Frontier Math Race
AIの実力は、解けなかった問題で測られ始めた
OpenAIが次期主力モデル「Astra」で、27年間解けなかった群論の難問を含む数学・理論計算機科学の未解決問題10件を解いたと発表した。プレスリリースではなく、249ページの論文集とGitHub上のLean 4形式証明という形で。その10日ほど前には、Anthropicの研究者がClaude Fable 5を使い87年来のヤコビ予想の反例を見つけていた。二つの出来事は、AIモデルの実力を測る物差しがベンチマークスコアから研究への実質的な貢献そのものへ移りつつあることを示している。
10件の証明、249ページ、そして
プレスリリース抜きのGitHub公開
OpenAIは発表を大々的に打たず、論文とコードだけを置いた。
OpenAIは8月1日、次期主力モデル「Astra」による研究成果として、数学・理論計算機科学分野の未解決問題10件を解いたとする論文集を公式ブログ「Ten advances in mathematics and theoretical computer science」で発表した。249ページの論文集に加え、10件すべての証明についてLean 4形式で機械検証可能な証明書をApache 2.0ライセンスでGitHub上に公開している。リポジトリは「sorry」カウント(未証明のまま残されたステップの数)が0であることを明記しており、第三者が独立に検算できる状態になっている。
目玉は、数学者Mikhail Gromovが1999年に提起して以来27年間未解決だった「非可膜可換群(non-sofic group)」の初の明示的構成だ。ほかにも離散幾何学の予想を反証した成果、高次元球充填でCohn–Elkies限界に迫る新しい上界、二元符号の最大サイズに関する指数的に改善された下界などが含まれる。いずれも10年以上手つかずだった問題ばかりだ。
OpenAIによれば、これら10件の解を見つけるのに要したトークン量は、Sol APIレート換算で約2,000ドル相当にすぎない。証明はモデルが数学的な議論の骨子を生成し、人間の研究者が論文としてまとめ、モデル自身が最後にLean証明として形式化するという協働プロセスで作られた。
10日前、Anthropicの数学者も
同じ土俵に立っていた
きっかけはX(旧Twitter)への何気ない投稿だった。
Astra発表の10日ほど前、Anthropicの研究者Levent Alpöge氏が、Claude Fable 5を使って87年間(1939年提起)未解決だったヤコビ予想の反例を発見したとX上で公表した。示された反例はわずか3行の多項式写像で、ヤコビ行列式が恒等的に-2でありながら3つの異なる入力を同じ出力に写す——これは3次元以上において予想が偽であることを意味する(2次元の場合の予想自体は今も未解決のままだ)。
投稿からわずか数時間で世界中の数学者が独立に正しさを検証したと報じられている。ただしAnthropicとして公式の発見発表を出したわけではなく、使われたモデルのバージョンや具体的なプロンプト、人間がどこまで誘導したのかといった詳細な記録は公開されていない。
数字で見る発表規模
ベンチマークで測れるのは、「知っていること」までだった。
なぜ今、これが重要か
これまでフロンティアラボの実力比較は、MMLUやGPQAといった既知の問題に対する正答率、いわゆるベンチマークスコアが主戦場だった。しかし今回の2件は評価の軸そのものが違う。「まだ人類が解いていない問題を、新たに解けるか」という質的評価であり、正解が事前に存在しないぶん、スコアの水増しや過学習が効かない。OpenAIとAnthropicがほぼ同時期にこの土俵に足を踏み入れたことは、単発の出来事というより、フロンティア競争の評価軸そのものが移動し始めているサインとして読むべきだ。
| ベンチマークスコア(従来) | 研究貢献(今回の2件) |
|---|---|
| 既知の問題への正答率を測る | 人類未解決の問題に新規の解を出す |
| 各社が高頻度で数字を発表 | 単発の大型成果としてまとめて発表 |
| スコアの水増し・過学習の懸念 | Lean証明などで独立に検証可能 |
誰に、どう効くか
エンジニアにとって、Astra自体の直接的な実務インパクトは今のところほぼゼロだ。コーディングやエージェントタスクとは別軸の実験的成果であり、日々の開発フローが変わるわけではない。ただしLean 4のような形式検証とAIを組み合わせる手法の実例として、「検証可能なAI出力」を設計するうえでは参考になる。経営層・PMにとっては採用判断に直結する話ではないが、各ラボが「ベンチマークの数字」ではなく「独立検証可能な新知見」で差別化を図り始めている、という技術ブランディング上のシグナルとして押さえておく価値はある。研究者・専門家にとっては、GitHub上の証明書を自分の手で実際に検算できる、数少ない「検証可能なAIの主張」の実例になる。
次に何が起きるか・推奨アクション
Astraは今回、正式な製品発表ではなく研究成果としてのプレビューにとどまっており、一般提供の時期や価格体系はまだ確定していない。(1) 形式検証や数理最適化が業務に関わる人は、公開されたLean証明とGitHubリポジトリを今のうちに確認しておくとよい。(2) それ以外の一般利用者は、Astraの正式リリース時のアナウンスを待てば十分で、急いで動く必要はない。(3) 今後もラボ同士が「研究貢献の見せ方」で競う発表が増える可能性が高く、次にどのラボが同種の発表を出すかは注視しておきたい。
反対視点・リスク・限界
派手な見出しの裏で留意すべき点は少なくない。まずAstraは招待制・限定的な内部検証の段階にあるとみられ、一般ユーザーが同じ性能を今すぐ体験できるわけではない。またヤコビ予想の一件はAnthropicとして公式に発表したものではなく、研究者個人のX投稿が発端であり、モデルがどこまで自律的に反例を導いたのか、人間側の誘導や試行錯誤がどの程度あったのかは詳細が明らかになっていない。さらに、いずれの成果も「AIが単独で自律的に発見した」というより、人間の研究者とAIの協働の産物である点は見出しほど劇的ではない。こうした一発の成果は再現性や汎用性の検証に時間がかかるため、過大評価は禁物だ。