AIが数学の難問を解く能力は、ここ数か月で目に見えて伸びた。けれど、その成功をそのまま「数学の進歩」と同一視してよいのか。Math and AI が公開した宣言文は、そこに強い疑問を投げかけている。数学者たちは、AI企業が数学問題をベンチマークとして競うやり方が、研究数学そのものにとって有害になりうると訴えた。しかも問題は数学だけに限られない。科学、創作、そして広く人間の知的労働全体で、目的と手段がずれていく危うさがある、というのがこの文章の骨格だ。
宣言はまず、LLMの数学能力がここ数か月で劇的に向上し、多くの分野で未解決問題まで解けるようになったと認める。だが、その事実を喜ぶ一方で、AI企業が数学を「解けるかどうか」の競争に使うことは、数学という学問の目的と噛み合っていない、と強く主張する。ここで言う不一致は単なる価値観の違いではなく、AI企業の狙いと数学コミュニティの狙いが「severely misaligned」だというかなり強い表現で示されている。
文章は、研究数学の役割をかなり丁寧に描いている。数学は、形、数、自然現象の基本構造を理解する営みであり、世代をまたいで蓄積された概念、方法、抽象化の道具立ての上に成り立っている。著名な問題は、その風景を照らす灯台や標識のようなもので、1つ解ければ新しい視点や手法が見えてくることが多い。そこから先には、数学者同士の議論や簡約化、再構成の長い過程があり、最終的には大学院生や学部生にも読める教科書の形にまで落ちていくのが理想だという。
このあたりで宣言は、数学の共同体を「人類の縮図」のようなものとして描く。学生とアイデアが最も大切な資源であり、それらを育て、伝え、次の世代へ渡していくことが共同体の仕事だ。学生には研究やその先に役立つ力を伸ばす問題が与えられ、アイデアは講演や私的な議論、丁寧な文章で広がっていく。こうした営みは、すべて時間がかかり、人と人のやりとりを必要とする。
ところがAIの成功は、その時間のかかる過程を飛ばしてしまう。宣言は、問題を解くことはあくまで手段であって、本来の目的は概念的理解と洞察だと指摘する。そこを忘れると、AIは手段として便利なだけでは済まず、むしろ本来の目的を押しのける側に回る。高速に「真／偽」の答えを量産する仕組みは、新しい発想を育てる土壌を壊しかねない、という危機感が語られている。
さらに、AIが出した解答が十分に扱われないまま発表される問題もある。急いで公表されると、きちんとした writeup の時間がなくなり、新しい手法や考え方が切り出されず、既存研究への引用も雑になる。創作分野と同じく、ここには帰属の問題や盗用の問題が生じる。しかもAIが生んだアイデアを数学の正規の知識体系に取り込むには、それを扱い、育てる意欲のある数学者が必要だ。もしその人間の伝達の鎖が失われれば、アイデアは「完全には生きない」と宣言は言う。
最後に、これは数学だけの話ではないとも述べる。長年の訓練は、単に最終成果を出すためだけにあるのではなく、理解を深め、新しい問いを立てる力を鍛えるためでもあった。AIが人間の過去の成果を材料にして成果物を直接出せるようになると、その目的と結果がずれていく。だからこそ、AIをどう使うかは、人間がどう制御するかにかかっている。数学界、AI企業、そしてより広い社会が、この問題を急いで扱うべきだという呼びかけで文章は終わる。
この文章で印象的なのは、AIそのものを単純に悪者にしていない点だ。むしろ「AI offers the potential of enhancing and accelerating genuine mathematical study and understanding」と書いていて、役に立つ可能性ははっきり認めている。だから争点は「使うか使わないか」ではない。何を成果とみなすか、誰がその成果を受け取り、どう次につなぐか、という評価の設計にある。私はここが本質だと思う。
数学の世界では、解けたかどうかだけでなく、その解法がどれだけ新しい概念を開いたか、他の分野に持ち出せるか、説明可能か、教育可能かが重要になる。ところがAI企業の側は、外から見て分かりやすい指標を欲しがる。ベンチマークとしての「難問解決」は、宣伝にも投資家向けの物語にも向いている。つまり両者は、同じ問題を見ていても、見ている先が違う。宣言が強く言う「misaligned」は、感情論というより制度の話に近い。
私が面白いと思ったのは、数学者たちが「解くこと」より「伝わること」を重視している点だ。数学の成果は、正しい答えが出た瞬間に完成するわけではない。説明され、疑われ、簡略化され、教科書に載るところまで行って初めて、共同体の財産になる。AIはこの最後の段階を飛ばしやすい。だからこそ、どれだけ強力でも、単独では「数学の完成品」にはなりにくい。ここは生成AIの一般論にもつながる話で、出力の速さが価値のように見えてしまう時ほど、後工程の重みが見えなくなる。
署名者に、Artur Avila、Manjul Bhargava、Pierre Deligne、Terence Tao、Maryna Viazovska など、Fields Medal 受賞者がずらりと並んでいるのも象徴的だ。これは単なる名簿ではなく、「現役の数学界の中心にいる人たちが、少なくともこの問題設定には同意している」という合図に見える。もちろん、署名者の肩書がそのまま議論の正しさを保証するわけではない。それでも、数学の最前線を知る人たちが、AIの進歩を手放しで歓迎していないことは重い。
一方で、この宣言は研究現場のすべてを代表しているわけでもないと思う。AIを使った証明支援、探索支援、例の発見、説明の補助を前向きに受け取る数学者も多いはずだ。問題は、そうした補助と、ベンチマーク競争としての「問題を解いた」という見せ方が、同じ箱に押し込められてしまうことだ。現場で本当に欲しいのは、速度よりも再現性や説明可能性かもしれないのに、外向けの報道は結果の派手さだけを拾う。
だから私は、この宣言を「AIへの反対声明」と読むより、「数学を壊さない使い方を選べ」という警告として読むほうが正確だと思う。AI企業に向けたメッセージであると同時に、学術界自身への問いでもある。答えが出たかどうかだけを追うと、研究の厚みは簡単に薄くなる。数学が守ってきたのは、正解そのものより、そこへ至る思考の筋道だったはずだ。
宣言が広げている射程はかなり広い。科学や創作だけでなく、「intellectual work」全体が同じ問題を抱えると見ているからだ。ここで重要なのは、AIが人間の仕事を置き換えること自体よりも、仕事に本来含まれていた学習、理解、問いの生成まで失われるかもしれない点だと思う。たとえば、文章を書く、研究する、設計する、といった作業は、成果物がゴールであると同時に、途中の試行錯誤そのものが価値を持つ。AIが結果だけを安価に出せるようになると、その途中が評価から消えやすい。
数学はその意味で、かなり早い段階で問題を可視化した分野なのだろう。証明という形式がはっきりしていて、真偽の判定も比較的明確だからだ。けれど、そこで起きることは他分野にもすぐ波及する。研究者の訓練はどう変わるのか。若い世代は何を学ぶのか。引用や帰属はどう守るのか。AIが出したものを、誰が責任を持って共同体の知に変えるのか。宣言はその問いを、かなり早い段階で突きつけている。
私は、この問題は今後ますます「技術の性能」ではなく「運用の政治」に寄っていくと思う。どの会社がどれだけ賢いモデルを作るかより、どの制度がその出力をどう扱うかのほうが、実際の影響を決めるはずだ。数学界の宣言は、その入口で線を引こうとしている。AIに何ができるかより、何をさせるべきでないか。そこに踏み込んだ点に、この文章の強さがある。
