純粋数学の世界で異例の出来事が起きており、その発信源は大学の研究室ではない。OpenAI は、社内の AI システムが、少なくとも 10 年間、場合によってはそれ以上の長きにわたって未解決だった 10 個の数学および計算機科学の問題を解決する手助けをしたと述べている。この発表とあわせて、10 万人の研究者に高度な ChatGPT へのアクセスを開放する別の取り組みも行われており、これにより数学における AI の進歩が、物珍しさの段階から本格的な研究インフラへと移行しつつあることが示されている。
Summary
主なポイント
- OpenAI は「ChatGPT for Academic Researchers」を開始し、10 万人の科学者と数学者に、最上位の ChatGPT モデルへの無料アクセスを提供した。
- 未公開の OpenAI モデルが、5 月にエルデシュの単位距離予想の AI 生成による反証を生み出した。
- Astra と呼ばれる次世代モデルの社内版によって達成された 10 個の新しい成果は、数学および理論計算機科学の 8 分野にまたがる未解決問題を解決している。
- OpenAI によれば、解を見つけるために必要だったトークンのコストは、Sol API レートでおよそ2,000 ドルだった。
- 人間の研究者が AI 生成の議論を論文原稿にまとめ、その後モデルが各証明を Lean 証明書として形式化した。
OpenAI、10 万人の学術研究者に ChatGPT へのアクセスを開放
OpenAI が今回の取り組みでまず重視しているのは、出力ではなくアクセスだ。同社は最近ChatGPT for Academic Researchers を開始し、10 万人の科学者と数学者に、最も高性能な ChatGPT モデルを無料で利用できるようにした。OpenAI の説明によれば、その狙いは、最先端モデルを企業向けの有料ウォールの裏に閉じ込めておくのではなく、未解決問題に取り組む人々の手元に、より強力な推論ツールを直接届けることにある。
これは重要だ。というのも、AI 支援型研究において、これまでボトルネックとなってきたのはしばしばアクセスだったからだ。学術予算が、大規模にプレミアム AI サブスクリプションを賄えることはまれであり、個々の研究者が先端モデルを使ってニッチな数学的問題を試すことに、機関として広く資金を出せるケースも多くない。OpenAI は、多数の科学者に対してその障壁を取り除くことで、アクセスの拡大によって、今回同社が示しているような成果がより多く生まれると見込んでいる。
静かなブレイクスルー：AI がエルデシュの単位距離予想を反証
5 月にさかのぼると、OpenAI は今後を示唆するある成果を共有していた。数学者ポール・エルデシュに由来し、長年研究者を悩ませてきた問題であるエルデシュの単位距離予想の、AI による反証である。この反証は、専用の研究プロジェクトの最中ではなく、未公開モデルの評価中に、ほとんど偶然のような形で発見された。
この単独の成果は、一過性の珍事にとどまらなかった。OpenAI によれば、エルデシュ予想の反証はすでに数学および理論計算機科学におけるさらなる発展を促しており、その手法に基づく後続論文も現れている。ここには、この話の「なぜ重要か」が比較的はっきりと表れている。AI 生成の結果が人間の数学者による追随研究を引き起こすとき、それは AI システムが単発の答えを出しているだけではなく、他の研究者が発展させうる技法を提供していることを示唆している。
数学者が数十年解けなかった問題に対する 10 個の新たな AI 駆動の解
OpenAI の発表の中心となっているのは 10 個の新しい成果であり、いずれも少なくとも 10 年間、場合によってはそれ以上にわたって、主要な問いに進展が見られなかった問題に取り組んだものだ。OpenAI は、これらの問題はそれぞれの数学コミュニティにおいて大きな関心を集めており、そのうちいくつかは数学全体にとっても重要と見なされていると説明している。
解決された問題の範囲と多様性
この 10 個の成果は、高次元幾何、符号理論、算術回路複雑性、群論、作用素環、量子複雑性、格子暗号、極値組合せ論といった、広範な技術分野にまたがっている。その広がり自体が注目に値する。これらは単一のニッチな分野における隣接するサブクエスチョンではなく、それぞれが何十年もの研究史を持つ、数学と計算機科学の異なる領域からの独立した未解決問題なのだ。
OpenAI が挙げた具体的な進展には、次のようなものがある。
- 高次元における球充填密度の新たな上界で、Cohn–Elkies のしきい値にまで迫る結果。
- 与えられた最小距離に対する、2 進および高次元球面符号の最大サイズについての指数的に改善された上界。
- 非ソフィック群の存在を示す構成であり、群論における中心的な未解決問題を解決するもの。
- 特定の群がそのフォン・ノイマン環によって一意に決定されるとする Connes の剛性予想の反証。
- 算術回路を用いた permanent の計算に対する新たな下界であり、n^4/log n のオーダーの算術公式下界を含む。
- 一般の 2 人プレイヤー量子ゲームに対する指数的並列反復定理であり、古典的な複雑性理論の原理を量子設定へと拡張するもの。
- 最短ベクトル問題の近似に対する多項式因子の困難性であり、ポスト量子暗号に関連する格子問題。
- 重心が唯一の内部格子点である凸体の最大体積を、あらゆる次元で解決する結果であり、Ehrhart の体積予想の一部を成す。
- 多色三角形 Ramsey 数に対する超指数的下界であり、エルデシュ問題 183 を解決するもの。
- 極値グラフ理論におけるコンパクト性および退化性予想に関する結果であり、エルデシュ問題 146 と 180 を解決するもの。
Astra モデルを用いた技術的プロセスとコスト効率
これら 10 個の成果はすべて、OpenAI が次の主要モデルと位置づける Astra の社内版によって生み出された。際立っているのはそのコストだ。OpenAI の試算では、10 個すべての問題の解を見つけるために必要なトークン使用量は、Sol API レートでおよそ2,000 ドルに相当するという。人間の数学者が 10 年以上にわたって進展を得られなかった研究に対し、数千ドルの計算資源で成果が出たという事実は、難問への取り組みにおける経済性が、数学における AI の進歩によっていかに変わりつつあるかを端的に示している。
もっとも、そのプロセスは完全自動ではなかった。人間の研究者たちは、モデルが出力した生の議論を、同じモデルと協働しながら構造化された論文原稿へとまとめ上げた。その後、モデル自身が各議論をLean 証明書へと形式化した。Lean 証明書とは、数学的主張を厳密に検証するために用いられる、機械検証可能な証明フォーマットである。OpenAI はまた、各解に対するモデルの思考過程のナレーションも公開し、外部の研究者がシステムがどのように推論して解に到達したかを垣間見られるようにしている。
AI 生成の議論、人間が整えた論文原稿、そして機械形式化された Lean 証明書というこの組み合わせは、AI システムが生の数学的洞察を生み出し、形式検証ツールと人間の監督がその確認を担うというワークフローを示している。こうした役割分担は、AI 支援の成果が他の未解決問題にも広がるにつれて、ひとつのテンプレートとなっていく可能性がある。
研究と競争にとっての意味
ここでの広い意味合いは、10 個の問題が解けたという事実を超えている。単一の社内モデルが、8 つの異なる数学分野にわたって、約 2,000 ドル分の計算コストで論文レベルの成果を生み出せるのであれば、長年の未解決問題に取り組む際の制約は、数学的洞察そのものから、有能なモデルへのアクセスへとシフトし始める。それこそが、OpenAI の学術アクセスプログラムが拡大しようとしている部分だ。安価な計算資源と広範な研究者アクセスの組み合わせは、競合する AI 研究所や、これらのツールを自らの研究にどう組み込むかを検討している数学科から、注視を集めることになりそうだ。
OpenAI はまた、この一連の取り組みが、すでにエルデシュ予想の反証に基づく追加研究を促しており、和積理論、インシデンス幾何、計算複雑性における関連問題を探るフォローアップ論文が複数現れていると指摘している。この勢いが同じペースで続くのか、あるいは他の AI 研究所が別のモデルで同等の成果を出すのかは、AI 支援による証明生成が、日常的な数学実践にどれだけ早く取り込まれていくかを左右するだろう。
FAQ
ChatGPT for Academic Researchers とは何ですか？
OpenAI による取り組みであり、10 万人の科学者と数学者に高度な ChatGPT モデルへの無料アクセスを提供し、発見のスピードを加速することを目的としています。
OpenAI の AI モデルが反証した長年の数学的問題は何ですか？
未公開の OpenAI モデルを用いて、エルデシュの単位距離予想の AI 生成による反証が作成され、5 月に初めて共有されました。
Astra は AI 支援によってどのような種類の問題を解きましたか？
OpenAI の社内次世代モデルである Astra は、高次元幾何、符号理論、算術回路複雑性、群論、作用素環、量子複雑性、格子暗号、極値組合せ論において成果を生み出しました。
AI が生成した証明はどのように検証されましたか？
人間の研究者が AI 生成の議論から論文原稿を作成し、その後モデルが各証明を Lean 証明書として形式化し、機械による検証を可能にしました。
{“@context”:”https://schema.org”,”@type”:”FAQPage”,”mainEntity”:[{“@type”:”Question”,”name”:”ChatGPT for Academic Researchers とは何ですか？”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”OpenAI による取り組みであり、10 万人の科学者と数学者に高度な ChatGPT モデルへの無料アクセスを提供し、発見のスピードを加速することを目的としています。”}},{“@type”:”Question”,”name”:”OpenAI の AI モデルが反証した長年の数学的問題は何ですか？”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”未公開の OpenAI モデルを用いて、エルデシュの単位距離予想の AI 生成による反証が作成され、5 月に初めて共有されました。”}},{“@type”:”Question”,”name”:”Astra は AI 支援によってどのような種類の問題を解きましたか？”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”OpenAI の社内次世代モデルである Astra は、高次元幾何、符号理論、算術回路複雑性、群論、作用素環、量子複雑性、格子暗号、極値組合せ論において成果を生み出しました。”}},{“@type”:”Question”,”name”:”AI が生成した証明はどのように検証されましたか？”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”人間の研究者が AI 生成の議論から論文原稿を作成し、その後モデルが各証明を Lean 証明書として形式化し、機械による検証を可能にしました。”}}]}
本記事は人工知能の支援を受けて作成され、編集チームによる確認を経ています。
