「AIが数学者たちの難問を解く、しかし深い理解には至っていない」

AI が数学問題を解く際の難しさと限界 30人の数学者も難問として出した数学問題に、AI が挑戦しました。しかし、これは必ずしもAIが数学を理解しているとは言えない状況を示しています。それぞれの問題は複雑な論理構造と深い理論を内包しており、最終的には具体的な数字の解答を求められるため、問題の性質自体が計算器具に適したものとなり、AI の優れたモデル一致と計算能力が試されました。 Jasper によれば、参加者たちはまず AI が論理的な推論と証明を行う中心的なステップを必要とすることが明らかになりました。彼は、「AI は推論過程で間違っていることもありますが、結局のところ正しい数値解答を導き出す方法を見つける」と述べています。この発見は、AI が高次の数学で直面する制限を示しています：ゼロから始め、多くのステップを経て抽象概念を統合する力、特に深層的な論理的推論の不足です。 一方、o4-mini モデルは新研究結果に関連する問題を処理する際、効率的に検索し、理解し、最新生の学術文献を活用できました。このスキルは人間の専門家が情報を処理するスピードを補完する可能性があります。 これらの成功に光を当てる一方で、Jasper は AI の主要な弱点も指摘しました。「AI は証明法、反証法、そして可能性証明を用いている。しかしどれも自信表現であり、各答えが自らを満たすと主張するのは問題だ」 Jasper の観察点を総括すると、AI は過去2年間に大きな進歩を遂げましたが、現状の LLM（大規模言語モデル）は複雑な多段階推理と新規性を持つ概念統合における能力に制約があり、単にモデルを一致させるのに依存しています。AI が全新的数学成果を生成する力はまだ不十分ですが、関連文獻と初期段階の解決策を収集することは得意です。 将来的には、AI が数学者の「アシスタント」として、新理論の発見や開かれた問題の解決を助けることが期待されています。これには、DeepMind とのような協力が不可欠だとされます。その後、AI は「共同作業者」として独立した数学研究を推進していくと思われます。 参考資料： 1. Scientific American: Inside the Secret Meeting Where Mathematicians Struggled to Outsmart AI 2. X (旧 Twitter) - @zjasper666