推論モデルが 80 年前の数学難問を解明 OpenAI Podcast

AI が 80 年前の数学難問を解明：「思考時間」が科学発見のパラダイムを変える

OpenAI の研究チームが、推論能力に特化した新モデルを用いて、80 年前の数学者エルデシュが残した組合せ幾何学の未解決問題を反証することに成功しました。これは単なる計算の高速化ではなく、AI に「思考する時間」を与えることで、真の推論能力と科学発見への貢献が可能になることを示す決定的な証拠です。

80 年前の難問を解いた AI の驚異的実績

今回の成果は、数学界最高峰のジャーナルに掲載されるレベルで、AI が人間の数学者よりも優れた方法で未解決問題を解決した事例として注目されています。対象となったのは、ハンガリー出身の数学者ポール・エルデシュが提示した組合せ幾何学における問題です。

この問題は「平面上に配置された点の距離関係」に関するもので、長年「正方形グリッド状に配置するのが最適解だ」と考えられてきました。しかし、OpenAI のモデルは、従来の常識を覆す新しい構成法を見つけ出し、その予想が誤りであることを証明しました。

「これは主要な未解決問題です。一日試しても、彼らは誤りを見つけられませんでした。すると、彼らはより確信を持つようになります。これが正しいのかもしれません。」

OpenAI の研究者たちは、この結果を最初「ありえない」と疑いました。しかし、社内や外部の専門家による検証を経て、モデルが導き出した解が真実であることが確認されました。これは、AI が単なる情報検索ツールから、科学発見のパートナーへと進化し始めたことを意味します。

「テスト時間計算量」が推論能力を飛躍させる鍵

なぜ AI はこの難問を解決できたのでしょうか。その最大の要因は、モデルに「思考する時間」を与えた点にあります。従来の AI モデルは即座に回答を出そうとしますが、今回の新モデルは長時間思考し、試行錯誤を行うことで精度が飛躍的に向上しました。

これは「テスト時間計算量（Test-time Compute）」の拡大による効果です。つまり、推論に必要な計算リソースを投入することで、AI は複雑な問題に対して自分自身で検証や反証を繰り返すことができるようになります。

「計算リソースがもたらすのは、モデルに試行錯誤させることです。最終的に出力を出す前に様々な試みをさせます。」

実験では、思考時間を延ばすにつれて正解率が 50% から 100% に近づく傾向が見られました。これは、AI が「考える」プロセスそのものを学習し、複雑な推論タスクにおける限界を再定義したことを示しています。

ツール活用と自律的な推論プロセス

今回のモデルは、言語モデルとしての能力だけでなく、外部ツールを自律的に活用する能力も備えていました。Python コードを実行して数値計算を行ったり、辞書参照で用語の定義を確認したりと、人間の研究者のように情報を収集・検証する姿勢が見られました。

特に印象的だったのは、「unit（単位）」という単語の意味を正確に理解するために、Cambridge Dictionary にアクセスし、文脈に応じた定義を検索した点です。これは、AI が単なる言葉の羅列ではなく、問題の本質を理解しようとしている証拠です。

「定義についてです。コンピュータサイエンスの専門家や、多くの知識を持つ人々が私たち全員がこの現象を見ていますか？」

このように、コード実行や情報検索を自律的に行うことで、AI は単なる言語モデルを超えた推論能力を発揮し、数学者が直面する複雑な問題解決を支援しています。

人間と AI の協働：科学発見の未来像

今回の成功は、AI が人間の研究者に取って代わるという話ではありません。むしろ、AI と人間がそれぞれの強みを活かして協力することで、科学研究のパラダイムが変革される可能性を示唆しています。

AI は異なる分野のアイデアを結びつけたり、膨大な計算を行ったりする「橋渡し役」として機能します。一方、人間は理論構築や長期的な思考、創造的な洞察を担当します。この協働により、数学者はより速く、より深く理解を深めることができるようになります。

「AI がアイデアの橋渡し役となり、人間が理論構築を行うことで、科学研究のパラダイムが変革される可能性が語られました。」

研究者たちは、今後 AI を活用して「P vs NP」問題やコラッツ予想など、他の未解決問題への挑戦も視野に入れています。AI が新しいアイデアを生み出し、それを人間が消化・発展させるというサイクルが加速することで、科学全体の進化が劇的に早まると期待されています。

結論：信頼と試行錯誤が鍵となる新時代

OpenAI の今回の成果は、AI に「思考する時間」を与えることがいかに重要かを浮き彫りにしました。これからの研究者には、AI を盲目的に信じるのではなく、その能力を最大限に活用しつつも、失敗した時には戻ってやり直すという柔軟な姿勢が求められます。

「モデルへの信頼を倍増させます。そして失敗するタイミングを確認します。もし失敗したら、戻ってやり直せばよいのです。」

AI は科学の「望遠鏡」として機能し、人間には見えない領域へと私たちを導きます。これからの科学は、AI と人間の協働によって、これまで想像もできなかった速度で発展していくでしょう。