# AIの数学的ブレークスルーをめぐる論争

- 番組: [Super Data Science: ML & AI Podcast with Jon Krohn](https://ai-curator.jp/podcasts/shows/cmv3z5c0j000j5o10v3e8e8p9)（Jon Krohn）
- 元のタイトル: 1038: AI’s Contentious Math Breakthroughs
- 配信日: 2026年10月23日
- 長さ: 13分
- 要約作成日: 2026年10月23日
- トピック: [#AI for Math](https://ai-curator.jp/topics/AI%20for%20Math) [#OpenAI](https://ai-curator.jp/topics/OpenAI) [#ナビエ–ストークス方程式](https://ai-curator.jp/topics/%E3%83%8A%E3%83%93%E3%82%A8%E2%80%93%E3%82%B9%E3%83%88%E3%83%BC%E3%82%AF%E3%82%B9%E6%96%B9%E7%A8%8B%E5%BC%8F) [#形式検証](https://ai-curator.jp/topics/%E5%BD%A2%E5%BC%8F%E6%A4%9C%E8%A8%BC) [#Lean](https://ai-curator.jp/topics/Lean) [#科学研究とAI](https://ai-curator.jp/topics/%E7%A7%91%E5%AD%A6%E7%A0%94%E7%A9%B6%E3%81%A8AI)
- URL: https://ai-curator.jp/podcasts/cmvkvjgsf00034811q5sgbbng

## 要約

Jon Krohnが、OpenAIがミレニアム懸賞問題の一部であるナビエ–ストークス方程式の特異点を発見したと主張した件と、その後の論争を解説する回。証明の範囲の限定、先行研究者との功績争い、722本の原稿の一括公開と検証の不備という3つの留保を挙げる。フィールズ賞受賞者25人の警告など数学者の反応も紹介し、生成が安価になれば検証がボトルネックになると結論づけている。

## ポイント

- OpenAIは約1万のAIエージェントが88時間でナビエ–ストークス方程式の3次元特異点を見つけ、Leanで形式検証したと発表した。The Economistは計算コストを少なくとも650万ドルと推定している。
- 第1の留保：証明されたのは外力ありの変種（CとD）で、外力なしの変種（AとB）は未解決。OpenAIは懸賞金を請求しない意向で、Clayは提案から少なくとも2年は検討しない。
- 第2の留保：BuckmasterとAlpogluが先に簡易版の方程式で爆発解を得ており、功績をめぐる対立が生じた。OpenAIは後に両名の並行研究を認め、共同の優先権発表を提案した。
- 第3の留保：10月6日に公開された722本の原稿は、符号ミスで3本が撤回され、14本が修正された。Leanでの形式化率はOpenAIの42%に対し、独立集計では24〜36%だった。
- フィールズ賞受賞者25人は、AI企業と数学者の目標は大きくずれていると警告した。数学の目的は人間の理解であり、解くことは手段だという主張で、8,000人超の研究者が賛同した。
- Krohnは、生成が安価になれば検証がボトルネックになると述べる。Leanの証明や強いテストスイートのような機械検証可能な証拠と、人間による理解が結果の信頼を支えるという見方を示した。

## 章立て

- [00:00] **導入：ミレニアム問題とAIの主張** — Clay研究所の7つの懸賞問題の背景と、OpenAIがナビエ–ストークス方程式の特異点を見つけたという主張を紹介する。
- [01:06] **約1万エージェントによる証明の経緯** — 9月1日に始まり、88時間・約300万メッセージで解を得て、さらに17時間でLeanによる形式検証を行った経過を説明する。
- [03:10] **留保1：証明された範囲** — 証明は外力ありの変種C・Dに限られ、外力なしのA・Bは未解決である点と、Clayの検証方針を述べる。
- [03:50] **留保2：功績をめぐる争い** — BuckmasterとAlpogluの先行研究と、OpenAIの執筆提案をめぐる対立、学習データ混入の可能性を紹介する。
- [04:50] **722本の原稿一括公開と検証の問題** — 10月6日の大量公開、符号ミスによる撤回と修正、形式化率の食い違いが語られる。
- [07:30] **数学者たちの反応** — フィールズ賞受賞者25人の共同声明や批判的な意見と、新しい補題の宝庫とみる肯定的評価、Erdős予想の好例を対比する。
- [09:30] **示唆：検証がボトルネックになる** — 科学全般へのAIの影響と、生成が安価になるほど検証・信用・説明の規範が重要になるという結論を述べる。

## 解説記事

AI・データサイエンス系ポッドキャスト「Super Data Science」の第1038回で、ホストのJon Krohnが、ここ数週間のAIによる数学的成果とその論争を取り上げた。中心はOpenAIによる、ミレニアム懸賞問題の一部を解いたという主張だ。Krohnはその内容と3つの留保、数学者たちの反応を整理し、AI開発者への教訓を述べている。

#### OpenAIは何を主張したのか

Clay数学研究所は2000年に、数学の未解決問題7つに各100万ドルの懸賞をかけた。26年間で人間が解いたのはポアンカレ予想だけだという。

Krohnによれば、OpenAIは未公開の内部モデルで動く約1万の自律エージェントが、3次元ナビエ–ストークス方程式の特異点を見つけたと発表した。この方程式は流体の運動を記述する。特異点とは、流速のような量が有限時間で無限大になる点を指す。ここでの特異点は数学用語であり、AIの「シンギュラリティ」とは別物だ。

作業は9月1日に始まり、約100エージェントが関連問題を50時間で解いたため、全体をこの問題に振り向けた。88時間、約300万メッセージを経て解が得られ、さらに17時間でLeanによる形式検証が行われたという。Leanは証明の各ステップを機械で検査できる言語である。The Economistは計算コストを少なくとも650万ドルと推定している。論文とLeanコードは公開されている。

#### 3つの留保

第1は証明の範囲だ。公式の問題には4つの変種があり、OpenAIが示したのは、流体に滑らかな外力が加わり続ける変種CとDにとどまる。外力のない変種AとBは未解決で、多くの数学者が問題の核心とみなしているとKkronは述べる。OpenAIは懸賞金を請求しない意向で、Clayは検証を意図的に遅くしており、提案から少なくとも2年は検討しない。問題の状態は「active」のままだ。

第2は功績をめぐる対立である。NYUのTristan BuckmasterとAnthropicのLevent Alpogluが、8月中旬にAIを使って簡易版の方程式の爆発解を見つけていた。Buckmasterによると、OpenAIは彼だけが執筆する案を出し、AlpogluはAnthropic所属という利益相反を理由に外された。Buckmasterはこれを断った。OpenAIは両者の未公開研究を使っていないと否定している。ただし両名はOpenAI製品を使っており、OpenAIはThe Economistに、草稿が学習データに入った可能性を排除できないと述べた。現在は両名の並行研究を認め、共同の優先権発表を提案している。

第3は検証だ。10月6日、OpenAIは722本の原稿を372の結果群に分けてGitHubで公開した。対象にはunique games conjecture、行列積の指数、Hadwiger予想、平面の染色数などが含まれる。翌日には符号ミスで3本が撤回された。その後14本が修正され、約半数が完全な検証なしに公開されたとRetraction Watchに伝えている。主要結果の42%がLeanで形式化されたとOpenAIは言うが、「形式化」の定義は示されておらず、独立の集計では24〜36%だった。

#### 数学者たちの反応

否定的な反応は強い。フィールズ賞受賞者25人は9月11日の共同声明で、AI企業と数学者の目標は大きくずれていると警告し、8,000人超の研究者が賛同した。論点は、問題を解くことは目的ではなく手段であり、目的は人間の理解だというものだ。Krohnは虚数が16世紀には無用とされながら、今は電気工学や量子物理の基盤になっている例を挙げた。Hugo Duminil-Copinは「麻痺している」と書き、Michael HarrisはNature誌に、一括公開は不当で論文は読まないと語った。Dana Moskowitzは、OpenAIのunique games conjecture関連のプレプリントがAIの助けなしには読めないほど悪文だと述べた。Melanie Woodは、モデルが解いても公開時点では誰も解を理解しておらず、人間の仕事はそこから始まると指摘した。

一方で肯定的な見方もある。Alpoglu自身が歴史的な瞬間だと評した。Kennesaw State大学のYing Xieは、公開物を新しい補題の鉱脈として研究している。新規性の評価はまだ暫定的だ。5月にOpenAIのモデルがErdősの単位距離予想を反証した際は、数学者5人が同日に人間が検証した解説版を公開した。機械が見つけ、人間が速やかに理解へ変えた好例だとKrohnは位置づける。

#### 科学全体への示唆

Krohnはシカゴ大学による4,100万本の論文の分析にも触れた。AIを使う研究者は発表数も被引用数も多いが、扱う話題の幅は約5%狭まり、他の研究者の仕事への関与は22%減ったという。理論物理が次に影響を受ける分野になりそうだとも述べる。

AIを作る側への教訓として、モデルが数百の証明や数千行のコードを数時間で生成できるなら、ボトルネックは生成ではなく検証になると彼は言う。長く残る成果は、Leanの証明や強いテストスイートのような機械検証可能な証拠と、理解に時間をかける人間を伴うものだという見方だ。

#### まとめ

今回の件は、AIの能力向上そのものより、検証・功績・説明という運用上の規範が追いついていないことを示している。エンジニアにとっては、AIの出力を機械的にチェックできる仕組みをどう設計するかが、数学に限らず実務の課題になる。Krohnは、規範づくりをこの先数か月で始める必要があると述べ、能力は速く伸びるが、それが人間の理解を豊かにするか迂回するかは規範次第だと結んでいる。

> この要約・解説記事は、元の音声の文字起こしをもとに AI（Claude）が日本語で作成したものです。出典: Super Data Science: ML & AI Podcast with Jon Krohn「1038: AI’s Contentious Math Breakthroughs」