# #503 – 数学におけるAI危機：ナビエ–ストークス、リーマン予想、計算複雑性 - 番組: [Lex Fridman Podcast](https://ai-curator.jp/podcasts/shows/cmv3z5bz300005o10xna77ufu)（Lex Fridman） - 元のタイトル: #503 – AI Crisis in Math: Navier-Stokes, Riemann Hypothesis & Complexity Theory - 配信日: 2026年10月27日 - 長さ: 3時間42分 - 要約作成日: 2026年10月27日 - トピック: [#AI for Math](https://ai-curator.jp/topics/AI%20for%20Math) [#Lean・Mathlib](https://ai-curator.jp/topics/Lean%E3%83%BBMathlib) [#リーマン予想](https://ai-curator.jp/topics/%E3%83%AA%E3%83%BC%E3%83%9E%E3%83%B3%E4%BA%88%E6%83%B3) [#ナビエ–ストークス](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) [#計算複雑性](https://ai-curator.jp/topics/%E8%A8%88%E7%AE%97%E8%A4%87%E9%9B%91%E6%80%A7) [#LLM](https://ai-curator.jp/topics/LLM) - URL: https://ai-curator.jp/podcasts/cmvpvl04700015n115ktwu9e1 ## 要約 Lex Fridmanが、Ankur Moitra（MIT、理論計算機科学）、Steven Brunton（UW、流体力学）、Alex Kontorovich（Rutgers、数論）の3人の数学者と、AIが数学の難問を次々に解いたという出来事を議論した回。ナビエ–ストークスの有限時間爆発、quasi-リーマン予想、ユニーク・ゲーム予想などが話題になった。「証明すること」と「理解すること」の違い、Leanによる形式化、若手研究者の不安や進路への助言も語られた。 ## ポイント - 3人は、OpenAIによる約700件の結果の公開などを「危機」というより機会と混乱が同居する転換点と捉え、期待と不安の両方を語った。 - Alex Kontorovichは、quasi-RH（ゼロ点が実部7/8から1の帯に存在しないこと）の証明に驚いたと述べ、全面的なRHにはさらに新しいアイデアが必要だと説明した。 - Mathlibを使ったLeanの形式化では、Anthropic発とされるフェルマーの最終定理の証明（約1300万行）がAIにより生成され、自動形式化は実質的に解決済みだと見る。 - Bruntonは、ナビエ–ストークスの有限時間爆発の反例が数学的に重要でも、乱流の予測という実用上の工学問題は変わらないと述べた。 - Moitraは、ユニーク・ゲーム予想の証明が出ても重要なのは「なぜ真か」という理解であり、数学者の仕事は定理証明だけではないと「ドアマン誤謬」を引いて語った。 - 助言として、好奇心、基礎の学習、内発的な動機、人との関わりが挙げられ、AIで理解を確かめる学生と答えだけ求める学生の二極化も指摘された。 ## 章立て - [09:53] **数学の「危機」の瞬間と各自の感情** — AIが難問を解いた発表の夜の反応と、若手の指導や意味の喪失をめぐる期待と不安を語る。 - [18:10] **数学は「解決」されるのか** — チェスのケンタウロス、「solved axiom」、ドアマン誤謬を通じ、数学者の価値は定理証明を超えると議論する。 - [34:21] **AIは新しい数学を生むか** — 凸包と半群の比喩、threesome問題の例、論文・ジャーナル・Mathlibなど研究の形の変化を論じる。 - [1:13:53] **リーマン予想とquasi-RH、Leanの衝撃** — ゼータ関数と素数の説明、quasi-RHの内容、1300万行のLean形式化の驚きを語る。 - [1:38:18] **ナビエ–ストークスと流体・自然の計算** — 有限時間爆発の反例の仕組み、乱流の座標系問題、昆虫の飛行から見る自然の計算を扱う。 - [2:12:35] **ユニーク・ゲーム予想とP対NP** — PCP定理から説明し、最悪ケース解析の限界とP対NPの難しさ、深層学習がうまくいく理由を論じる。 - [2:37:28] **数学者の思考とAI時代の助言** — 数学は発明か発見か、ペレルマンと賞の意味、教育への影響、若者への助言を語る。 ## 解説記事 Lex Fridmanのポッドキャスト#503は、AIが数学の難問を次々に解いたとされる直後に収録された「緊急回」である。登場するのは、MITの理論計算機科学者Ankur Moitra、ワシントン大学の流体力学者Steven Brunton、Rutgersの数論研究者Alex Kontorovich。ナビエ–ストークス、quasi-リーマン予想、ユニーク・ゲーム予想などの話題を軸に、数学という営みが何を意味するかを3人が語った。 #### 「危機」への反応：機会と孤独の同居 Kontorovichはこれを危機というより機会だと述べ、これまでロウソクで森を歩いていたのが懐中電灯を手に入れたようなものだと喩えた。Moitraは、AIを使えば他分野を学ぶ力が増す一方、指導者としては「成功の青写真」が崩れ、学生に何を勧めるべきか分からなくなったと語った。小さな問いから大きな成果が育つ忍耐が失われつつあることへの懸念も示した。Bruntonは応用研究者として希望を強調しつつ、AIに圧倒される未来と便利な道具に落ち着く未来のどちらもありえ、その不確実性が重いと述べている。 #### 数学者の仕事は定理証明だけではない Kontorovichは、人間とAIが協力して解ける問題はAI単独でも解けるという「solved axiom」を仮定しても、純粋数学の価値は人間の頭の中にあると主張した。ただし本人はこの公理を信じていないとも述べた。Moitraは「ドアマン誤謬」を紹介した。仕事を最も目立つ作業に還元して自動化すると、見えにくい価値を見落とすという考え方である。数学者の最も見えやすい仕事は定理証明だが、本質は深く考えることであり、新しい理論や概念的なつながりを作ることだと述べた。証明が安価になれば、美しさや理解、良い問いの価値が相対的に高まるという見方も共有された。 AIの成果が既知の手法の組み合わせにすぎないかという点では、「凸包」と「半群」の比喩が使われた。Kontorovichは、quasi-RHの証明は既知の道具を美しくつないだもので、完全に新しい概念とは言えないと述べた。それでも、これまで到達不能と思われていた問題が現在の技術で届くと分かったことで、研究の地図は変わると論じた。Moitraは、threesum問題のようにアルゴリズム的な事実が一つ判明するだけで、分野の組織化が変わりうると例示した。 #### 形式化とLean、論文の将来 Leanは証明の各ステップを機械的に検査する対話型定理証明器で、Mathlibはその数学ライブラリだとKontorovichが説明した。彼によれば、数日前に自身が「AIは形式化済みの範囲から1〜2歩先までしか行けない」と講演したが、その直後にフェルマーの最終定理の約1300万行の形式化が公開され、自分の見立てがすべて覆ったという。人間の関与は「続けて」と促す程度だったと理解していると述べている。一方で、これは美しい証明ではなく、ライブラリを整える作業は今後も必要だとした。 議論は、証明の工学（正しさの保証）と伝達（物語）を分ける方向にも進んだ。Leanが技術的な正しさを担保すれば、論文は理解の筋道や着想を語ることに重心を置けるのではないか、という見方である。ジャーナルや査読が過負荷であること、AI生成の論文をコミュニティで検証する新しい仕組みが必要なことも指摘された。 #### 個別の難問：RH、ナビエ–ストークス、UGC Kontorovichはリーマン予想を、素数分布を「信号処理」するゼータ関数のゼロ点の問題として説明した。従来は臨界帯の端に近い細い領域でゼロ点がないことしか分かっていなかったが、今回のquasi-RHでは実部7/8〜1の無限に広い帯にゼロ点がないことが示されたという。ただしこの手法では1/2には届かず、完全なRHには新しい着想が必要だとした。 Bruntonは、ナビエ–ストークス方程式の爆発の反例が、三次元で渦を引き伸ばし細くする特別な設定で成り立つと説明した。ただし日常の工学的な流体予測は何も変わらず、「100万ドルの数学問題を解いても、1兆ドルの工学問題は残る」と述べた。乱流には気体の温度・圧力のような少数の座標系がないため、それを見つけることはAI向きの課題だと見ている。 MoitraはPCP定理から丁寧に説明し、ユニーク・ゲーム予想が近似困難性を整理する重要な予想だと述べた。自身は信じにくいと感じていた側だったと明かし、人間が10〜20年で到達できた可能性や、探究の過程で得られたはずの学びが失われることへの懸念も語った。P対NPについては、当面最も難しい問題だと見ている。 #### 教育・進路への助言 Kontorovichは、電卓が普及しても九九を学ぶ価値は変わらないと述べ、機械ができることでも自分でできる力が重要だと強調した。学部生では、AIで理解を確認する学生と答えだけ求める学生の二極化が見られるという。Bruntonは基礎を学び、エンゲージメント経済に奪われがちな好奇心と集中を守ることを勧めた。Moitraは、外的評価ではなく内発的な動機を持ち、「すでにテニュアを得たつもりで何をしたいか考える」ことが不確実性への対処になると語った。 #### まとめ 本回の要点は、AIの能力に驚きつつも、数学の価値は「証明された事実」ではなく理解、抽象化、問いの質にあるという3人の共通認識である。日本の読者にとっては、形式化技術（Lean）の急速な進展、査読・評価制度の再設計、研究者育成の見直しが具体的な注目点になる。なお、発言の多くは収録時点での当事者の見解と受け止めるべきで、個々の結果の評価は今後の検証に委ねられている。 > 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: Lex Fridman Podcast「#503 – AI Crisis in Math: Navier-Stokes, Riemann Hypothesis & Complexity Theory」