OpenAI、自社AIが未解決の数学問題372件を解決と主張　数学者らは懐疑的

10月初旬、OpenAIは722件の数学原稿をGitHub上で公開した。すべて、同社が一般に公開したことのない単一の社内モデルによって生成されたものである。OpenAIによれば、このシステムは数論、幾何学、確率論、理論計算機科学など17分野にわたる約4000の未解決問題に取り組み、そのうち372件で結果を出した。この発表は、中国の数学者、王虹が掛谷予想の3次元版に関する業績で数学界最高の栄誉であるフィールズ賞を受賞してから3か月も経たないうちに行われた。OpenAIのモデルは、同社が示唆するように、さらに一次元先へ進んだのだという。

この枠組みが、この発表を広く伝播させた。数学は、人工知能にとって意外な試金石となっている。エッセイの執筆や画像生成と違い、証明は検証できるからだ。正しい証明は永遠に正しいままであり、誤った証明は有能な大学院生なら誰でも打ち砕ける。自然な審判は、マーケティング部門ではなく、フィールズ賞受賞者たちである。

問題はその量である。722件の原稿は論文ではない。小さな図書館であり、それを読むには、書いたのと同じ種類のモデルに外注できない、遅く、対立的な注意が必要だ。ファイルを読み始めた数学者たちは、混ざり合った風景を描写する。ある特定のステップまではもっともらしく見える論証、途中で静かに意味が変わる定義、そして時折、真に新しいと思われる結果。

中国の科学ライターたちはより率直だった。広く共有されたあるエッセイは、この公開を、研究者が鼻をつまみながら金を探してふるいにかける廃棄物の山の発見に例えた。そのイメージは不親切だが、実際に必要な労力を捉えている。372件の主張された結果のうち、どれが人間の専門家との接触に耐えるかを、行ごとに誰かが判断しなければならない。

これは機械学習でよく見られるパターンだ。候補解を生成するシステムは、数学であれ、創薬であれ、材料科学であれ、それらを検証するために利用できる人間をはるかに超えている。検証がボトルネックとなり、そのボトルネックがツールの真の価値を決める。1万の仮説を提案するモデルは、それらを検証できる実験室と同じだけしか役に立たない。

モデルが何をしているのかについて、より深い問いもある。数学者は、証明を見つけることと、なぜ定理が真であるかを理解することとを区別する。機械は、結果を必然にする構造を把握することなく、有効なステップの連鎖を探索できる。そして、人間が結果を新しいケースに拡張できるようにするのは、まさにその構造である。OpenAIの原稿が有効な証明を含んでいても洞察を含まないなら、それらは依然として有用かもしれないが、それ自体でこの分野の考え方を変えることはないだろう。

今のところ、正直な答えは誰にもわからないということだ。原稿は公開されており、主張は検証できるほど具体的で、検証は始まっている。数学が常に論争を決着させてきた方法であり、それは製品発表よりも遅いプロセスだ。

この出来事が示すのは、AI企業が数学を、最も信頼できる主張を行える場と決めたということだ。この分野は、AI論争において稀なものを提供する。誰の意見にも依存しない判定である。372件の結果のうち一部でも持ちこたえれば、この公開はマイルストーンとして記憶されるだろう。ほとんどが精査の下で崩れれば、テキスト生成と知識生産の間の隔たりについての教訓として記憶されるだろう。