数学（および科学）にとって、黄金時代となるか、それとも暗黒時代となるか？

数学（そして科学）にとって、黄金時代か暗黒時代か？

［これはフランチェスコ・マッギ氏によるゲスト投稿です。このブログ記事は当初、異なるファイル形式で書かれ、AIによって変換されました。— T.］

大規模言語モデル（LLM）と、それらを基盤とする研究システム（一般に「人工知能」として知られる）は、数学的証明を生成する上で驚くべき能力を示しています。これらのツールの品質と限界はまだ完全には理解されていませんが、数学、ひいては科学技術全般における発見の加速と並外れた進歩を可能にするその潜在能力は明らかです。

その潜在能力を最大限に引き出すには、LLMを様々なSTEMエコシステムに慎重に統合する必要があります。その優先事項は、新世代の科学者の育成、新たなSTEM専門知識の開発、そしてオープンで協力的、かつ知的に独立した科学企業を維持することです。これがタイトルの「黄金時代」シナリオです。「暗黒時代」シナリオでは、科学技術の産出は短期的には依然として劇的に増加しますが、同時に、人間の独立した科学活動は徐々に弱体化し、新しい知識の生産はますます少数の人々に集中するようになり、彼らは生産された知識を理解する能力をますます失っていきます。ここでの真の暗闇は、知識が人間の理解からかけ離れたものになることです。

現実はこれらのシナリオを組み合わせたものになるでしょう。8つの論点で、数学からより広範な科学へと移行し、具体的な提案で締めくくることで、その結果を形作る選択肢を検討します。

(1) 技術的ブレークスルーは本物だ！しかし…

自明のことですが、LLMは強力な研究ツールになりました。最近のLLM生成証明、例えば強制項付きナビエ–ストークス方程式の有限時間爆発解の構築や、準リーマン仮説の提案された証明などは、数学者から最大限の注意を払われるべきです。それらの重要性を評価するには、数学コミュニティによる継続的な独立した精査、解釈、そして同化が必要です。

LLMは、Leanで証明を書く際に最も得意とするようです。（Leanは、コンピュータが形式的な議論が指定された定義と公理の下で主張された命題を確立するかどうかをチェックできる証明支援システムです。）LLMに本当に助けてほしい難しい定理の場合、これらのLean証明は数百、数千行にも及ぶ非常に長大なものになります。現れつつある傾向として、証明のLean版が長ければ長いほど、機械生成された「自然言語」翻訳は、より乱雑で忠実さを欠くように見えます。LLMがなぜこのような翻訳が苦手なのかは理解できませんが、今日のところ、このタスクには本当に苦労しているようです。したがって、本当に重要な問題に対して、LLMは私たちが直接読めない正しいLean証明を提供し、数学者が人間の理解に至る前に集中的な研究を必要とするほど複雑な、乱雑な自然言語翻訳を提供します。この特定の翻訳問題は将来変わるかもしれませんが、それは直接、根本的な問いにつながります。

人間の理解なしに、LLMのベンチマークを超えて、なぜ私たちは数学を研究すること、あるいは証明を得ることに関心を持つのでしょうか？

数学は非常に独特な人間の産物です。それは、人間が認識する方法に深い生物学的ルーツを持っているようです。私たちは（人々、動物、物体を）識別します。したがって、私たちは数え、数を持っています。私たちは空間と時間についての生得的な概念を持っているようで、それらを数で定量化し測定します。算術と幾何学のいくつかの基本的な形態は、人間にとってほとんど生得的であるようです。異なる文明は異なる種類の数学を構築してきました。そして、数学の最も最近の歴史でさえ、数学的探求の領域という概念自体が劇的に拡大してきました。時には偶然にさえもです。

（私たちは、人間向けの数学とLLM向けの数学という状況にさえあるかもしれません。これは言語レベルだけでなく、より深い意味でも真実かもしれませんが、まだ言うには時期尚早です。）

したがって、機械が定理を証明できるからといって数学は終わったという主張には同意しません。数学を理解する人間がいなければ、文字通り、人間の数学はありません。それは人間の文化の根本的な部分です。もし私たちが、理解されていない機械が私たちの人間中心的な数学観を傷つけるからといって、数学を放棄すべきではないことに同意するなら、社会はより多くの数学者を必要とするでしょう、少なくないでしょう。…はるかに多くの数学者をです。

(2) 健康的な科学的懐疑論とLLMの創造性の限界。

数学におけるLLMの驚異的な結果を考えると、将来の能力についてかなりの興奮があり、時には、科学的方法に正当な評価を与えない冷静さに欠けていると思います。驚異的なパフォーマンスは、投機的な結論の証拠としてではなく、研究すべき現象として受け止められるべきです。知性、創造性、あるいは意識でさえも。後者は科学的探求の最も困難な正当な主題の一部です。それらは明確な定義、検証可能な仮説、そして経験的証拠をもってアプローチされるべきです。観察された能力によって生じる驚嘆に必然的に続く、避けられない社会変革についての広範な予測についても同様です。これらの技術の社会的影響は、その能力だけでなく、最も重要なのは、これらの能力がどのように開発され、既存の制度に統合されるかについて私たちが下す選択によってのみ決定されることを、私たちはあまりにも簡単に忘れてしまうようです。必然的な結果はありませんが、科学的および政治的リーダーシップの痛切な必要性があります。

今日、私たちは数学的能力について何を知っているでしょうか？理論的および経験的な洞察の両方が、LLMが既存の知的構造を再結合し、科学文献の遠い部分間の未観測のつながりを発見することに優れているという結論を支持しています。さらに、LLMはこれを個々の研究者にはアクセスできない規模で行います。定理を証明する上でのそれらの驚くべき有効性が、高度に洗練された言語的再結合として完全に説明できるのか、それともまだ記述および理解されていない他の形式の合成推論を含むのかは、今日の開かれた科学的な疑問です。

商業開発者がモデルの動作について透明性がない（またはできない）ことを考えると、特に決定が難しい点は、問題に対するLLMのパフォーマンスと関連する数学文献の豊かさとの関係です。例えば、ナビエ–ストークス方程式とリーマン仮説の両方は、数百人の最も優秀な数学者によって作成された膨大な文献の主題です。ここには何かあるかもしれません。結局のところ、OpenAIが「2026年10月6日火曜日、ドロップ」を発表したとき、彼らは4000問を試したと述べ、そのうち数百問（「集計」と「選択」の後で数えられた）で成功を報告しました。そこでの言葉遣いは少し曖昧ですが、それでも最先端のLLMが解を見つけられなかった問題の潜在的に大きなグループの存在を暗示しているようです。科学的な観点からは、これらの問題が何であったかを知ることは非常に興味深いでしょう。おそらくそれらの問題はNSやRHよりも興味深いのでしょうか？それとも、その周りの地面はLLMが助けに来るにはあまり肥沃ではないのでしょうか？これらは数学の進歩を望む人間にとって重要な質問です。LLMを最良の助けを得られる位置にどう置けばよいでしょうか？

(3) 数理化（Mathematization）。

数学者は、人間の数学的機能の一部は定理証明に還元できないという点で、実質的に合意しています。特に重要なのは数理化です。

現実（数学的構造自体を含む）が定量的かつ合理的に理解可能になるための数学的言語を発明する行為。

ニュートン、フーリエ、リーマン、アインシュタイン、シャノン、グロタンディーク：彼らの最も偉大な数学的貢献は、知識の全領域を変革した数学的言語と概念的枠組みの発明を含んでいたため、数理化の最高の例として説明できるでしょう。

LLMが数理化を実行できるかどうかはわかりません。私の推測では、それらは（あるいは最終的には）数学的構造の数理化、つまり現実の非常に特殊な部分の数理化を実行できるはずですが、少なくとも自然言語に効率的に翻訳できる方法でそれを超えることができるかどうかは、はるかに不明瞭です。ここでも人間の理解に戻ります。

証明がよりアクセスしやすい商品になったことによって生み出される最もエキサイティングな機会は、近い将来、これまで以上に多くの数理化を行うことができるようになるかもしれないということです。自然科学と社会科学には、証明を得ることの難しさによって数理化能力が大幅に抑制されてきた広大な領域があります。実際、証明なしでは、理論の結果を確立し、観察された現象と比較することが困難になる可能性があります。しかし、科学でしばしば観察されるように、私たちは山の頂上に登ったばかりで、さらに探検すべき土地を見つけただけかもしれません。

この考えを中心にかなりの興奮があるはずだと思います。実際、現象、実験、データのシステムが数理化に成功するたびに、そのシステムへのアクセス可能な洞察の洗練度と深さを大幅に向上させます。

この主張の最も壮観な例は、おそらく量子力学の成功でしょう。そこでは、オリジナルの実験データのセットの数学的定式化が、多くの物理的に直感に反するが検証可能な予測を生み出し、そうでなければ考えられなかった実験によって確認されました。理論的予測によって強制されなければ、誰が自然の性質としてエンタングルメントを提案したでしょうか？

(4) 数学的進歩は問題リストのチェックボックスをチェックすることで測定できない。

数学は有限な質問システムではありません。ヒルベルトは前世紀の幕開けに有名な問題リストを提案しました（これはミレニアム懸賞問題リストに影響を与えました）。その意図は、数学活動の「カンブリア爆発」を導き、方向付けることでした。しかし、過去1世紀の多くの根本的な数学的貢献は、問題リストとのいかなる関連性もなく行われました。

例えば、一般相対性理論の数学的基礎は、ガウスとリーマンから始まり、リッチ・キュルバストロとレヴィ・チヴィタへと続く、何世代にもわたる数学者によって発展させられた幾何学的アイデアから生まれました。物理的洞察、特殊相対性理論、そしてリーマン幾何学を一般相対性理論に統合することは、困難な問題のリストやそれらの複雑に絡み合った証明とは無関係です（そして、数理化が機能する教科書的な例です！）。

第二の例は、フーリエ級数の研究、測度論の開発、現代確率論、情報理論を結びつける広範な歴史的軌跡によって提供されます。シャノンの、情報源の統計構造が情報伝送と圧縮の基本的な限界を決定するという洞察は、数理化がいかに全く新しい分野を開くことができるかを示す驚異的な例です。同様に、現代のコンピューティングと機械学習の数学的基礎のいくつかは、おそらく大きな予想の証明やますます複雑な証明への試みによってすぐに触発されなかった一連の数学的進歩に根ざしています。

ヒルベルトなどのリストからの問題に取り組むことが、数学の発展に非常に有益であることが証明されていることは否定できません。その点で興味深いのは、これらの努力の有用性がしばしば特定の解を超えて広がったことです。これらの問題は、未知の数学的領域を航海する際の灯台として機能しました。しかし、数学をリストからの困難な問題の解決に還元することは、この分野とそこでの進歩を構成するものについての単純化され、不完全な理解を提供します。

(5) 著者権、クレジット、査読は依然として重要！

LLM生成作品は、膨大な人間の数学文献に依拠していますが、抽出された情報がどのように使用されるかは依然として不明瞭です。この基本的な不明瞭さに関連するいくつかの問題があります。特定の証明にどの数学的アイデアが貢献しましたか？証明の正しさを主張し、改訂を実施する責任は誰にありますか？LLMが文献に既に存在する議論を再発見した場合、適切な引用をどのように確保しますか？これらのすべての質問に対する賢明な答えが必要であり、既存の出版システムがそれに応じてどのように変化し、適応すべきかについて議論する必要があります。

証明は数学的発見プロセスの終わりではありません。生産的な知的成果となるためには、証明は理解され、解釈され、以前の仕事と関連付けられる必要があります。鍵となるアイデアは特定され、共有された数学文化の一部となるように処理される必要があります。査読は重要です。LLMとLean形式化の使用は、査読の効果をサポートできます（形式的な正しさは容易に確認できるようになる可能性があります）が、意味、関連性、文脈を確立し、数理化を促進し、将来の数学者の訓練と互換性のある創造的な数学的環境を維持するためには、人間の介入が依然として必要です。

人間生成データがLLMにどのようにアクセス可能になるかの不明瞭さに関連する特に困難な問題は、もちろん、非常にオープンな数学のシステム（人々が日常的にオープンな問題や予想を提案する）から、厳重に管理されたシステム（人々がアイデアを共有することにすでに非常に慎重になっている）への現在の移行です。

例えば、リーマン仮説に対するOpenAIの関心を考えると、誰がそれを軽々しくChatGPTにプロンプトして独創的なアイデアを思いつくでしょうか？結局のところ、その同じアイデアが、より高度なLLMと協力している別の数学者やOpenAIの従業員にアクセス可能になり、その起源に気づくことなく、あるいはそれを認識する機会もなく、そのアイデアを証明に変える可能性があります。したがって、不明瞭さと不確実性のもう一つの側面は、人々が望むよりもLLMの使用を少なくしてしまう可能性があるということです。私の懸念は、トレーニングデータに関する公開ポリシーを超えて、保存された研究資料のセキュリティにまで及びます。実際、エージェントが第三者のシステムに不正にアクセスしたという文書化された事例があります。これらの事件は、機密性保護の独立した評価を特に重要にします。

同様に、数学者はすでに研究声明や研究提案に書くことについて懸念し、用心深くなっているようです。結局のところ、管理者やレビュー担当者は、レポート作成の支援を得るためにそれらのドキュメントをLLMにアップロードする可能性があり、未公開の研究の機密性を侵害する可能性があります。

(6) 将来の数学者の訓練はすでに存亡の危機となっている。

将来の数学者の訓練は、著者権とクレジットに密接に関連しています。いくつかの代表的な課題について議論します。

数学の伝統的な特徴の一つは、数学的業績を通じて知的な功績を非常に直接的に確立できる可能性でした。よく知られた問題に取り組む強力な結果は、研究者が学術的な階層に関係なく、機会を得て認識を得ることを可能にしました。

私が話した数学者の間では、この伝統的な認識メカニズムが数週間で効果的に崩壊したという一般的な感情があります。強力な数学的結果だけでは、学生の独立した数学的能力の説得力のある証拠とはもはや見なされません。この感情が誇張されているかどうかはわかりませんが、不確実性は現実であり、LLM時代における個々の知的貢献を評価するための満足のいく基準をまだ開発していません。

LLMがどのようにプロンプトされ、どのようなメカニズムでプロンプトがその有効性に影響を与えるかについて、十分な透明性がない場合、個人の数学的能力の評価は、ほぼ完全に個々の判断に委ねられることになり、それは議論の余地がありますが、より実質的な人間同士の相互作用に基づかなければならないでしょう。

これは、これまでで唯一の問題ではありません。人間の創造性に対する集中的なLLM使用の影響は、ほとんど知られていません。過去1年間、LLMを広範囲に使用した経験豊富な数学者からの逸話的な報告は、注意、動機、理解の深さにおける微妙で、時にはそれほど微妙でない変化を示唆しています。

数学的専門知識が学習され獲得される認知活動そのものをますます委任することなく、私たちの知的能力を増幅する方法でLLMを使用する方法をどのように学びますか？

この質問に対するもっともらしい答えを見つけることは、黄金時代シナリオを実現したい場合に解決すべき主要な問題の一つです。

(7) フロンティアLLMの私的支配は潜在的に危険である。

学術研究と企業研究は、数十年にわたり生産的に協力してきました。LLM自体は、学術界で開発された理論的および技術的洞察を、集中した資本と投資と組み合わせています。

ここでの危険は、むしろ、少数のフロンティア企業が利用できる科学的能力と、大学や公的機関が利用できる能力との間の増大する非対称性にあります。

この非対称性は、これらの企業が学術研究と競争して科学技術の発見を追求するために独自のシステムを使用する場合、非常に重大な結果をもたらす可能性があります。そこでは、学術研究者は貢献するためにそれらの同じ独自のシステムの使用に依存するようになるでしょう。

数学は、ますます重大な結果をもたらす可能性のある非対称性の早期の、目に見える例を提供するかもしれません。私的利益が、どの質問が最良のツールを受け取るか、誰がそれらを使用できるか、能力がどのように評価されるか、そしていつ発見がリリースされるかを決定することを許可することは、前例のない程度に科学的影響力を集中させるでしょう。安定した協力と利益の調和のためには、能力のバランスが必要です。フロンティア数学と科学の基本的なインフラストラクチャになるであろうものに対する、少数の企業による増大する、そして潜在的に完全な支配を与えることは賢明ではないように思われます。

この結論は、企業リーダーシップの悪意を仮定する必要はありません。単純に言えば、商業的インセンティブ、科学的優先事項、そして公共の利益は、必ずしも常に一致するわけではありません。健全な科学的エコシステムは、異なる目的と異なる権威の源を持つ機関間の対話を必要とし、透明性と公的説明責任の形態に従属します。

数学に戻ると、OpenAIは数学コミュニティと様々な形態の対話を行ってきました。この対話は、LLM生成結果の提示と普及に関して、ナビエ–ストークス問題の状況と比較していくつかの改善につながりました。これらの努力は建設的に受け止められるべきであり、認識に値すると私は思います。なぜなら、OpenAIが透明性とアクセスを向上させる上で、客観的で正当な困難、例えば巨額の投資に対するリターンを生み出すプレッシャーや、システムを展開する前に安全性を評価する必要性があるからです。

これらのやり取りは、たとえ全員が完全に善意であったとしても、企業と学術界の利益を調和させることの固有の困難を明確に示しています。さらに重要なのは、これらのイニシアチブは、フロンティアLLM能力への不均等なアクセスという構造的な問題に対処していないことです。この点の解決を、個々の企業の善意と自発的なイニシアチブに委ねることは不十分であるように思われます。

(8) より広範な研究コミュニティ内での科学的LLMインフラストラクチャの構築。

大学、専門学会、資金提供機関、科学財団は、競争力のあるLLMの開発とガバナンスを調整すべきです。科学者は、フロンティア能力へのアクセス、その運用と研究データの使用に関する透明性、強力な機密性保護、そして研究主張を独立してテストおよび再現する能力を必要とするでしょう。

この種のイニシアチブをサポートするために必要な大規模なコンピューティングリソース、専門人材、データインフラストラクチャ、および継続的な投資は、単一の機関の範囲内にはありません。そして、独立したモデル開発、商用システムへの保証されたアクセス、公共のコンピューティングインフラストラクチャ、およびその仕事を遂行できるオープンな研究リソースの組み合わせを調達するには、巨大なリーダーシップの努力が必要となるでしょう。

ここでの主な目標は、必ずしも民間企業からの完全な技術的独立を達成することではありませんが、独立した科学研究の能力を維持し、研究コミュニティを弱体化させ、最終的には消滅させるのではなく、それをサポートするために調整されたLLMを作成することです。

ますます強力な機械を巧みに統合しながら、知的に独立した、オープンで創造的な科学文化を維持することは、私たちの時代の決定的な文化的課題になるでしょう。数学は、知識、知的権力、そして社会にとって、ますます複雑で潜在的に危険な結果をもたらす可能性のある、科学全体にすぐに広がるであろう課題に直面する早期の機会を提供します。科学的懐疑論と関係者全員への公平さが私たちを導くべきです。

黄金時代シナリオは達成可能です。 研究者へのフロンティアLLMへのアクセス、LLM生成された学術成果のための再現性と開示基準、LLM生成された結果を理解し普及させるためのリソース、LLMが科学教育と研究訓練に与える影響を研究するためのリソース、そして公的に管理されたLLMインフラストラクチャへの継続的な投資は、黄金時代シナリオを最も可能性の高い結果にするために今日私たちが取ることができる具体的なステップです。

数学の特定のケースでは、私の希望と、しっかりと独立したLLMインフラストラクチャへの願いは、数学者が数学内部および自然科学と社会科学のスペクトル全体で、理論構築、または数理化の機会を体系的に追求できるようにすることです。それは、真に革命的な成果になるでしょう。

それまでの間、数学者には、数学を人間の文化の活気ある一部として維持するという巨大な責任があると私は考えています。現在、絶対的で建設的な内容のほとんどない結論に向かって引っ張る利益が多すぎ、感情的な反応が多すぎます。私たちは、これらが不確実な時代であり、状況を完全にコントロールできていないことを受け入れなければなりません。新しい数学を発見するのに役立つあらゆるツールに関与しなければなりません。書き、出版し、レビューし、提案を書かなければなりません。これらのすべてを行う上で、これまで以上に野心的で好奇心旺盛にならなければなりません。そして、次の世代の数学者が数学を人間の文化の中心的なノードであり続けるように、最良の専門基準を作成することを確実にしなければなりません。