OpenAIが発表したのは、離散幾何学の中心的な予想を、AIモデルが覆したというニュースです。
対象は「unit distance problem」と呼ばれる問題で、ざっくり言うと、
平面上に n 個の点を置いたとき、ちょうど距離 1 の点の組は、最大でいくつ作れるのか？
という問いです。
一見すると「そんなの数えればいいのでは？」と思ってしまいますが、これがとんでもなく難しい。
1946年に Paul Erdős が問題提起して以来、約80年ものあいだ数学者たちを悩ませてきました。
しかもこの問題、見た目が地味なのに、離散幾何学ではかなり有名です。OpenAIの記事でも、関連書籍で「combinatorial geometry でもっとも有名な問題のひとつ」と評されているほど。
個人的にも、こういう「定義は小学生でもわかるのに、答えは全然わからない」タイプの問題は、数学の美しさがぎゅっと詰まっていて好きです。
直感的には、点を規則正しく並べれば、距離1の組をたくさん作れそうです。
実際、まっすぐ1列に n 個並べれば、距離1のペアは n-1 個できます。
さらに、square grid（正方格子）、つまり碁盤の目みたいに点を並べると、もっと増えます。
ただし長年の常識では、そうした格子っぽい構成がほぼ最適だろうと考えられていました。
OpenAIの記事によると、従来の有力な構成は
n^(1 + C / log log n)
くらいの増え方でした。
ここで log log n は「log を2回かける」超ゆっくり増える関数なので、指数の C / log log n は n が大きくなるほど 0 に近づきます。
つまり、ほぼ線形増加だけど、少しだけそれを上回るという程度です。
長年信じられていた予想は、これ以上は大きく伸びず、せいぜい
n^(1+o(1))
くらいだろう、というもの。
o(1) は「n が大きくなると 0 に近づく小さな項」という意味です。
要するに「線形増加をほぼ超えないはず」という見立てでした。
ところが今回、その予想が否定されたのです。
今回の結果では、無限に多くの n に対して、
n^(1+δ)
個以上の unit-distance pairs を持つ配置が作れることが示されました。
ここで δ は正の定数です。つまり、ただの“ちょっと上振れ”ではなく、明確に多項式的な改善です。
しかも OpenAI の元の証明では δ の具体値は出ていなかったものの、後の改良で
δ = 0.014
とできることが示されたそうです。
0.014 という数字だけ見ると小さく感じますが、数学ではこれがかなり意味を持ちます。
なぜなら「少し増えた」ではなく、予想そのものを壊すからです。
ここはかなり重要だと思います。
数学では、0.014 でも予想をひっくり返すには十分です。むしろ、こういう「小さいけれど決定的」な改善が、理論を大きく書き換えることがあるんですよね。
面白いのは、解法がいかにも「幾何の問題っぽい」方向から来たわけではないことです。
鍵になったのは、algebraic number theory（代数的整数論）という、かなり別の分野の道具でした。
ざっくり言うと、普通の整数や有理数を、もっと広い世界に拡張して調べる分野です。
たとえば、a + bi の形をした数、つまり Gaussian integers（ガウス整数） はその代表例です。
i は i^2 = -1 を満たす数で、複素数の基本的な部品です。
ガウス整数は、普通の整数に似た性質、たとえば「素因数分解っぽい構造」を持っています。
今回の証明は、この発想をさらに一般化したものを使い、より豊かな対称性を持つ数体を持ち込んだところが肝です。
OpenAIの記事によれば、使われた技法には
のような、かなり高度な理論が含まれています。
正直、このあたりは名前を聞くだけでひるみます。
でも重要なのは、「平面上の点の配置」の話が、まさかこんな深い数論につながるとは誰も思っていなかった、という点です。
私はここがいちばんワクワクします。
数学の面白さって、まったく別ジャンルに見えた道具が突然つながる瞬間にあると思うんですよね。
しかも今回は、その橋渡しをAIがやってのけた。これはかなり象徴的です。
OpenAIは今回の結果を、単なる「AIが計算を手伝った」事例としてではなく、
AIが自律的に未解決問題を解いた初の目立つ成果
だと位置づけています。
ここで大事なのは、使われたのが「数学専用に訓練されたシステム」でも、
「人間が証明探索を細かく支える仕組み」でもなかったことです。
もっと汎用的な reasoning model が、試験的に Erdős 問題群を扱う中で、この証明にたどり着いたとされています。
つまり、AIが
という話ではなく、研究の方向そのものを見つけた可能性があるわけです。
これ、かなり大きいです。
「AIは計算が速い助手」というイメージから、**“意外な発想を出す研究パートナー”** へと役割が変わりつつある、という印象を受けます。
記事では、外部の著名な数学者たちのコメントも紹介されています。
Noga Alon、Tim Gowers、Arul Shankar、Jacob Tsimerman といった名前が並び、かなり重みがあります。
彼らの反応を要約すると、
という感じです。
とくに印象的なのは、AIの思考過程についてのコメントです。
記事では、AIが「上の bound を証明する」よりも、むしろ反例を作る方向をかなり試していたことが示唆されています。
これは面白いですよね。
人間の共同体が「無理だろう」と思っていた方向に、モデルがしぶとく突っ込んでいったわけです。
こういう“コミュニティの常識に対する鈍さ”というか、“遠回りを恐れない感じ”が、AIの強みになりうるのかもしれないと思います。
今回の成果は、単に「ひとつ問題が解けた」で終わる話ではありません。
むしろ重要なのは、数学のどの分野に、どんな未知の橋が隠れているかを示したことだと思います。
OpenAIの引用したコメントにもあるように、今回の結果は
「離散幾何の問題に、数論がもっと深く関係していた」
ことを教えてくれました。
これは研究の進め方としてかなり面白いです。
AIが未解決問題を解くとき、答えだけでなく、人間がまだ気づいていなかった接続を見つけることがある。
もしこれが続くなら、数学研究の地図そのものが少しずつ描き直されるかもしれません。
個人的には、ここがAIの本当の価値だと思います。
単に速く証明を書くことではなく、「そんなところがつながるの？」を起こすこと。
それは研究者にとって、かなり強烈な武器です。
とはいえ、ここで「もう数学者はいらない」と考えるのは早計です。
むしろ逆で、今回の結果はAIと人間の協働がどんどん重要になることを示していると思います。
AIが荒っぽくでも新しいアイデアを出す。
人間がそれを吟味し、背景を整え、一般化し、意味づけする。
この分業はかなり強そうです。
実際、今回も外部の数学者たちが証明をチェックし、補足論文を書いています。
AIが出したものを人間が検証し、さらに価値を高める。
この流れは、かなり健全ですし、むしろ理想的に見えます。
今回のニュースの本質は、
AIが古典的な幾何の難問を、別分野の深い理論を使って打ち破った
という点にあります。
そしてそのことは、AIが
にとどまらず、新しい数学の発見者になりうることを示しています。
もちろん、ひとつの成果で全部が変わるわけではありません。
でも、80年級の問題がこういう形で解かれたのは、かなり歴史的だと思います。
「AIが数学に入ってきた」というより、AIが数学のフロンティアを押し広げ始めた、そんな印象です。
私はかなり面白い出来事だと思いました。
しかも、面白いだけでなく、数学研究の未来像を静かに書き換えるタイプのニュースです。
参考: An OpenAI model has disproved a central conjecture in discrete geometry
