フィールズ賞受賞者 Terence Tao は、AI システムが実際の研究レベルの数学問題を安価かつ大規模に解く能力に近づいていると警告している。彼はこの転換を 1900～1930 年に数学を揺るがした根本的危機になぞらえている。
Tao の懸念は AI が何を計算できるかではなく、より深い点にある。AI 生成の証明が人間が検証・理解・学習するより速く分野を埋め尽くせば、数学はコミュニティ、育成、真の理解という中核的価値を失う危険性がある。
彼は、著者が専門家レベルの講演で結果を確実に説明できる場合にのみ結果が発表されるべきだと提案している。
何が起きたか
フィールズ賞受賞者 Terence Tao は、AI システムが間もなく研究レベルの数学的タスクの相当な割合を合理的な成功率とコストで実行できるようになると主張している。First-Proof Project の第2ラウンドでは、10個の未発表研究問題のうち7個が、テストされた4つの AI システムのうち少なくとも1つから合格点を獲得し、問題あたりの解法コストは数十～数百ドルだった。
なぜ重要か
Tao はこれを 1900～1930 年にラッセルのパラドックスとゲーデルの不完全性定理によってもたらされた危機に匹敵する根本的な危機と見なしている。この転換は数学的真理ではなく、何が貢献と見なされるか、何が報酬を受けるか、何かを理解することの意味に関する暗黙的枠組みを覆す脅威がある。AI が人間が検証・学習するより速く安価な証明で分野を埋め尽くせば、数学は問題解決、理論構築、コミュニティ形成、次世代育成という常に相互に強化されてきた中核的目標の分裂化に直面する危険性がある。
注目点
Tao は実用的な防止策を提案している。著者が自分の成果について明確で専門家レベルの講演が正確かつ適切に帰属されたものとして行える能力を実証できない限り、結果は発表されるべきではないということだ。2026年6月に発表され国際数学連合が支持する「人工知能と数学に関するライデン宣言」を正式なガイダンスとして挙げている。Erdős 問題データベースには既に人間の専門家による検証を待つ数十個の AI 生成投稿が含まれている。
Terence Tao の懸念は AI が数学で失敗することではなく、その成功が分野の中核的なアイデンティティを断裂させる方法にある。First-Proof Project の結果は、AI システムが既に難度の高い未発表研究問題を規模とコストで解いており、従来の希少性モデルを損なっていることを示している。Tao は、この豊富さが長く資源制約に隠されていた緊張を露呈させると主張している。数学は常に複数の目標——証明発見、理論構築、コミュニティ形成、メンタリング——を織り交ぜてきたが、これらは互いに強化し合う関係にあった。AI は測定可能で引用可能な部分で優れることで、それらを引き離す脅威がある。
Tao の診断はグッドハートの法則に基づいている。ある尺度が目標になると、それはもう良い尺度ではなくなるという法則だ。生成型 AI は良い出力の見かけのために最適化するという構造的傾向があるため、この法則に従いやすい。AI 産業の経済的インセンティブはこれを悪化させ、数学者が深い成就の代理指標として長く使ってきたまさにそのようなベンチマーク可能な成果に報酬を与える。AI 生成の証明が人間が検証・吸収できるより速く積み重なれば、分野は理解の代わりに豊富さを代替する危険性がある——真理ではなく意味の危機だ。
AIが要約して、あなたの選んだトピックだけを1日1通。LINE・Email・Slackで届きます。
登録無料・30秒で完了・いつでも解除できます
この記事についてわからないことをAIに質問できます。Q&Aはこのページに公開され、他の読者も読めます。
