こんにちは。管理人のpencilです。
最近の生成AIの進歩を見ていると、驚くための感覚が追いつかなくなっているように感じます。画像や動画についても、少なくとも一見した仕上がりでは、専門家の作品と見分けるのが難しいものを見かけるようになりました。もちろん、狙った表現を安定して作れるかどうかは別の問題ですが、それにしてもAIの進化は速いですね…。
そして今、その変化が数学にも及んでいます。
OpenAI社の発表
OpenAI社は2026年9月8日（現地時間）、社内の未公開AIモデルが、ミレニアム懸賞問題の一つである「ナビエ・ストークス方程式の存在と滑らかさ」を解決する証明を生成したと発表しました。
On the Navier–Stokes Millennium Prize Problem – OpenAI
https://openai.com/index/navier-stokes-solution/
この証明や発表の経緯自体には、それはそれで面白そうな裏のエピソードがあるようなのですが、ここでは深く立ち入らないことにします。
ミレニアム懸賞問題は、アメリカのクレイ数学研究所が2000年に発表した7つの未解決問題のことで、各問題に100万ドルの懸賞金がかけられています。
ミレニアム懸賞問題はどれも数学界きっての難問揃いですが、これまでに全く解かれていないわけではありません。グリゴリー・ペレルマン氏が2002～2003年に発表した研究によってポアンカレ予想は解決され、その成果に対して2010年にミレニアム賞が授与されましたが、本人が賞金の受け取りを辞退したエピソードは有名です。
現在も残る6つの問題は未解決でしたが、その一つであるナビエ・ストークス方程式に関する問題を、OpenAIのまだお披露目されていない最新鋭の社内モデルが解いたというのです。
数学者が長い時間をかけて取り組んできた問題に、多数のAIが並列に取り組み、解答を探索する。こうした研究の進め方は、数学の「工業化」とでも呼ぶべきでしょう。紙と鉛筆、あるいは黒板とチョークを前に、一人の研究者が長い時間をかけて考えるという従来の数学研究に加えて、莫大な計算資源と多数のAIエージェントを投入して問題を解決する、新しい研究様式が現れつつあります。
コンピューターを用いた証明という意味では「四色定理」の例がよく知られています。これが解決されたのは1970年代のことで、コンピューターがそれほど普及していない時代だったためか、数学界には批判的な見方がかなり多かったようです。
このような状況の中、25人の著名な数学者（全員がフィールズ賞受賞者）が名を連ねる声明が公開されました。AI企業が問題の解決を能力の指標として数学の未解決問題を追い求めることと、数学の理解を深め、次の世代へ伝えることとの間に、深刻なズレがあるという問題提起です。
個人的に、この声明は数学コミュニティ内部における防御的な反応として受け止めています。ただし、「防御的」という言葉を悪い意味で使っているわけではありません。守ろうとしているものには、研究者の職業上の立場だけでなく、人を育て、知識を共有するために積み重ねてきた仕組みも含まれるからです。
管理人自身は、この先来るであろう未来について比較的楽観視しています。失われるものへの不安はあるかもしれませんが、それ以上に、人間がこれまで手を伸ばせなかったところへ届く可能性に期待している、というのが率直なところです。
数学の「工業化」
数学の「工業化」という表現について、もう少し説明しておきます。
工業化は、単に同じものを大量に作ることだけを意味しません。仕事を分担し、工程を組み合わせ、個人の技量や作業時間に依存していた生産を、設備や組織によって拡大できる形へ変えることでもあります。
数学でも、問題の候補を調べる、証明の方針を試す、補題を作る、誤りを探す、といった作業を多数のAIに割り振れるならば、研究に投入できる労力の単位が変わります。人を増やすには教育にも採用にも時間が掛かりますが、AIの稼働数は、少なくともその一部を計算資源によって増やせます。
もちろん、設備を増やせば必ず良い定理が出てくるという話ではありません。ただ、ある問題を解くまでに必要な時間が、研究者の人数に加えて、どれだけの計算資源を投入できるかにも強く左右されるようになる。その変化は、数学という営みの経済的な条件まで動かすことになるでしょう。
この点では、画像や動画の生成とも共通するものがあります。制作に必要だった時間が大幅に短くなれば、成果物の希少性も、仕事としての価格も変わります。技術としては素晴らしくても、それまでの技能によって生活してきた人にとっては、手放しで歓迎できる話ではありません。
数学者の懸念も、こうした変化の延長線上で考えると理解しやすいように思います。
ただし、今回の声明が指摘するのは、それだけではありません。解答に至るまでの試行錯誤が、研究者自身を育てる機会にもなっていたという問題があります。その工程を外部に任せるならば、次の世代が力を身に付けるための経験をどう確保するのか。ここは、効率化によって浮いた時間を数えるだけでは済まないところです。
こうした変化を考えるときに、よく引き合いに出されるのが活版印刷です。
15世紀半ば、グーテンベルクらはマインツで活字を用いて聖書を印刷しました。一冊ずつ手で写す方法とは異なる仕組みで、まとまった部数の本を作れるようになりました。これも一種の機械化であり、画一的な品質の量産品を作るという観点では「工業化」という表現も間違いではありません。
ここで少し考えてみたいのは、本を作るための労力と、本を読むことの価値との関係です。
一冊を複製するための労力が小さくなっても、その内容を読む意味まで薄れるわけではありません。むしろ、手に取れる本が増えれば、それまで知識に接する機会のなかった人にも入り口ができます。作る側の事情が大きく変わる一方、読む側の可能性は広がります。
AIについても、ある一面ではこれに似たことが起きるでしょう。文章や画像、プログラム、そして数学的な成果を生み出す負担が軽くなれば、それらを使って何かを試せる人、試したい人が増えるかもしれません。
印刷機は基本的に、既にある文章を複製する装置です。AIは、その文章の内容を考える仕事にまで関わります。知識を運ぶ手段に加えて、知識を生み出す過程そのものが変わるので、影響はさらに深い可能性があります。
その意味では、印刷技術とのアナロジーには限界があります。それでも、ある仕事に必要な労力が減ることと、人間の文化が貧しくなることを、そのまま同一視する必要はないはずです。
伴走者としてのAI
管理人がAIの発達と社会への浸透に希望を持っている最大の理由は、人間の時間が有限であることに関連します。
世の中には、面白いと思っても手を付けられないことが山ほどあります。調べるだけで何年も掛かる、計算量が膨大で実行できない、必要な技術を身に付ける前に別の仕事に追われる。研究に限らず、何かを作ろうとしたことのある方なら、幾度となく経験されたことがあるものと思います。
我々が実際に探究できる範囲は、好奇心の広さだけでは決まりません。にもかかわらず、寿命や生活、資金、作業速度などといった物理的・経済的な制約によって、かなり狭く制限されています。
もし、ある問いに答えるのに百年分の作業が必要だとしたら、その問いは一人の人間にとって、事実上手の届かないものです。それが仮に一週間で済むようになれば、生きている間に答えを見て、さらにその先を考えられます。
これは、同じ仕事を速く終えるという以上の変化です。「時間がないので諦めるしかなかったこと」が、人生の選択肢に直接関わってくるからです。
徒歩では生涯に訪ねられる場所が限られますが、移動手段が変われば行ける場所が増えます。それに似た変化が、思考や研究にも起こるはずです。AIが見つけた結果を自分の理解に繋げられるならば、到達範囲の拡大を人間自身の経験にできます。
AIが先に到着した場所には、人間が行く意味がないということもないでしょう。既に誰かが登った山であっても、自分で登って見る景色には意味があります。数学を学ぶ楽しさも、世界初であることだけに支えられているわけではありません。
今回のナビエ–ストークス方程式をめぐる話題についても、成果の大きさと、そこから言えることの範囲は分けて考えたいところです。
OpenAIが発表したのは、滑らかな外力を加えた流れについて、有限時間で特異性が生じる構成を得たという主張です。同社は、これがミレニアム懸賞問題の正式な定式化である命題C・D（局所的正則性の破綻に関する主張）を満たすと説明しています。
参考：OpenAIの発表
外力を含む特定の構成であっても、要求された条件を満たせば、正式な問題の解決になり得ます。その意味で「特殊な場合だから本題には答えていない」と片付けるのは適切ではありません。一方、それによって外力のない場合の問題まで決着するわけでもありません。
個人的には、正式な懸賞問題への回答としての価値とは別に、この構成から新しい数学的概念や物理的理解がどこまで引き出されるのか、という点にはまだ物足りなさも感じます。
一つの難問について解決が主張されたことと、流体について何もかも分かることには、当然ながら大きな隔たりがあります。まして、そこから直ちに「AIがあらゆる知的問題を解ける」と結論することはできません。
ともあれ、こうした区別を押さえた上でも、人類の研究の進め方が大きく変わりつつあることは十分驚くに値しますし、成果を誇張しなくても期待する理由にはなると思います。その点で、今回のOpenAIのやり方は賛否を呼んでいるという事情もあるのですが。
むすびに
AIに対しては、期待できるからこそ気になることもあります。
研究の工業化が進み、その設備を少数の企業だけが持つようになれば、個人の能力とは別のところで研究への参加条件が決まってしまいます。興味深い問いを持っている人が、その問いを試すための手段を使えないのであれば、せっかくの可能性も十分には生かされません。
また、研究者が安心して未完成の考えを共有（または秘匿）できることや、過去の貢献が適切に認められることも大切です。こうした信頼が損なわれれば、各自が情報を囲い込むようになり、学問全体としては不自由になる恐れがあります。これは健全な科学の姿とは言えません。
技術の進歩を歓迎することと、その使われ方に注文を付けることは両立します。むしろ、便利で強力な技術だからこそ、誰が使えて、誰に利益が届くのかを気にする必要があります。AIの発展と浸透によって、既存の仕事や評価の仕組みには、不可逆的な変化も生じ得るでしょう。その過程で不利益を受ける人に対し、将来の豊かさだけを語って納得を求めることもできません。
それでも管理人としては、個々人の実現できることが増える未来に期待したいと思っています。人類の破局が必然だとも、技術が勝手にすべてを良くしてくれるとも考えていません。希望があるのは、これまで実行できなかったことを試す余地が、確かに広がり得るからです。
数学者が守ろうとしている、考える時間や理解を分かち合う文化は、その未来にも持っていきたいものです。AIの助けを借りて研究が速く進むならば、その分だけ、成果を味わい、学び直し、別の問いに取り組む機会を増やすことができます。
管理人自身も、分からなかったことが分かるようになるのは、やはり嬉しいです。その喜びを得られる機会が増えるのであれば、この変化には希望を持って向き合いたいと思います。