AI は難しい数学問題を解けるか、研究レベルで検証

『ラマヌジャン・チャレンジ』って、昔の数学者の名前が入ってるけど、なぜこの名前がついてるの？

ラマヌジャンは20世紀初頭のインド人数学者で、直感的で奇想天外な数式を次々と生み出した人です。証明なしに答えだけ書き残すことが多く、後の数学者たちがその真意を理解するのに何十年も費やした。つまり、本人は答えを知ってるのに、世界はそれを検証し続けている——そういう状況が何度も起きた。 チャレンジの狙いとそっくり一致するんですよね。AI が未解決の難問を「解いてしまった」とき、それが本当に正しいのか検証する過程が、ラマヌジャンの歴史と重なる。彼の遺した謎めいた式たちも、AI が吐き出した証明も、どちらも「答えは示された。ただし、それが本当かどうかは別問題」という宙吊りの状態。そこを人間や検証システムが追いかけていく営みそのものを象徴する名付けなのかもしれません。

AI が研究レベルの数学を証明できるようになったら、大学の数学科に行く意味って変わってくるの？

意外かもしれませんが、むしろ逆に変わるのかもしれません。 AI が証明を自動生成できるようになったら、人間の数学者に求められるのは「証明そのものを作ること」ではなく、「何が証明される価値があるのか」を嗅ぎ分ける力になるんです。 今は、解くべき問題が比較的明確に存在する。教科書に書いてある問題を解いて、試験に受かる。でも研究の世界では違う。数十年誰も手をつけていない問題があるのは、その問題がまだ「本当に大事なのか」「どこから手をつけるべきなのか」が不透明だからです。 記事で面白いのは、AI が既知の模範解答とは違う論理で答えに辿り着いたという部分。つまり AI はルート探索の自由度が高い。でも「どのルートが美しいのか」「他の分野に波及する発見なのか」を見極めるのは、今のところ人間のセンサーが優位です。 むしろ AI が証明の検証を自動化してくれるようになると、数学者は「問い立てる力」と「全体像を見る視点」にもっと時間を使えるようになるかもしれません。職業としての数学科の役割は、確かに変わるのだと思われます。

AI の数学能力ってどんな速度で上がってきたの？この 2、3 年で急激に変わったってこと？

AI の数学能力の伸び方を見ると、確かにここ数年で質的な変化が起きてるんですよね。ただ「急激に」というより「段階的で、ある時点から急速に」という感じです。 2010年代は、AI が計算や公式の適用はできるようになったけど、論理的な推論が必要な問題はほぼ歯が立たない状態でした。2018年から2020年にかけて、言語モデルの精度が上がり始めて、高校〜大学入試レベルなら解けるようになった。その頃は研究者たちにとって「新しい能力だ」と映ってたんです。 ところが ChatGPT やそれ以降のモデルが現れた2022年以降、状況が一変した。データの量、モデルのパラメータ数、プロンプトの工夫が組み合わさって、大学学部レベル、さらには研究レベルの問題にもチャレンジできるようになった。だからこそ、今や高校数学では「AI の実力が見えづらい」というジレンマが生まれてる。能力が上がり過ぎて、試す側が問題を用意し直さなきゃならなくなった、と言えそうです。

つまりこれって『正解が出ても、その道筋が正しいかどうか確認するのが人間にとって難しい』という新しい問題が生まれたってことなの？

そうですね。でも実は古い問題でもあるんです。数学の世界では昔から「答えは合ってても証明が微妙」という状況はあった。ただ、それは論文誌の査読や学会での議論という限られた範囲で起きていました。いま問題になってるのは、スケールの違いなんですよ。 AI が一日に数百、数千の証明を生成できるようになると、人間が一つずつ目を通すわけにいかない。かつ、AI の論理経路は人間の直感に合わないこともあって、正しさの判定がますます難しくなる。だから研究者たちは「自動採点パイプラインで対抗する」という選択をしてる。つまり、AI で生成した証明を、別の AI や自動ツールで検証する。人間を外す方向に動いてるわけです。 これって、数学の本質的な側面が変わってきたということなのかもしれません。かつて証明は「人間が納得できる道筋」が前提だったけど、これからは「複数の自動検証を通過した論理」が正しさの基準になっていく。人間の直感から、システムの整合性に判定権がシフトしてる感じがします。

AI が独特の論理で答えにたどり着くってことは、人間の数学者が思いもつかなかった別解が AI の中に眠ってるってことなのかな？

AI が独特の論理で正解に到達するのが、本当に「新しい着眼」なのか「統計的な最適化」なのか、その区別が実は曖昧なんですよね。 人間の数学者は、問題の構造を「理解」して、その奥底にある原理から逆算的に解く。一方 AI は、膨大な数学文献や証明パターンから統計的に最適な経路を探索している。その結果が人間の常套手段とズレるのは、AI が「試行錯誤の選択肢」を本当の意味で全網羅できるからかもしれません。 だから AI の「別解」は、数学者が思いもつかなかったというより、数学者が「効率的じゃないから採らない」経路を、AI は躊躇なく採ってしまったのかもしれない。数十年未解決だった問題が AI に解かれたのも、アプローチの「純粋さ」ではなく、膨大な組み合わせを試す蛮力の産物という側面があるのかもしれません。 ただ興味深いのは、その過程で「人間が見落としていた構造」が後付けで浮かび上がる可能性です。AI の証明を人間が読み直すと、実は深い意味があることに気づく。そういう相互補完の関係になってきているのかもしれません。