AI数学証明ブームに警鐘、ライデン宣言が問う研究倫理と検証責任

AI数学証明が研究現場に迫る理由

AIが数学の難問を解くというニュースは、もはや未来予測ではありません。DeepMindのAlphaProofとAlphaGeometry 2は国際数学オリンピックで銀メダル相当の成績を示し、OpenAIは2026年5月、ポール・エルデシュに由来する単位距離問題の長年の予想を反証したと発表しました。

こうした成果は、数学がAIの「推論力」を測る格好の舞台になったことを示します。数学の証明は正誤を検証しやすく、形式化された証明なら機械的なチェックも可能です。一方で、証明は単なる正解ではなく、誰が責任を負い、どの先行研究に依拠し、共同体がどう理解を共有するかという営みでもあります。

2026年6月2日に公開されたライデン宣言は、この緊張を正面から扱っています。AI数学の進歩を否定する文書ではなく、研究の透明性、査読、著作権、研究者の自律性を守るため、数学者と学術団体、政府、AI企業がどのようなルールを整えるべきかを問う提言です。

OpenAI反証が示した数学AIの到達点

単位距離問題を変えた反例構成

OpenAIの発表の中心にある単位距離問題は、平面上に置いたn個の点のうち、距離がちょうど1になる点の組を最大でいくつ作れるかを問う問題です。1946年にエルデシュが提起して以来、離散幾何の代表的な未解決問題として知られてきました。

従来は、正方格子を拡張した構成がほぼ最適ではないかと広く考えられていました。OpenAIの内部モデルが示したとされる反例は、その見方を崩し、無限に多くのnについて少なくともnの1プラスδ乗個の単位距離を持つ点集合を構成するものです。OpenAIの説明では、元のAI証明はδの具体値を与えていませんが、プリンストン大学のWill Sawin氏による改良ではδを0.014と取れるとされています。

重要なのは、この反例が単純な図形の探索だけで出てきたわけではない点です。補足論文は、代数的整数論、類体塔、Golod-Shafarevich理論といった離散幾何から見れば意外な道具が鍵になったと説明しています。AIが既存分野の境界を横断し、人間が「この方向は見込みが薄い」と判断しがちな探索路を粘り強く進めた可能性があります。

ただし、この成果を「AIが数学者を置き換えた」と読むのは早計です。OpenAIの証明PDFはAIによる初期出力を示しますが、数学者による補足論文は、人間が証明を咀嚼し、簡略化し、背景づけた版として位置づけられています。Live Scienceが紹介したThomas Bloom氏のコメントも、AIの元証明は妥当だった一方、人間研究者が大きく改善したという点を強調しています。

汎用推論モデルという宣伝価値

OpenAIがこの結果を重く扱った理由は、問題の数学的価値だけではありません。発表は、証明が数学専用に訓練されたシステムや特定問題向けの探索装置ではなく、汎用の推論モデルから出たと説明しています。これは、数学の成果がAI企業の製品能力を示す広告材料になりやすいことを意味します。

数学は、AIの「正しく考えたか」を検査しやすい分野です。チェスや囲碁のようにルールが明確で、しかも自然科学や工学に広がる抽象的推論を含みます。そのため、単位距離問題のような成果は、AIが生物学、物理学、医療、工学の研究にも寄与できるという期待を呼び込みます。

しかし、数学での成功がそのまま一般推論能力の証明になるわけではありません。単位距離問題は検証可能な証明という特殊な形式を持ち、長い探索を後から専門家が点検できます。現実の政策判断や安全保障、医療判断では、前提の曖昧さ、データの偏り、倫理的制約が絡み、数学のような単一の検証基準を置きにくい場面が多いです。

だからこそ、この成果は二重の意味を持ちます。AIが研究の前線に実際に入り始めたことを示す強い証拠であると同時に、企業発表の読み方、第三者検証の設計、数学者の責任分担を急いで整える必要を示す警告でもあります。

ライデン宣言が突いた制度上の空白

透明性と著作権をめぐる緊張

ライデン宣言は、2025年9月にオランダのライデン大学ローレンツセンターで開かれた「Mechanization and Mathematical Research」会議を起点にしています。公式説明では、約60人が10カ国から参加し、数学者、コンピューター科学者、哲学者、歴史家、社会科学者、産業界や政府の経験者が議論しました。その後、16人のワーキンググループが8カ月かけて文書を作成しました。

宣言が守ろうとしている価値は、数学の核にある証明、著者責任、独立検証、深さや重要性の評価、そして人間共同体としての理解です。AIはこれらを強化することもできますが、同時に揺さぶることもできます。特に大きいのは、公開された数学文献や形式化ライブラリが、十分な同意や帰属表示なしに学習データとして使われる問題です。

AIモデルは、既存の論文やアイデアを統合した出力を返すことがあります。しかし、その出力がどの先行研究に依存しているかを正確に示せない場合、数学の信用システムは傷つきます。数学では、ある補題や構成がどこから来たのかをたどれることが、単なる礼儀ではなく検証可能性の一部です。

宣言が個々の数学者に求めるのは、AIや証明支援ツール、機械学習システム、数学ソフトウェアの利用を透明に開示することです。論文には、どのツールと計算資源を使ったかを示す欄を設けるべきだとしています。さらに、AIを使っても正しさと引用の完全性に対する責任は人間著者に残る、という原則を掲げています。

査読と研究評価への負荷

もう一つの焦点は、査読の限界です。生成AIは、見た目には自然で高度に見える証明や引用を作れます。ところが、形式的には通っているように見えても、自然言語の主張と形式化された定理の対応がずれていれば、実際には別の命題を証明している可能性があります。

この問題は、数学者にとって新しいタイプの負荷です。従来の査読者は、論理の穴や引用の不足を見つければよかったのですが、AI時代には、出力がどの程度人間の理解に変換されているか、検証可能なコードや形式証明がどこまで公開されているか、モデルやプロンプトへの依存が再現性を妨げていないかも見る必要があります。

SIAMのAI方針は、この点で現実的な線引きを示しています。著者はAIを使えますが、著者は人間でなければならず、責任も人間が負います。査読者や編集者は、未公開原稿を生成AIに投入してはいけないとされ、査読の中核業務をAIに委任することも認められていません。これは、便利さよりも守秘義務と専門家責任を優先する判断です。

宣言が批判するのは、AI企業の発表そのものではなく、査読や共同体評価よりも市場の時間軸が優先される構造です。ブログやプレスリリースは速報として有用ですが、数学の結果を確定する場所ではありません。論文、形式証明、独立した専門家による検証、査読後の議論がそろって初めて、その成果が分野に定着します。

形式化と産業化がもたらす次の摩擦

機械検証で消えない人間の判断

形式証明は、AI数学の信頼性を高める有力な手段です。Leanのような証明支援系に命題を記述し、証明がカーネルに受理されれば、少なくとも形式体系の内部では誤りを減らせます。arXivに公開されたAI駆動の形式証明探索の研究では、353件の未解決エルデシュ問題のうち9件、OEIS由来の492件の予想のうち44件を解いたと報告されています。

また、QEDと呼ばれるオープンソースのマルチエージェント型システムは、18件の研究レベル課題で評価され、5件の独自成果を出し、そのうち3件は専門誌に載る水準の研究貢献に近いと専門家評価を受けたとしています。これらは、AIが単発の解答生成ではなく、計画、証明、検証を分担する研究ワークフローに入りつつあることを示します。

一方で、形式化は万能ではありません。自然言語で「何を証明したいか」を決める段階、定義をどう選ぶか、結果が分野にとってなぜ重要かを判断する段階は、人間の専門性に強く依存します。機械がチェックできるのは、与えられた形式体系の中での整合性です。数学者が重視する理解、意義、他分野への波及は、なお共同体の評価を必要とします。

DeepMindのAlphaGeometryは、2000年から2022年までの国際数学オリンピック幾何問題30問のベンチマークで25問を解き、従来手法の10問を大きく上回りました。AlphaProofとAlphaGeometry 2は2024年の国際数学オリンピックで6問中4問を解き、42点満点中28点で銀メダル相当でした。これらは大きな前進ですが、オリンピック問題と研究数学は目的も評価軸も異なります。

企業研究と公共基盤のせめぎ合い

ライデン宣言が特に踏み込んでいるのは、数学がAI産業の競争資源になっているという認識です。形式化された証明は自動的に正誤判定しやすく、AIモデルの強化学習や自己改善に使いやすいデータを生みます。つまり、数学は学問であると同時に、汎用AI開発の訓練場にもなっています。

この状況では、研究者と企業の力関係が非対称になりがちです。企業は計算資源、給与、広報力を持ち、大学側は資金不足や若手雇用の不安定さを抱えます。宣言は、産学連携を一律に拒むのではなく、法的助言、知的財産、行動規範、研究者の良心の自由を守る枠組みが必要だと主張しています。

さらに、大学や国家、国際機関が支える公共の計算基盤と研究ラボの整備も提案されています。これは、AI数学を企業の独占的インフラに閉じ込めず、研究者が小規模で省エネルギーなシステムや非専有の道具を選べるようにするためです。研究の問いが「AIで解きやすいか」だけで決まるようになれば、数学の多様性は痩せていきます。

今後の焦点は、AIが証明を出せるかどうかだけではありません。誰がその証明を読めるのか、誰が責任を負うのか、どのデータと計算資源を使ったのか、どの場で承認されるのかが問われます。進歩の速度が上がるほど、透明性と公開性の遅さは欠点ではなく、むしろ信頼をつくる装置になります。

読者が見極めたいAI数学の評価軸

AI数学のニュースを読むときは、三つの点を確認すると見通しがよくなります。第一に、成果がブログ発表にとどまるのか、論文、形式証明、コード、第三者の補足解説まで公開されているのかです。第二に、AIの寄与と人間の寄与が明確に分けられ、先行研究への帰属が丁寧に示されているかです。

第三に、その成果が分野の専門家による査読や継続的な検証に耐えるかです。数学では、一度の発表で完結するよりも、他の研究者が読み、簡略化し、別の問題へ応用し、時には誤りを見つける過程で結果の位置づけが定まります。AIが参加しても、この共同体的な評価は消えません。

OpenAIの単位距離問題の反証は、AIが研究数学に実質的な貢献を始めたことを強く示しました。同時に、ライデン宣言は、その貢献を人間の理解、責任、公開性の中にどう組み込むかを迫っています。読者や政策担当者に必要なのは、AIを過小評価することでも、企業発表をそのまま一般推論能力の証明とみなすことでもありません。

問うべきは、AIが何を発見したかだけでなく、その発見を社会がどの制度で受け止めるかです。数学がAIの実験場になるなら、数学者の側にも、企業の側にも、成果を急ぐだけではない検証の設計が求められます。

参考資料:

• Leiden Declaration on Artificial Intelligence and Mathematics
• IMU News 137: May 2026 | International Mathematical Union
• Mathematicians say ‘don’t believe hype’ on AI capabilities | The Economic Times
• An OpenAI model has disproved a central conjecture in discrete geometry | OpenAI
• Planar Point Sets with Many Unit Distances | OpenAI PDF
• Remarks on the Disproof of the Unit Distance Conjecture | OpenAI PDF
• OpenAI’s internal AI model just solved an 80-year-old math problem | Live Science
• OpenAI claims it solved an 80-year-old math problem | TechCrunch
• AI achieves silver-medal standard solving International Mathematical Olympiad problems | Google DeepMind
• AlphaGeometry: An Olympiad-level AI system for geometry | Google DeepMind
• SIAM Publications Editorial Policy on Artificial Intelligence
• A Contract of Trust: Artificial Intelligence Usage for SIAM Journal Submissions | SIAM
• QED: An Open-Source Multi-Agent System for Generating Mathematical Proofs on Open Problems | arXiv
• Advancing Mathematics Research with AI-Driven Formal Proof Search | arXiv
• Mathematicians in the age of AI | arXiv