OpenAIは、次期主要モデルAstraの内部版が生成した数学・理論計算機科学の10件の成果を公開しました。高次元球充填、符号理論、非sofic群、Connesの剛性予想、算術回路複雑性、量子並列反復、格子暗号に関わる最近ベクトル問題などを含み、論文、推論ウォークスルー、Lean証明書を示しています。 AIは研究支援ツールから、未解決問題の候補解を生成する共同研究基盤へ近づいています。導入側には、専門家レビュー、形式検証、帰属、公開責任を組み込む体制が必要になります。 未解決問題への成果をAI生成として公開した OpenAIは2026年8月1日、数学と理論計算機科学の未解決問題に対する10件の新しい結果を公開しました。対象は高次元球充填、符号理論、非sofic群、Connesの剛性予想、算術回路複雑性、量子並列反復、最近ベクトル問題、Ehrhartの体積予想、多色Ramsey数、極値グラフ理論です。いずれも少なくとも10年、多くはより長い期間、主結果に進展がなかった問題だと説明しています。結果は次期主要モデルAstraの内部版で得られ、人が論文へ整え、同じモデルでLean証明書に形式化したとしています。 研究成果の作り方そのものが論点になる 発表では、解を見つけるために必要だった総トークン数はSol API料金で約2,000ドル相当だと示されています。OpenAIは論文と推論のウォークスルーを公開し、数学コミュニティによる検証と位置付けを促しています。AIが生成した証明を人間の著作として扱うことは、システムの貢献と人間の知的作業の性質を誤って伝えると述べ、帰属の透明性を重視しています。AIが補助ツールにとどまらず、研究の候補解を出す段階へ進んだことで、査読、形式検証、責任分担の設計がより重要になります。 科学導入では検証と維持体制が中心になる 研究機関や企業が見るべき点は、AIが難問の候補解を出せるかだけではありません。数学や理論計算機科学では、正しさ、既存文献との関係、証明の読みやすさ、形式化の品質、反例や前提条件の扱いが成果の価値を左右します。OpenAIは証明の正しさに責任を負うと述べていますが、分野全体での受け止めは今後の検証に依存します。実務では、社内研究やR&Dで同様のエージェントを使う場合、発見候補、専門家レビュー、形式検証、公開時の帰属を一連のワークフローとして管理する必要があります。 アクセス拡大と専門家の役割が次の焦点 OpenAIは、科学者や数学者の発見を加速するため、ChatGPT for Academic Researchersで10万人の研究者に高性能モデルへの無料アクセスを提供するとしています。これは、AI研究支援が一部の大規模研究所だけの能力にならないようにする取り組みです。一方で、AIが生成した結果をどう評価し、誰が長期的に整理し、どの形で引用するかは未確定です。専門家の役割は、計算資源を持つことから、問題設定、検証、解釈、コミュニティへの接続へ移っていく可能性があります。教育現場でも、証明を読む力とAI出力を監査する力を分けて育てる必要があります。研究倫理の合意も欠かせません。