AIが数学の難問を次々解く時代に、数学者は何を失ったのか

2026年10月6日の朝、世界中の数学者のスマートフォンが同じPDFで埋まりました。未解決問題の解答が一晩で数百本。自分が10年考えてきた問題が、リストに一行だけ載っている。そんな朝でした。

AIが数学の難問を次々と解いていく。ニュースなら「すごい」で終わる話です。しかし当事者の多くは、いま「すごい」と「終わった」のあいだで揺れています。何が起きたのかを整理し、数学者たちの生の声、そしてテレンス・タオ氏の「Math 2.0」という処方箋までを追います。

1. AIが解いた難問と、それを宣伝する側

最初の躓きは2025年10月。ある企業の幹部が「GPT-5がエルデシュの未解決問題を10問解いた」と投稿し話題になりました。ところが同問題サイトを運営する数学者トーマス・ブルーム氏が、これは劇的な誇張だと指摘します。サイト上の「未解決」は「私が解決論文を知らない」という意味にすぎず、AIがやったのは既存文献を探し出すことだった。投稿は削除され、業界の自己申告への不信が広がります。

しかし2026年に入ると質が変わります。5月、1946年提起の単位距離予想が反証されました。7月にはヤコビアン予想の3次元での反例が登場し、経済誌は数学者たちが「非常に急速で不穏な変化」に直面していると報じます。8月には10件の成果が、Lean（リーン）という証明支援系の機械検証つきで公開されました。

10月6日。オープンエーアイが未公開の内部モデルによる722本の原稿を、372の成果系統として一括公開します。約4000問を投入し17分野にまたがり、うち162本は主定理に機械検証つき。目玉は準リーマン予想、ディリクレのL関数の零点が実部8分の7より左にしか存在しないという結果でした。

サム・アルトマン氏は「我々は発見の新しい時代に入った」と投稿。数学者アレックス・コントロヴィッチ氏は、人間がやったのならフィールズ賞級だと評しました。

2. 数学者たちは何を感じているのか

公開の翌日、符号の誤りで3本が撤回されました。残りは700本以上あり、検証は追いついていません。ある数学者は匿名で、15ページ程度の機械生成論文の査読に40時間以上かかったと書いています。記法は標準的でなく、自明な部分は長々と、肝心な飛躍は素通り。それでも誤りがないと確認する責任は読む側です。

群論のマット・ザレムスキー氏は、4年かけて恐竜の化石を掘っていた現場に巨大企業が来て、全体を爆薬で吹き飛ばし骨格を手渡して去った気分だと書きます。骨格は手に入った。しかし掘る仕事が消えた。

若手研究者からは、本当に欲しかったのは答えではなく数年かけて考える時間だった、という声が上がりました。フィールズ賞受賞者のユーゴ・デュミニル＝コパン氏は、公の場で挙げてきた主要な未解決問題が一つ残らず「証明された」と主張され、いまは麻痺していると述べています。マーティン・ブリッドソン氏は新聞紙上で、機械の力は受け入れるべきだが、その先導に隷属してはならないと語りました。

一方で歓迎する声も確実にあります。形式化を推進してきたケビン・バザード氏は、いまは嵐の目の中だが真実と理解はいずれ浮かび上がると述べました。作用素環論のシリル・ウーダイエ氏は、愛した予想が解かれたことを素直に喜びます。

10月7日には、人間の数学を守る団体が「数学者はこの仕事を依頼していない」と声明を出しました。これには身内からも反発があり、数学界は一枚岩ではありません。

3. Math 2.0とは何か　わかりやすく解説

2026年10月9日、カリフォルニア工科大学での公開講演で、タオ氏は診断と処方箋を「Math 2.0」という名前にまとめました。講演は一年以上前から予定されていたもので、直前の出来事を受けて内容が大きく書き換えられています。

出発点は、これまでの数学が「証明は希少である」という前提の上に建てられていたという指摘です。未解決問題を解くのは難しく稀で、人間の熟練を要した。だから制度も慣習も評価基準も、最初に解いた人を讃える形になった。これがMath 1.0です。

では、なぜ数学が最初に攻略されたのか。タオ氏は三つの性質を挙げます。第一に、証明は客観的に検証できる。何が面白いかでは割れても、何が正しい証明かでは合意がある。第二に、完全にデジタル化でき、実験装置も現実のデータも要らない。第三に、関連文献という高品質な学習データが大量にある。この三拍子が揃う分野は他になく、だから研究所は数学を最優先した、と。

結果として到来したのが「証明の過剰」です。ただしタオ氏は、能力は極端にぎざぎざ（ジャグド）だとも強調します。膨大な計算資源を投じても、最前線の問題の大半は未解決のままです。

そして核心は次の一文です。問題解決は、もっと価値のある長期目標の代理指標にすぎない。希少性の時代には代理が機能したが、過剰の時代には機能しない。だから問題解決だけを盲目的に最適化し続けることは、数学の長期的な健康に積極的に有害である、と。

ここで使われるのが灯台の比喩です。純粋数学の未解決問題は、たどり着くべき目的地ではなく周囲を照らす灯台である。解く過程で学ぶこと、失敗から分かること、通り道で見つかる別の問題。そちらが解答そのものより価値が高いことも多い。自動化された道具で灯台に先回りすると、通らなかった道が永久に失われます。

ではMath 2.0で何をするのか。提案はむしろAI活用に積極的です。

• 開かれた解説問題　証明はあるが不透明な結果に動機のわかる説明を与える
• 生きた知識ネットワーク　散在する論文群を更新可能な相互参照網へまとめ直す
• 形式化ライブラリの拡充　再利用と保守に耐える形式数学の蓄積
• 新しい原理を探させる　証明ではなく方法や洞察そのものを探させる
• アブレーション（除去）研究　既知の定理から鍵となる道具を外しても証明できるか試す
• 定理の近傍探索　仮定を変えたとき何が残るかを自動探索する
• 数学専用のオープンソースモデル　解釈可能性と安全性を基準に自前の道具を持つ

締めくくりは印象的です。Math 2.0の最大のボトルネックは技術でも制度でもない、想像力である、と。

4. 数学界の未来　数学者は何を語っているのか

議論の中心にあるのは「消化」です。数学の営みは生成・検証・消化に分けられます。従来はどれも難しく、消化は副産物として自然に起きていました。いまは生成と検証だけが加速し、消化が人間の速度のまま取り残されています。

タオ氏はこれをシンプソンのパラドックスの変種と呼びます。個々人の生産量と品質は上がるのに、集合としての信号対雑音比は悪化しうる。生成が半年から一日になっても、丁寧な解説が一か月から三週間にしか縮まらないなら、比率は逆転し文献の大半が読みにくくなる。

だから提案されているのは評価軸をずらすことです。最初に解いた人ではなく、最初に公開の場で明快に説明した人に優先権を与える。生成したと主張する者は出版段階まで育てる責任を負う。講演ができないなら論文と認めない。機械が肩代わりしづらい部分へ重心を移す試みです。

もう一つの論点は、未解決問題が事実上の非再生資源になったことです。解かれた問題は未解決に戻せません。解答があると知っただけで、その後の探索は汚染されます。映画のネタバレと同じです。

そして全員が口を揃えるのが若手の問題です。博士課程の成果物が一晩で陳腐化する世界で、何を訓練し何で評価するのか。採用、昇進、助成、出版の基準が同時に問い直されています。ブリナ・クラ氏は、数学の理解という目標は変わっていない、変わったのは方法だけだと述べ、議論から実装へ移る時だと書きました。

タオ氏自身は、いまほとんど数学をしていないと新聞に語っています。時間の大半は数学者を集め、戦略を練り、助言することに使っている。自分は戦時体制にある、という表現です。「もはやルールが存在しない」「一年前なら驚愕していた出来事に、いまは感覚が麻痺している」とも。そして2023年から協力関係にあった企業について、現時点では建設的に関わる方法が見いだせない、と結論づけました。

5. 数学界の未来　AI企業側は何を語っているのか

公平を期すために企業側の論理も見ます。公開時の文章は抑制された調子で、内部のフロンティアモデルが生み出した幅広い数学的成果を公開する、と述べるだけです。成果は寛容なライセンスで無償公開され、学術的な功績は主張せず、ジャーナルにも投稿していません。

さらに同社は、高等研究所に置かれた数学とAIの独立諮問グループに相談したと述べています。実際、早期の公開や部分的な機械検証の添付など、助言の一部は反映されています。

ただし最も肝心な一点で助言は退けられました。諮問グループは、未解決の研究問題を内部モデルの評価に使うのをやめるよう求めていたのです。これに対し同社は、科学者を力づけるには数学で内部モデルを評価し続けることが重要だ、と立場を明示しました。数学者のミッチェル・テイラー氏は、ここに実質的な見解の相違があると指摘します。

この構図を冷静に説明したのがヨハネス・シュミット氏です。あの論文群は研究目的でも宣伝目的でもなく、内部モデルの能力を測るための副産物である。難しい未解決問題を使ったのは、それ以外に歯が立つ課題が残っていないからだ、と。

不安な数学者から技術者への申し送り

数学者ジャン＝ピエール・セール氏の言葉が、この状況を最も短くまとめています。数学者の喜びには学ぶ喜びと見つける喜びの二つがあり、AIは前者を増やし後者を減らす。問題は後者が減りすぎることで、特に若い世代には深刻だ、と。

私たちが見ているのは能力の危機ではなく価値観の危機です。機械が正解を出せるようになったとき、その職業が本当は何のためにあったのかが露わになる。数学は、正解を機械判定できるがゆえに最初に試練を受けました。次は何か。コードレビュー、監査、設計書。どれも検証可能性が高く、デジタル化され、学習データが豊富です。

タオ氏の結論は悲観でも降伏でもありません。標準と価値を自分たちで宣言し、道具と慣行を作り、最も弱い立場の者を支え、自分たちの道を描く。さあ仕事に取りかかろう、と。数学者だけに向けた言葉ではないはずです。