OpenAIは耳を傾けようとしても、数学者を踏みにじり続ける

OpenAIは、数学者との関係修復を目的とする9人組の諮問グループを設けたにもかかわらず、数学者を踏みにじり続けている。同社は、未公開モデルが長年未解決だった問題を100件以上解決したと述べているが、その発表は直ちに、このグループを誰が管理しているのかという混乱を研究者の間に招いた。

この混乱は重要だ。数学と人工知能に関する諮問グループ、すなわちAGMAIは、新たに現れるAIの成果を評価し、伝える役割を担うはずだからだ。メンバーは、この組織が独立しており、無報酬で、OpenAIを自由に批判できると強調している。しかしOpenAIは両者の関係をあまりに前面に押し出したため、一部の研究者は当初、同社がこのグループを任命したのだと受け取った。

この出来事は、OpenAIがNavier-Stokes existence and smoothness problemに対する機械生成の解法を発表した後、激化した対立の延長線上にある。この主張は、同社の数学分野における野心の大きさを示した。その後に起きた功績の帰属、出版基準、人間による理解をめぐる論争は、同社の事業スタイルが学術数学にいかに適合していないかを浮き彫りにした。

OpenAIはいま、自社システムが生み出す結果を解釈するために数学者を必要としている。数学者がその結果を評価するには、アクセス、時間、信頼できる情報開示が必要だ。新たな諮問グループはそうしたニーズの間に位置するが、持っているのは権限ではなく助言である。

OpenAIの数学諮問グループは、アイデンティティの問題を抱えて登場した

AGMAIは独立した橋渡し役として構想されたが、OpenAIの発足時の打ち出し方によって、挑戦すべき相手であるかもしれない同社に不自然なほど近い存在に見えてしまった。

AGMAIは2026年9月21日に設立を発表した。グループは9人の数学者で構成され、ニュージャージー州プリンストンのInstitute for Advanced Studyがホストを務める。

初期メンバーは、François Charles、Camillo De Lellis、Timothy Gowers、Martin Hairer、Nikhil Srivastava、Ulrike Tillmann、Ravi Vakil、Edward Witten、Melanie Matchett Woodである。所属先はHarvard、Stanford、Oxford、Cambridge、Berkeley、Imperial College London、EPFLなどにまたがる。

同グループの独立した声明によると、AGMAIはOpenAIやその他のフロンティアAIラボに助言できる。その任務には、新たな成果の査読、コミュニケーションの調整、AI支援による数学研究の基準策定が含まれる。

同グループは、どのAIラボとも協働できるとしている。AGMAIのメンバーでFields Medal受賞者でもあるMartin HairerはThe Vergeに対し、他のフロンティアラボとの協議はすでに始まっていると語った。ただし、企業名は明らかにしなかった。

Hairerはまた、AGMAIがOpenAIから金銭面でも技術面でも支援を受けていないことを強調した。メンバーは、未公開研究への事前アクセスに必要な秘密保持条件を除き、公的な発言を制限する契約には署名していない。

OpenAIの発表にも同様の安全策が盛り込まれていた。同社は、メンバーが助言を公開し、その影響を批判し、OpenAIが求めていない指針も示せると述べた。また、メンバーは無報酬のままで、グループのメンバーシップを自ら管理するとしている。

これらの規定は、組織として意味のある距離を確保するものだ。しかし、AGMAI誕生をめぐる混乱した状況を消し去るものではない。

OpenAIは当初、一部の数学者に諮問委員会の設立を持ちかけた。だがその数学者たちは、代わりに独立組織をつくり、追加メンバーを募った。AGMAIの誰が最初の打診を受けたのかは、どちらの側も公表していない。

その後OpenAIは、このグループに対し、自らの発信チャネルだけでは得られないほど大きな注目を与えた。多くの人々がAGMAIを最初に知ったのは、グループの声明やTerence Taoの数学ブログではなく、同社の発表を通じてだった。

この順序は、不正確ではあるが予想可能な印象を生んだ。OpenAIが協議を始め、公の場での見せ方を主導したため、AGMAIはOpenAIのパネルのように見えた。

Hairerは、発表後の日々を苛立たしく緊迫したものだったと表現した。グループの独立性を確立するうえで、文言は役に立たなかったとThe Vergeに語っている。

タイミングも混乱に拍車をかけた。設立直後にAGMAIの計画について問われたHairerは、この組織はまだ設立からわずか2日だと指摘した。これから向けられる要求に対応するための広範な運営枠組みは、まだ整っていなかった。

この混乱は、単なるブランディング上の不便さではない。AGMAIは、すでにOpenAIの出版慣行を信用していない研究者たちの間で信頼を築く必要がある。曖昧な表現の一つひとつが、その信頼を得ることをより難しくする。

OpenAIの諮問グループに関する発表は、数学者から提起された懸念を明確に認めている。しかし同時に、独立した査読者がその範囲や重要性を説明する前に、同社が主張する成果を宣伝している。

この組み合わせこそが、中心的な問題を捉えている。OpenAIは外部からの判断を求める一方で、達成の規模をすぐに発表したいとも考えている。

OpenAIが数学者を踏みにじり続ける理由

OpenAIは解決済みの問題をモデル能力の証拠として扱う一方、数学者は証明を、文脈、帰属、査読、持続的な理解を必要とする貢献として扱う。

OpenAIによると、同社は8月28日に最新の社内モデルの訓練を開始した。9月21日までに同社は、そのモデルが数学の大半の分野にまたがる、長年未解決だった公開問題を100件以上解決したと主張した。

同社は、それらの問題の完全なカタログを公表していない。そのため独立した研究者は、この集合全体の難易度、新規性、正確性、重要性を評価できない。

この数字自体も解釈が難しい。「公開問題」は、専門家が何十年も取り組み続けてきた著名な問いかもしれない。一方で、既存の手法を組み合わせて解けるものの、その分野を変革するわけではない限定的な未解決命題かもしれない。

OpenAIの以前の取り組みは、この区別が重要であることを示している。1月の報告で同社は、GPT-5.2がPaul Erdősに関連する複数の問題の解法に寄与したと述べた。Terence Taoはリストに挙げられた4件の問題に関する成果を検証したが、同社もErdősの問題には難易度の大きな差があると認めていた。

同じ報告は、現在の能力の有用な境界線も示していた。OpenAIは、モデルが既知の手法を組み合わせ、正しい論証を構成できる場合があると述べた。同時に、まったく新しい数学的枠組みを発明することは、現在のシステムの能力を超えているともした。

この区別が見出しに残ることはほとんどない。既知の技法で無名の予想を解くモデルも、新しい数学分野を生み出すモデルも、どちらも「AIが未解決数学を解いた」とされかねない。

学術研究者にとって、証明は形式的に正しい結論に到達するだけでは足りない。先行研究の中に成果を位置づけ、根底にあるアイデアを特定し、関連する貢献者を認め、他者がその上に新たな成果を築けるようにする必要がある。

OpenAIの発信は、しばしば結論ばかりを強調してきた。公開問題がモデルのベンチマークとして機能する場合、そのやり方には理がある。しかし、証明が集合的理解をいかに広げるかを重視するコミュニティとは衝突する。

University of Connecticutの数学教授Álvaro Lozano-Robledoは、どう公開すべきかも分からないまま多数の成果を抱えているという同社の表現を批判した。学術界では通常、その重要性を確立する前に成果の山を宣伝することはないと彼は論じた。

研究者たちは、未解決問題に対する「大幅な進展」という主張にも異議を唱えている。数学では、不完全な論証に価値ある洞察が含まれることもある。しかし、隠れた一つの欠陥によって崩壊することもある。

この慎重さは、単なる細部へのこだわりではない。数学的証明の力は、論理の各段階から生まれる。説得力のある物語は、有効な論証の代わりにはならない。

形式検証は一つの対応策となる。Leanのようなシステムは、ソフトウェアが段階ごとに確認できる言語で証明を符号化する。このプロセスは、流暢でもっともらしい文章の中に隠れうる欠陥を見つけ出す。

しかし、形式的な正確性が学術上の問題をすべて解決するわけではない。機械的に検証された証明でも、中心的な洞察を見えにくくすることはある。関連文献を見落としたり、人間の研究者が再利用しにくい形で成果を提示したりすることもある。

したがって、課題には二つの層がある。一つ目は、その証明が正しいかを判断すること。二つ目は、それが単に検証済みの成果物を一つ増やすのではなく、数学的知識を前進させるものかを決めることである。

OpenAIは、成果を生み出す最初の部分を加速させた。しかし、周辺の学術システムが同じ速度でその出力を処理できることは示していない。

この不均衡が、技術的な主張が大きな成果であると判明した場合でさえ、OpenAIが数学者を踏みにじり続ける理由を説明する。同社は、研究者がその意味を吟味するより速く、成果を生成し、資金を投じ、包装し、広報できる。

Navier-Stokesをめぐる論争は、疑わしきは罰せずという姿勢を失わせた

この諮問グループは、先取り、帰属、性急な出版、不透明な改訂をめぐる疑惑によって、すでに損なわれた関係に足を踏み入れた。

直接の背景にあるのは、Navier-Stokes existence and smoothness problemに関するOpenAIの9月の発表だ。Navier-Stokes方程式は流体の運動を記述し、この有名な公開問題は、特定の三次元解が滑らかさを保つかを問う。

この問題は、Clay Mathematics Instituteが2000年に選定したMillennium Prize Problemsの一つである。当初の7問題のうち、これまでに受理された解答を得たのはPoincaré conjectureだけだった。

OpenAIは、10,000のエージェントを含むシステムが4日足らずで解法を生み出したと述べた。ここでいうエージェントとは、より大きな課題の一部を追究、評価、改良するよう割り当てられたモデルのインスタンスを指す。

周辺の論争を別にしても、同社の主張は重大な意味を持つ。有効な解法であれば、研究レベルの数学にAIが参加する能力における大きな変化となる。

しかし、数学者Tristan BuckmasterとLevent Alpögeは、およそ1年にわたり関連するアイデアに取り組んできた。Buckmasterは、OpenAIが彼らの進捗を知り、先に発表するために競争したと主張した。

彼はまた、OpenAIのシステムとのやり取りによって、彼らのアプローチに関する情報が漏れた可能性にも懸念を示した。OpenAIは、自社の成果を追究する際にBuckmasterの入力を確認していないと述べている。

対立する説明は独立に解決されていない。したがって、確定した事実ではなく疑惑として扱うべきである。

OpenAIは、AnthropicがMillennium Prize Problemsのうち二つを解いたといううわさを聞いた後、同問題群を標的にし始めたと述べた。同社は、Navier-Stokesに焦点を絞る前に、この問題群全体へ大規模な計算資源を割り当てたと報じられている。

この経緯は、学術的必要性を中心に組織された研究プログラムではなく、AIラボ間の競争のように聞こえたため、数学者たちを警戒させた。有名な問題は、名声、測定可能な難しさ、注目を集めるゴールをもたらした。

できあがった証明は166ページに及んだとされる。研究者たちはその後、論証を評価し、先行手法との関係をたどり、人間が理解できるアイデアを抽出するという時間のかかる作業に向き合うことになった。

証明の価値は、最終定理をはるかに超えることがある。たとえばFermat’s Last Theoremを解く過程で開発された道具は、数論の他分野や後の応用にも影響を及ぼした。

長大な機械生成の証明にも、再利用可能なアイデアが含まれている可能性がある。しかし、最終ページが正しい結論に達したというだけで、そうしたアイデアが有用になるわけではない。専門家がそれを見つけ、説明し、既存の知識と結びつけなければならない。

その労力が非対称性を生む。AI企業は出力を生成するために費用を負担し、その主張によって注目を得る。その出力が何を意味するのかを確立するために必要な無償作業の多くは、その後、学術コミュニティが担うことになる。

Navier-Stokes controversyが激化したのは、研究者たちがこの非対称性を帰属をめぐる論争と併せて捉えたためだ。批判者たちが目にしたのは、印象的な証明だけではない。コミュニティの知識と計算規模を広報へと転換する企業の姿でもあった。

OpenAIの過去の公開も、すでに懸念を招いていた。研究者たちはThe Vergeに対し、一部の原稿は文章の質が低く、関連文献の扱いも浅いと語った。

また、OpenAIが公開後に文書を変更しながら、すべての改訂を明確に記録していなかったとも主張した。Hairerは、そのような慣行の一部を杜撰な学術活動だと評した。

AI生成研究では、透明性のある改訂履歴がとりわけ重要だ。これにより読者は、当初の主張と、外部からの批判後に施された修正とを区別できる。

その記録がなければ、査読者は欠陥が軽微だったのか、論証が実質的に変わったのか、あるいは公の説明が最新文書と依然として一致しているのかを容易には判断できない。

OpenAIがAGMAIを設立した理由の一部は、この種の失敗を繰り返さないためだった。だが同社自身の発表は、同グループが手順を整える前に100件超の主張された成果を宣伝し、同じパターンを再燃させた。

そこに逆説があった。修復の取り組みそのものが、修復すべき行動の新たな実演になった。

OpenAIの「100問」主張は負担を学界へ移す

100件を超える主張済み解答の滞留は、単なる技術的な節目ではない。大学が処理に同意したことのない査読待ち行列でもある。

査読はすでに、希少な専門家の注意力に依存している。最先端の成果を検証するには、当該分野、その文献、そして証明に潜む微妙な失敗パターンを理解する専門家が必要になる。

OpenAIの主張は数学の大半の領域に及ぶ。その評価には、著名な研究者9人からなる一元的な委員会ではなく、多数のコミュニティが必要となる。

AGMAIは出力のトリアージを支援できる。適切な査読者を特定し、開示慣行を提言し、成果が広範な注目に値するかどうかについてOpenAIへ助言できる。

しかし、すべての証明を自ら検証することはできない。9人のメンバーだけで、機械速度で稼働する産業システムが生み出す解釈作業を引き受けることもできない。

ここには規模の不一致がある。OpenAIは数千のエージェントを同時に動かせる。一方で数学的判断は、教育、指導、出版、組織上の責務を抱える人々の間に分散している。

この量は研究の優先順位も歪めかねない。OpenAIが特定分野で成果を発表すれば、その分野の専門家は自身の研究を中断し、同社の出力を精査せざるを得ないと感じる可能性がある。

University of St Andrewsの数学教授Colva Roney-Dougalは、予定される発表を苦痛を伴うものだと表現した。研究者は論文作成を急ぐべきか、OpenAIの開示を待つべきか、あるいは通常どおり進めるべきか、不確実性に直面していると語った。

この不確実性は、著名な教授だけでなく大学院生にも及ぶ。学生は、一つの問題を中心に専門性を築くために何年も費やすことがある。企業による曖昧な示唆は、賢明に方針転換するための十分な情報を示さないまま、その研究プロジェクトに突然疑念を投げかけうる。

危険なのは、AIが研究者の選んだ問題を解くことだけではない。科学研究には常に、他者が先に発表する可能性があった。

違いは、規模、秘密主義、広報活動の組み合わせにある。OpenAIは多くの対象を非公開で追求し、劇的な進展を示唆し、世界的に認知されたブランドのもとで選別した成果を公開できる。

社外の研究者は、どの分野が直ちに競争にさらされるのかを知ることができない。また、利用可能な計算資源や発信力にも対抗できない。

フィールズ賞受賞者25人が署名したmathematics open letterは、このインセンティブ構造を深刻に整合していないものと表現している。未解決問題をAIベンチマークとして使うことは、数学とそのコミュニティに害を及ぼしうると論じている。

この懸念は、AI支援研究の停止を求めるものではない。多くの数学者はすでに、文献検索、実験、形式化、証明開発にモデルを利用している。

むしろこの書簡は、権威ある問題をトロフィーとして扱う慣行に異議を唱えている。その目標は速度と可視性に報いる一方で、学術数学は帰属、解説、指導、累積的な理解にも依存している。

AI研究所には、最も大きく認知されやすい成果を発表するインセンティブがある。研究者には、その成果がそのように説明されるに値するかを検証するために時間を費やすインセンティブがある。これらのインセンティブは、仕事を反対方向へ押しやる。

OpenAIは、AGMAIが発信前に重要性を評価する支援を行うとしている。同社が一貫して同グループの助言に従うなら、これは意味のある改善となるだろう。

ただし、AGMAIにはOpenAI内部での意思決定権がない。同社は、何を公開するか、どれほど迅速に公開するか、各主張をどれほど目立つ形で位置づけるかについて、引き続き責任を負う。

OpenAIはまた、同グループが社内の数学的進展の速度について助言することはないとしている。この境界は同社の研究上の自律性を守るが、最大の圧力源には手を付けない。

出力は加速し続けられる。諮問グループにできるのは、結果として生じる波がどのように岸へ到達するかを提言することだけだ。

権限を伴わない独立性こそが中心的なトレードオフ

AGMAIが信頼性を提供できるのはOpenAIに異議を唱える場合だけだが、OpenAIは統制を手放さずにその信頼性を受け入れられる。

同グループの独立性は、いくつかの実務的な面で実在する。メンバーは無報酬であり、意見を公表でき、競合する研究所とも協働できる。

こうした条件は、AGMAIを従来型の企業諮問委員会と区別する。OpenAIがメンバー構成や公の結論を直接統制できるリスクを減らすものでもある。

それでも、独立性は影響力を保証しない。OpenAIは同グループに諮問しても、その提言を受け入れないことができる。また、メンバーがどの情報をいつ受け取るかも決められる。

機密扱いでの早期アクセスは、別の緊張関係を生む。査読者が誤解を招く発表を防ぐ役割を期待されるなら、公開前にアクセスする必要がある。しかし機密性は、一時的により広いコミュニティへの警告能力を制限しうる。

したがって、この取り決めは手続きに依存する。AGMAIには、忌避、開示、公開、訂正、参加研究所との意見の相違に関する明確な規則が必要だ。

また、予備的なスクリーニングと支持表明を分ける方法も必要になる。AGMAIが原稿を検討したとしても、外部の人々は、すべてのメンバーが全行を検証した、あるいはOpenAIの公的な位置づけを承認した、と考えるべきではない。

OpenAIの発表によれば、同グループは重要性の評価を支援する。重要性は、証明がチェッカーを通過するかどうかのような機械的性質ではない。

それは文脈、新規性、手法、そしてある分野への影響に依存する。論証が正しい点で合意していても、合理的な数学者の間でこれらの要素について意見が分かれることはある。

AGMAIは、こうした区別を正確に伝えなければならない。さもなければ、その名称が、ごく限定的な相談しか受けていない主張に付された一般的な認証印になるおそれがある。

同グループは数学界内部で正統性の問題にも直面している。AGMAIの発足前に公開書簡へ署名した初期メンバーは報道によれば1人だけで、Hairerは後に署名者へ加わった。

これは、それだけでメンバー構成が代表性を欠くことを意味するわけではない。しかし、企業への助言と、広範で分権的な研究コミュニティを代表することとの隔たりを浮き彫りにしている。

数学には、AGMAIに全員を代表して発言する権限を与えられる単一の統治機関はない。同グループは名簿の威信ではなく、行動を通じて信頼を得なければならない。

OpenAIもまた、メンバーの評判を透明な証拠の代替として用いることを避ける必要がある。諮問関係は、非公開の証明を検証することはできない。

懐疑的な見方が最も強まるのはここだ。OpenAIはより良い学術基準を真摯に望む一方で、外部監督があるように見えることから利益を得る可能性がある。

両方の記述は真でありうる。同社は真剣な協議プロセスを追求しながらも、そのプロセスを自社の公的な物語を後押しする形で位置づけることができる。

Hairerはこのリスクを認識していたようだ。AI企業が同グループの関与を有利に見せようとすることは受け入れつつ、AGMAIがより広い数学コミュニティを守ることは可能だと主張した。

この取り決みには機能する機会を与える価値がある。OpenAIの能力は十分に急速に進歩しており、驚きの発表が連続するよりは、何らかの調整構造がある方が望ましい。

それでも、成功の尺度はOpenAIが再び気まずい見出しを避けられるかどうかではない。研究者が不合理なコストを負担することなく各成果を理解できるだけの、通知、文書化、クレジットを受け取れるかどうかでなければならない。

開発者や企業のAI購入者にとって、この論争は評価に関するより広い教訓を示している。システムの出力は、正確性テストを通過したからといって自動的に有用になるわけではない。

組織は、生成された成果を取り巻く情報源、改訂、前提、人間による判断を保存しなければならない。検索可能なAI knowledge baseはその記録を支えられるが、ソフトウェアは説明責任を伴う査読に取って代わることはできない。

この原則は、出力が証明、法務メモ、市場分析、プロダクションコードのいずれであっても同じだ。検証と組織的理解が追いつける場合にのみ、生成速度には意味がある。

次に何が起きるかが、このグループの重要性を示す

AGMAIがOpenAIの行動を変えるのか、それとも次の主張の波を包装する助けにすぎないのかは、3つの兆候によって決まる。

第一の兆候は、OpenAIが報告した滞留分の公開手順だ。同社はモデルが100件超の未解決問題を解決したとしているが、研究者たちは依然として完全な一覧を入手していない。

信頼できる手順では、成果を分野、難易度、検証状況、新規性、先行研究への依存度によって分類する必要がある。また、コレクション全体を一様に重要なものとして提示することも避けるべきだ。

事前調整は、影響を受ける専門家に原稿を精査し、帰属の問題を解決する時間を与えるべきである。それは非公開の事前閲覧の後、再び性急な発表へ続くものになってはならない。

OpenAIが明確な文書化を伴って管理可能な単位で成果を公開するなら、AGMAIが実務的な影響力を持つという見方は強まる。総数を軸にした突然の広報キャンペーンなら、その見方は弱まる。

第二の兆候は、同社が訂正をどう扱うかだ。AI支援による原稿には、人間の原稿と同様に、誤り、不明瞭な箇所、不完全な引用が含まれるだろう。

重要な問いは、OpenAIが変更を公に記録するかどうかである。各改訂では、何が変わったのか、なぜ変わったのか、その訂正が主要な主張を変えるのかを明示すべきだ。

この慣行は、過去の公開に関する最も具体的な不満の一つに応えるものとなる。また、研究者に対し、安定して追跡可能な文書を査読しているという確信を与えることにもなる。

AGMAIが参加研究所が従える基準を公表するか注目すべきだ。公的な基準は、同グループの仕事を一社を超えて有用なものにし、外部の人々が遵守状況を判断できるようにする。

第三の兆候は、AGMAIが意見の相違にどう対応するかだ。独立したグループは、OpenAIに同意することによって価値を証明するわけではない。

その独立性を示す最も強い証拠は、誇張された位置づけ、不十分な帰属、時期尚早な公開、または重要性に関する裏付けのない主張に対する公の異議となるだろう。

この試練に敵対性は必要ない。必要なのは、同グループの分析と同社の広報との間に、目に見える分離があることだ。

他のAI研究所も、この行方を左右する。Anthropicはすでに、研究レベルの数学をめぐる競争環境の一部となっている。Googleや形式数学に特化したプロジェクトも、それぞれ独自のアプローチを開発し続けている。

AGMAIが複数の研究所と協力すれば、この分野の共有インフラになり得る。公的な役割が主としてOpenAIと結び付いたままであれば、その独立性への疑念は残り続けるだろう。

こうしたガバナンス上の問題が展開する間も、根底にある能力が消えることはない。OpenAIのモデルはすでに、専門の数学者が正当で興味深いとみなす研究に貢献している。

中心的な不確実性は、同社がその能力を、成果に意味を与える人々の判断を圧倒することなく、学術研究へと転換できるかどうかにある。

現時点でOpenAIが数学者たちを押しのけ続けているのは、運用の速度、規模、そして注目度を掌握しているためだ。AGMAIは操作盤のそばから助言できても、ハンドルを握ることはできない。

読者が注視すべきなのは、次の約束ではなく、次に出てくる証明の一群である。文書は読みやすいか。帰属は明記されているか。独立した評価を受けているか。透明性の高い改訂履歴が付されているか。

こうした細部が、OpenAIが研究の進め方を変えたかどうかを明らかにする。また、AI生成の数学が共有知になるのか、それとも人間による修復を待つ主張の山にすぎないのかも示すだろう。

発表、原稿、訂正、外部からの反応を記録しておくべきだ。同社の最初の説明と、数週間後に専門家が下す結論を比較する。その隔たりこそ、見出しの数以上に、この不穏な実験が機能しているかを測る尺度となる。