Terence Tao: 問題を解く速度が速すぎる AI は数学を「毒」する可能性がある
Terence Tao は、何年もかけて新しい AI ツールを静かに試し、優れたものを公然と賞賛してきたような数学者です。しかし、GPT-6 Astra が出荷された後、彼はほとんどの人が彼に期待していなかったようなことを書きました。ニューラル ネットワークが透明性のあるプロセスなしに、未解決の大きな問題に対する答えをあまりにも早く出し始めた場合、数学は得るものよりも失うものの方が多くなる可能性があります。きっかけは具体的な結果でした。OpenAI の新しいモデルは、双子素数問題の進歩を主張しました。
まず事実。 OpenAI によると、GPT-6 Astra は、Lean の形式的な証明を使用して、連続する素数間のギャップの上限を 246 から 186 に縮小しました。規模について: 2013 年に、Yitang Zhang は、7,000 万を超えない素数のペアが無限に存在することを証明しました。 2022 年にフィールズ賞を受賞したジェームス メイナード氏はその上限を 600 まで引き下げ、その後コミュニティはその上限を 246 まで絞り込みました。現在、3 つの研究室が同時に新しい数値を報告しています。OpenAI は 186、Anthropic は 188、Axiom は 212 です。
表面的にはお祝いのつもりです。タオは別の何かを見た、それは警告サインだった。
答えは最も価値のある部分ではない
タオ氏の核心はほとんど逆説的に聞こえます。未解決の大きな問題は、その答えではなく、そこに至るまでの道のりに価値があるのです。数学者は何年にもわたって問題と格闘し、その過程で新しい手法、概念、理論全体を発明します。そして、それらの「副産物」が実際に科学を前進させるのです。行き止まりであっても役に立ちます。多くの場合、アプローチが失敗した理由を理解することが、解決策を見つけることよりも重要です。
次に、答えがニューラル ネットワークから得られると想像してください。高速、ブラックボックス、中間ステップは示されていません。問題は形式的には解決されましたが、新しいアイデアが生まれるはずだったプロセスは決して起こりませんでした。タオ氏はこれを問題の「汚染」と呼んでいます。つまり、将来の発見の源ではなくなるのです。
ナビエ・ストークスの例
タオは、ミレニアム賞の 7 つの問題の 1 つである、ナビエ・ストークス方程式の大域的規則性問題という具体的なケースについて議論を展開します。数学者は、答えが否定的であることをすでにかなり確信しています。解が有限時間内に「爆発する」初期条件が存在します。近似的な自己相似ソリューションの構築からその安定性の検証まで、4 段階の計画も描かれています。
問題は、各ステップが人間にとって非常に難しいものの、「機械学習 + 厳密な算術 + 形式的な証明」の組み立てラインに完全に適合することです。タオ氏は、そのようなハイブリッドが問題を真に解決する可能性があると認めています。そして、問題はここにあります。解決策が人間には理解できないほど複雑であることが判明し、AI を実行している企業がプロセス全体を密室に隠した場合、数学はチェックボックスを取得しますが、ほとんど何も学習しません。
なぜこれが数学者を超えて重要なのか
タオのロジックは見た目よりも幅広いです。これは、最終的な回答ではなく、プロセスで値が作成されるあらゆるフィールドに適用されます。 AI が瞬時に「正しい」解決策を導き出し、人々が試行錯誤の道を歩まなくなってしまったら、私たちはスピードではなく理解を失う危険があります。タオ氏は率直にこう言います。最悪の場合、AI の数学への影響はプラスからマイナスに変わる可能性があります。
彼は科学分野で AI に反対しているわけではありません。どころか、AI の最も積極的なユーザーの 1 人です。彼が懸念しているのは、特定のシナリオです。それは、巨大なコンピューティングを使用して、「仮説 - テスト - 却下」サイクル全体を内部で回転させ、最終的な答えだけを渡す自律システムです。痕跡も下書きもなく、間違いから学ぶ方法もありません。
次に何が起こるか
今のところ、これは警告であり、判決ではありません。 GPT-6 アストラは境界を 186 に縮小しましたが、双子素数予想自体 (そのようなペアが無限に存在するという) はまだ証明されていません。これは中間結果ですが、注目に値します。タオ氏が提起する問題はさらに深いものになります。それは、AI が科学を空洞化させることなく科学を加速させる方法です。彼はまだ答えを持っていません - そして正直に言うと、他の誰もも答えません。