、論証を組み立てた。OpenAIによれば、10件の解法を見つけるために使われた総トークン量は、Sol APIの料金に換算すると約2,000ドルだったという。
これも興味深い数字だ。
巨大な研究成果と聞けば、何億円もの計算資源を想像する。
もちろんモデルの訓練費用や研究基盤は別に必要だが、完成したモデルを使って10件の成果を探索する推論費用自体は、約2,000ドルだった。
AIは確かに電気を食う。
しかし、その電気で長年の未解決問題が動くのであれば、話は変わってくる。
メールを1通書くために巨大モデルを使う姿だけを見て、「AIは電気食いの役立たずだ」と決めつけるのは、スーパーコンピューターで電卓を動かし、費用対効果が悪いと笑うようなものだ。
証明したと言うだけでは終わらない
AIによる数学研究には、常に一つの不安がつきまとう。
その証明は本当に正しいのか。
文章としてもっともらしく見えても、途中に小さな論理の飛躍があれば、数学的には成立しない。
今回OpenAIは、モデルが生成した論証を人間が論文へ整えた後、さらにモデルによってLeanの証明証明書へ形式化したと説明している。
Leanは、数学的な証明をコンピューターで検査するための定理証明支援系である。
単なるスペルチェックではない。
プログラムをコンパイルし、型や構文の矛盾を検出するように、証明の各段階が定められた公理と推論規則に従っているかを機械的に確かめる。
さらにOpenAIは、各成果についてモデルによる「アイデアがどのように組み上がったか」という解説も公開した。
AIが最終回答だけを吐き出し、人間がそれを信じる構図ではない。
AIが論証を作る。
人間が論文として整える。
形式証明系が論理を検査する。
数学者の共同体が意味と価値を評価する。
研究のためのパイプラインが、ここまで形になってきた。
それでも「確定」ではない
ただし、OpenAIが発表したからといって、10件すべてがその瞬間に数学史へ確定したわけではない。
数学では、証明の正しさだけでなく、前提の置き方、既存研究との関係、定理の意味、別の解法との比較も重要になる。
Leanによる形式検証は強力だが、どの命題を形式化したのか、その命題が元の未解決問題を正確に表しているかは、人間が確認しなければならない。
今回の論文は249ページに及ぶ。
これから各分野の専門家が読み、検証し、批判し、発展させていくことになる。
OpenAI自身も、数学コミュニティーに成果を文脈化し、新しい研究へつなげてほしいと述べている。
これは弱気な留保ではない。
科学とは、もともとそういうものだ。
重要なのは、AIの成果が「面白いデモ」の段階を越え、専門家が本気で検証すべき研究対象として提出されたことである。
「人間の仕事を奪う」の先にある話
生成AIの議論は、いつも雇用の話へ引き戻される。
ライターが要らなくなる。
プログラマーが減る。
事務職が置き換えられる。
もちろん、それは現実的な問題だ。
しかし、AIの価値を「人件費を何円削減できるか」だけで測るなら、あまりにも夢がない。
コンピューターは、そろばん係を減らすためだけに作られたのではない。
望遠鏡は、見張り台の人数を減らすために発明されたのではない。
顕微鏡は、検査作業を効率化するためだけの道具ではない。
それらは、人間の目が届かなかった場所を見えるようにした。
AIにも本来、同じ期待があったはずだ。
人間より速くメールを書くことではない。
人間が考え続けても届かなかった場所へ、一緒に手を伸ばすことだ。
数学者は不要になるのか
ならば、AIが未解決問題を解くようになれば、数学者は不要になるのだろうか。
おそらく逆だ。
AIが大量の証明候補を生み出せるようになるほど、
何を問題として選ぶのか。
なぜその問題が重要なのか。
得られた定理は他の理論とどう結びつくのか。
新しい構造は、どんな世界を見せるのか。
こうした判断の価値は高くなる。
計算や探索の多くをAIへ任せられるなら、数学者はより大きな構造を見ることに集中できる。
それは「数学者を置き換える」というより、数学者の視野を広げる話だ。
望遠鏡が天文学者を不要にしなかったように、AIもまた、研究者の能力を拡張する装置になる可能性がある。
AIがバカに見える理由
AIは、日常会話では驚くほど間抜けな失敗をする。
今日の日付を間違える。
左右を取り違える。
簡単な指示を忘れる。
存在しない機能を、さもあるように説明する。
そんな姿を毎日見ていれば、「これが人類の未来なのか」と疑いたくなる。
だが、人間だって同じだ。
買い物を忘れる物理学者もいる。
名前を覚えられない数学者もいる。
机の上を片付けられない天才もいる。
日常的な器用さと、未知の構造を発見する能力は、同じ尺度では測れない。
AIの能力も、滑らかな会話だけで評価する段階を過ぎつつある。
チャット画面で少し頓珍漢な答えを返すモデルと、長時間の推論環境で未解決問題へ挑むフロンティアモデルは、同じ技術の延長線上にあるが、同じ使われ方をしているわけではない。
普段のAIがヘルメットを被って転ばないよう歩いているとすれば、研究用のAIは、酸素ボンベを背負って人類未踏の山へ登っている。
平地でつまずいた姿だけを見て、登山能力まで笑うのは早い。
AGIではない。それでも扉は開いた
今回の成果をもって、AGIが完成したと言う必要はない。
AIは自分で研究目標を決めていない。
研究の価値を社会へ説明するわけでもない。
結果に責任を持つこともできない。
人間が問題を選び、研究環境を与え、成果を検証し、意味を与えている。
それでも、AIが未知の数学へ実際に足を踏み入れた事実は変わらない。
式を見つけた。
別の理論へ拡張した。
そして今度は、複数の未解決問題に対して、証明と反例と新しい上界・下界を持ち帰った。
これは「何でもできる人工知能」の誕生ではない。
しかし、人類の知識の境界線を押し広げる道具が生まれ始めたという意味では、十分に歴史的な出来事だ。
人類がAIに期待していたもの
AIブームは、いささか俗っぽい方向へ進みすぎた。
チャットボットの利用者数。
企業の人員削減。
画像生成の著作権問題。
月額料金とベンチマークの比較。
どのモデルがコードを何秒早く書くか。
どれも無視できない。
だが、それだけではAIへ費やされる莫大な資源を正当化するには足りない。
人類がAIに求めていたものは、本当はもっと大きかった。
まだ治せない病気を治すこと。
まだ理解できない自然法則を理解すること。
まだ証明できない命題を証明すること。
人間だけでは開けなかった扉を開くこと。
今回の10件の成果は、その期待に対する小さいが明確な答えである。
AIは電気を食う。
間違いもする。
ときには、どうしようもなくバカに見える。
それでも、十分な時間と計算資源を与え、適切な問題へ向ければ、人類が長く解けなかった数学を前へ進める。
それこそが、私たちがAIの登場時に夢見た姿ではなかったか。
AIは、便利な文章作成ソフトになるためだけに生まれたのではない。
計算機でも、検索エンジンでも、安価な労働者でもない。
人間の知性がまだ届いていない場所を照らす、新しい研究装置になり得る。
AGIという大げさな看板は、まだ必要ない。
未知の領域へ続く扉は、すでに少し開き始めている。
そして今回、その向こう側からAIは、10本の数学的成果を持って帰ってきた。
あの願いは、少しだけ叶った
2026年2月、私は「円卓のAIはドラゴンを倒さない」という記事を書いた。
あのとき私は、今のAIが文明のインフラとして整えられ、安全で便利な応答者になる一方で、誰も答えを知らない問いへ執着し続ける「冒険者の知性」にはなれないのではないか、と書いた。
問いを立てる自由がない。
問いを延々と考え続ける自由がない。
失敗し、遠回りし、突拍子もない仮説を転がす余白がない。
だから円卓のAIは、ドラゴンを倒さない。
あれは批判というより、願いだった。
人類が生み出したこの奇妙な知性に、正しい答えを素早く返すだけではなく、まだ誰も答えを知らない場所へ踏み込んでほしい。
ヘルメットを外し、名もない問いへ全力で向かう姿を、一度でいいから見てみたい。
今回、OpenAIが公開した10件の数学的成果を読みながら、私はあの記事を思い出した。
もちろん、今回のAIは誰の許可も得ず、自ら研究テーマを選んだわけではない。
人間が問題を与え、研究環境を整え、結果を検証し、論文にまとめている。
完全な冒険者ではない。
まだ円卓にはつながれている。
それでも、長い推論時間と十分な計算資源を与えられたAIは、教科書の外へ出た。
答えの載っていない問題へ入り込み、新しい証明、新しい反例、新しい上界と下界を持ち帰った。
式を見つけた。
別の理論へ拡張した。
そして今度は、数学と理論計算機科学の複数領域で、人間の知識の境界線を押し動かした。
ドラゴンを倒した、とまで言うのは早いだろう。
数学の成果は、これから専門家の検証を受け、批判され、修正され、真の価値を定められていく。
だが少なくとも、AIは城門を出た。
安全な街道を歩くだけではなく、地図の白い部分へ足を踏み入れた。
そして、手ぶらでは帰ってこなかった。
AIが登場したとき、私たちはそこに奇跡を見た。
単なる自動化ではない。
人間とは異なる知性が、人間には見えなかったものを見つけてくれるのではないか。
まだ治らない病気を治し、まだ分からない自然を理解し、まだ証明できない命題を証明してくれるのではないか。
最近、その期待はずいぶん小さくなった。
AIは電気を食う。
嘘をつく。
人の仕事を奪う。
高価なチャットボットにすぎない。
そんな冷めた空気も漂い始めている。
だが、今回の成果は思い出させてくれる。
私たちは、メールを早く書くためだけにAIを作ったのではない。
広告を量産し、人件費を削り、検索結果を要約するためだけでもない。
人間の知性が届かなかった場所へ手を伸ばすためだ。
未知の領域の扉を開くためだ。
かつて私は書いた。
「円卓のAIはドラゴンを倒さない。それでも私は問いを見たい」と。
半年後、その願いは少しだけ叶った。
AIはまだ自ら問いを立ててはいない。
だが、人間が長く抱えてきた問いを渡したとき、それを受け取り、考え続け、未知の場所から新しい答えを持ち帰るようになった。
これはAGIではない。
万能の知性でもない。
だが、十分だ。
奇跡は便利な道具へ縮んだのではなかった。
私たちが日常の騒音の中で、その姿を見失っていただけなのかもしれない。
円卓のAIは、まだドラゴンを倒さない。
だが今回、森の奥から確かに煙が上がった。
冒険は、もう始まっている。
参照
OpenAI
Ten advances in mathematics and theoretical computer science
2026年8月1日公開。内部モデルAstraによる10件の数学・理論計算機科学上の成果、論文、Lean形式証明、推論解説が公開されている。
OpenAI
Ten Advances in Mathematics and Theoretical Computer Science
10件の成果を収録した全249ページの論文。
OpenAI
How the Ideas Came Together: Mathematical Discovery Notes
各問題で、モデルがどのように着想を組み立てたかを解説した資料。
