OpenAIのNavier-Stokes証明主張、AIを超える試練に直面

OpenAIが約100ページに及ぶNavier-Stokesの証明を作成したと報じられているが、その並外れた主張を裏付ける公開原稿はまだない。この証言はニューヨーク大学の数学者Tristan Buckmasterによるもので、OpenAIの研究者らがこの成果を非公開で彼に説明したという。

この区別は重要だ。OpenAIによるNavier-Stokes証明は、数学における7つのMillennium Prize Problemsの一つに取り組むことになる。しかし、別の研究者を介して伝えられた未公表の説明は、検証済みの解決ではない。

この話には、別個の具体的な進展も含まれている。BuckmasterとLevent Alpögeは、関連する3つの流体方程式における有限時間ブローアップについて、AI支援を用いた研究を公開した。同じアプローチがNavier-Stokesにも拡張できる可能性があるため、その結果は注目を集めた。

その後、この科学的な話題は、証拠、研究の来歴、そして功績をめぐる論争へと発展した。Buckmasterは、OpenAIが自身の非公開プロジェクトを知った直後に、密接に関連する社内成果を出したと主張している。OpenAIの研究者Sébastien Bubeckは、自身の行為に関する疑惑を虚偽かつ扇動的だとして公に否定した。

したがって中心的な問いは、モデルが有効な証明を生成したかどうかより広い。最先端の研究所は、モデル、その記録、そして両方を監査するための証拠を管理しながら、信頼に足る科学的主張を行えるのかという問題だ。

OpenAIのNavier-Stokes証明は依然として非公開の主張

公開されている証拠は、OpenAIがNavier-Stokes問題を解決したことを示していない。

Buckmasterは2026年9月8日、詳細な個人声明を公開した。彼によれば、OpenAIの代表者は、社内研究モデルが強制項を伴うNavier-Stokes方程式について有限時間ブローアップの証明を生成したと伝えたという。

Buckmasterによると、この証明主張は3次元Euclidean spaceと3次元torusの双方における滑らかな強制項を対象としている。これらの設定は、Millennium問題に関するCharles Feffermanの公式定式化に含まれる選択肢に対応する。

Buckmasterは、その文書が約100ページに及ぶと聞いたと述べている。また、自身の説明を公表した時点では、その文書を見ていなかったことも明言している。

この最後の事実が、現時点での限界を定める。公開されていない証明を独立した数学者が精査することはできない。報じられた会話の外部にいる者は、その仮定、論理的な依存関係、強制項の扱いを確認できない。

本稿執筆時点で、OpenAIは原稿、モデルのトランスクリプト、技術的な発表を公開していなかった。同社はまた、正式な研究リリースを通じて社内モデルを特定していない。

したがって、この成果は社内における証明の主張として記述すべきだ。問題が解決されたと呼ぶことは、数学が有望な論証と定理を区別するためのプロセス全体を飛ばしてしまう。

この区別は、偏微分方程式ではとりわけ重要である。証明は概念的には説得力があっても、評価、不変性の仮定、境界条件、極限操作に致命的な誤りを隠していることがある。

Navier-Stokesは、純粋数学以外では複数の意味を持つ。エンジニアは特定の流れについて方程式の近似解を日常的に求めている。しかし、その数値解は、許容されるすべての初期条件について大域的な存在と滑らかさを決着させるものではない。

公式問題は、滑らかな3次元流が常に滑らかなままか、あるいは有限時間内に特異点が形成されうるかを問う。しばしばブローアップと呼ばれる特異点は、関連する数学量が無限大になるときに生じる。

Feffermanが指定した条件下で有効な強制ブローアップの構成は、単なる別の数値例よりはるかに重い意味を持つ。それは問題文で認められた公式の経路の一つにおいて、反例を与えることになる。

それでも即座に合意が形成されるわけではない。Clay Mathematics Instituteは、Millennium Prizeの授与を検討する前に、出版、時間の経過、幅広い受容を求めている。

したがって、直近の変化はより限定的だが、それでも重要である。敬意を集める数学者が、そのおおよその長さ、対象領域、想定される数学的結論を含む具体的な社内主張を公に報告した。

それは精査を正当化するには十分だ。しかし、勝利を宣言するには十分ではない。

3つの関連ブローアップ結果が賭け金を変えた理由

OpenAIの報告された主張にもっともらしさが生じたのは、BuckmasterとAlpögeが近接する手法をすでにNavier-Stokesへ大きく近づけていたためだ。

NYUのCourant Instituteの教授であるBuckmasterは、流体方程式における特異点形成を研究している。AlpögeはAnthropicに所属する数学者だが、Buckmasterは2人の研究を個人的な学術共同研究として説明している。

9月8日、2人は非圧縮性多孔質媒体、2次元Boussinesq方程式、3次元非圧縮Euler方程式という3つの系を対象とする成果を公開した。各構成では滑らかな外力を用い、有限時間ブローアップを生じさせる。

Euler方程式は粘性のない理想流体を記述する。Navier-Stokes方程式には粘性が加わり、それがエネルギーを散逸させ、解を制御するために必要な評価を変える。

この違いは小さな修正ではない。Eulerの構成が自動的にNavier-Stokesへ移行しない理由の一つでもある。

それでも、新たなEulerの結果はMillennium問題に異例なほど近い。BuckmasterとAlpögeは、より粗い強制項の下で特異点形成のメカニズムを開発したDiego CórdobaとLuis Martínez-Zoroaの研究を基盤とした。

報じられたところでは、この新しい研究はその粗い入力を滑らかな強制項に置き換えている。この変更は重要である。公式のNavier-Stokes問題は、その反例定式化のうち二つで特定の滑らかな強制関数を認めているためだ。

Terence Taoは関連する成果を注目すべき達成と評し、技術的評価でより広い意義を検討した。彼は、この手法をNavier-Stokesへ拡張することを妨げる明白な原理はないと記した。

一方でTaoは、そのような拡張が極めて技術的に困難であることも強調した。有望な経路が見つかっても、すべての評価を成立させるために必要な作業がなくなるわけではない。

この組み合わせが、OpenAIの主張が即座に注目を集めた理由を説明する。報じられた成果は、何もないところに現れたわけではない。専門家が完全な方程式に到達しうると考えたメカニズムが、研究者によって特定された後に登場した。

Buckmasterによれば、彼とAlpögeは約1年前に共同研究を始めた。2026年8月中旬までに、2人は3つの関連方程式に関する中核的な結果を得ていたという。

大規模言語モデルは、論証の開発と検証で大きな役割を果たした。Buckmasterによれば、2人は繰り返し行う数学的な検討の中で、より新しい推論モデルを含むAnthropicのClaudeとOpenAIのCodexを使用した。

このワークフローは、チャットボットに一つ質問し、その最初の回答を受け入れることとは異なる。研究水準の証明には、補題の提案、欠落部分の特定、評価の改訂、長い論証全体にわたる依存関係の確認が求められる。

付随する研究の一部はLeanでも形式化された。Leanは、形式的な命題が指定された論理規則から導かれるかを確認する証明支援系である。

公開されたLean repositoryは、外部の人々が具体的に精査できる対象を提供している。ただし、機械検証が対象とするのは、研究者が符号化し、検証に成功した部分だけである。

これは、3本の原稿に含まれるすべての非形式的な論証を自動的に保証するものではない。また、別個かつ未公開の対象である、OpenAIが主張する証明を検証するものでもない。

それでも、この公開された進展は、自動化された科学を追求するすべての最先端AI研究所に圧力をかける。OpenAI、Anthropic、Google DeepMindはいずれも、自社システムが独創的な研究に貢献できるという信頼できる証拠を求めている。

検証済みのNavier-Stokesの成果は、比類のない規模でその証拠を提供するだろう。拙速、あるいは不十分な記録に基づく主張は、正反対の教訓をもたらすことになる。

主な対立は証拠と統制された開示の間にある

決定的な争点はOpenAI対Anthropicではない。非公開研究所の主張と、公開数学の検証基準との対立である。

AlpögeがAnthropicで働き、主張される競合成果がOpenAIから出たため、企業間の競争は目に見えやすい。しかし、これをモデルのリーダーボード競争として扱うと、より深い問題が見えなくなる。

数学は、適格な読者が精査できる論証に権威を与える。最先端AI研究所は、モデルの詳細、プロンプト、社内ツール、計算記録を機密資産として保護することが多い。

こうした権威の仕組みがいま衝突している。OpenAIは、モデルや完全な研究履歴を開示する準備が整っていなくても、有効な証明を保有しうる。数学者が、証明そのものが公開されるまでその成果の受け入れを拒むことにも合理性がある。

Buckmasterの説明は、さらに別の層を加える。彼によれば、OpenAIは、Navier-Stokesに関する主張された成果を伝えた後、出版に関する取り決めを提案した。

彼の声明によれば、一つの提案では、OpenAIがより強力な成果を公表する前に、BuckmasterとAlpögeがEulerに関する研究を公開することが含まれていた。別の提案では共同発表が検討されたとされるが、AlpögeがAnthropicに所属しているため、その役割をめぐる疑問が生じたという。

Buckmasterは、これらの選択肢を断り、一連の出来事を公表すると決めた後に圧力を受けたと主張している。これらの疑惑にはなお争いがある。

Bubeckは、自身に関する非難は虚偽で扇動的だと公に応じた。この否定は重要だが、当事者間の事実関係における不一致を解消するものではない。

非公開の通話に関する完全な記録は公開されていない。読者は、両者の説明が食い違う点について、どちらの説明も独立に立証されたものとして扱うべきではない。

この論争は、新たな著者性の問題も浮き彫りにしている。AIモデルが未公表の人間のアイデアを拡張した場合、重要な知的飛躍に寄与したのは誰なのか。

従来の科学的功績評価では、手法の起源、証明の実行、記述、検証、開示の時期が考慮される。AIはこれらすべてのカテゴリーを複雑にする。

モデルは、慎重に選ばれた問題設定を受け取った後、数千の手順を統合できる。そのプロンプトには、正しいメカニズムや取り組むべき障害を含む、数か月にわたる専門家の判断が埋め込まれている可能性がある。

逆に、モデルが一般的な記述だけを受け取り、アイデア間の真に予想外な橋渡しを見つけることもありうる。これらの状況を同じように表現すべきではない。

「最小限の人間の入力」という表現は、証拠の履歴がなければほとんど意味をなさない。それは広範な非公開準備の後に一つの短いプロンプトを入力したことを指す場合もあれば、真に自律的な探索を指す場合もある。

OpenAIは最近、8月中旬までに、研究組織が人間の作業1日当たり3.1 agent-workdaysを使用したと報告した。同社のresearch metricsは、エージェントが社内の科学的作業にどれほど深く入り込んでいるかを示している。

これらの指標は、OpenAIのNavier-Stokes証明を検証するものではない。しかし、同研究所が長期的な数学プロジェクトを追求するためのインフラと動機の両方を備えていることは示している。

そのため、開示には洗練された原稿以上のものが含まれるべきだ。説得力ある説明は、問題の仕様、人間による介入、モデルに与えられた外部アイデア、検証手順を特定すべきである。

数学者が定理を査読するために、モデルへのアクセスは必要ない。だが、その定理がどのように発見されたのかという主張を評価するには、研究の来歴が依然として必要だ。

これは専門的な功績の帰属を超えて重要である。研究所は科学的成果を、ますます自律化する知能の証拠として売り込んでいる。来歴が欠ければ、通常の共同研究が自律的な発見であったかのように見えてしまう。

公衆が検証可能な証拠を得るまで、この対立は続くだろう。企業の声明は証明の代わりにはならず、証明だけでもその起源に関するあらゆる疑問を解決することはできない。

AIによる数学的主張が証明していないこと

仮に証明が正しくても、それはAIが流体力学を独力で習得したことや、正確なシミュレーションを容易にしたことを示すものではない。

第一の不確実性は数学的妥当性にある。100ページに及ぶ論証には、専門家が検討するのに数か月を要する微妙な依存関係が含まれ得る。

第二は適用範囲だ。Buckmasterによれば、内部の結果は特定条件下の外力項付きナビエ–ストークス方程式を扱う。見出しでは「外力項付き」という語が簡単に落ち、より広範な定理であるかのような印象を与えかねない。

外力とは、流体に加えられる外部からの影響を指す。Feffermanの定式化では、指定された反例の選択肢において滑らかな外力を認めているため、外力項付きの爆発解でも公式の課題に答えることはできる。

だからといって、一般的なナビエ–ストークス方程式の問題がすべて消えるわけではない。研究者は依然として、外力なしの爆発、解の一意性、乱流、境界効果、圧縮性流体、計算による予測を研究し続けるだろう。

ミレニアム懸賞問題の証明は、厳密に定義された一つの数学的問いを解決する。それは天気予報や航空機設計のための万能な公式をもたらすものではない。

第三の不確実性は形式検証に関するものだ。BuckmasterとAlpögeは、自らの公開研究の一部でLeanを用いたと、彼らの資料では述べられている。OpenAIの報告された原稿については、それに相当する検証成果物は公開されていない。

形式証明システムは、通常の論理的な見落としの多くを排除できる。しかし、人間が命題と仮定を精査しない限り、形式化された定理が意図された主張をすべて捉えているかどうかは判断できない。

また、形式検証には相当の労力を要する。長い解析的証明を機械検証可能な形へ翻訳すれば欠落が明らかになる場合がある一方、非形式的な草稿を作成するより長い時間がかかることもある。

第四の不確実性は独立した再現にある。別のチームが、OpenAIの内部環境への特権的アクセスなしに、中心的な仕組みを再構築できるべきだ。

独立したレビューでは、モデルの実行を完全に同じ形で繰り返す必要はない。しかし、定理を検証し、導入された補題を追跡し、最も脆弱な評価を検討するために十分な情報は必要である。

第五の不確実性はAIの貢献に関するものだ。Buckmasterによれば、彼のプロジェクトの草稿はCodexセッション内に存在していた。彼は、OpenAIの内部モデルがそれらのセッションで学習されていたのか、あるいはアクセスを与えられていたのかを尋ねた。

彼の声明によれば、説明したやり取りの中で明確な回答は得られなかった。これは、非公開研究が利用されたことを立証するものではない。

ただし、OpenAIが保有する記録だけが決定的に答えられる正当な疑問を生む。モデル学習、一時的な推論コンテキスト、従業員のアクセス、実験への入力は、それぞれ異なる技術的経路である。

それらを混同するのは無責任だ。同様に、部外者が関連システムを検査できないというだけで、この疑問を退けるのも不適切である。

ホスト型AIツールを使う研究者は、この論争を実務上の警告として受け止めるべきだ。未発表の仮説、証明戦略、コード、実験結果には、非常に大きな知的価値があり得る。

チームには、どの資料を外部モデルに入力できるかについて明確な規則が必要である。また、決定的な各アイデアを誰がいつ提供したのかを示すローカルな記録も必要だ。

検索可能なナレッジベースは、その履歴を保存する助けになり得る。ただし、契約上の保護や研究所のデータガバナンス統制に取って代わることはできない。

したがって、AIに関する最も強い主張は依然として裏付けられていない。公開証拠が示すのは、モデルが近接する方程式に関する重要な研究を実質的に支援したことだ。ナビエ–ストークス問題を自律的に解決したことは、まだ示されていない。

有効な証明が変えるのは、流体工学より先にAI研究である

最初の影響は日常的な流体シミュレーションではなく、科学的ワークフロー、著者資格の規則、研究所間の競争に及ぶ。

数学的証明は、最終成果物を原理上は一行ずつ検査できるため、高度なAIの魅力的な試験場である。そのため、創造性や汎用知能に関する多くの主張よりも主観性が低い。

とはいえ、研究数学は完全に自己検証的ではない。専門家は、その定理が重要か、仮定が提示された問題に合致しているか、証明が無効な結果を取り込んでいないかを判断しなければならない。

OpenAIによるナビエ–ストークス方程式の証明が受理されれば、最先端モデルが多数の技術的依存関係にまたがる長大な論証を維持できることを示す。また、新たに見いだされた研究経路を迅速に活用できることも実証するだろう。

後者の能力のほうが、より重大な意味を持つかもしれない。科学上の優位性は、早期情報、大規模な計算予算、専門化されたエージェント、専門家の評価者を組み合わせる組織へ移る可能性がある。

独立した研究者は難しい選択に直面する。ホスト型の最先端モデルは研究を加速できるが、あらゆるやり取りには機密性と帰属に関する問題が伴い得る。

大学は、研究専用のデータ利用条件を交渉することで対応するかもしれない。また、ローカルモデル、安全な推論システム、監査可能な計算環境への投資も進める可能性がある。

学術誌には、より明確な開示基準が必要になる。著者はすでにソフトウェアや計算手法を記述しているが、エージェント型研究では、プロンプト、反復、人間による選択についてさらに詳細な説明が求められる。

完全な記録が常に有用とは限らない。長いエージェントのトレースには、何千もの行き止まりや繰り返し計算が含まれ得る。

より実用的なのは、構造化された来歴記録だろう。そこには元の予想、関連する非公開入力、モデル生成の補題、人間による修正、形式検証済みの構成要素を記載できる。

編集者には、同時発見に関する規則も必要となる。AIシステムは、漏洩したヒント、セミナーでの発言、非公開草稿を、従来の出版が対応できるよりも速く洗練された結果へ変えられる。

優先権の規範は、コミュニケーションと証明構築が人間の速度で進んでいた時代に形成された。一つの研究所が週末のうちに数千エージェント時間を投入できる状況では、その規範は負荷にさらされる。

Buckmasterをめぐる論争は、その圧力を先取りしている。独立した報道によれば、研究者らの公開研究は、OpenAIによるとされる拡張とは別に、それ自体がナビエ–ストークス問題に向けた重要な一歩を示している。

だからこそ、この話を一企業に関する二択の評決へと矮小化すべきではない。確認された進展は、AI支援による数学的発見が、非線形偏微分方程式における困難で現在進行形の研究に到達したことだ。

争われている進展は、OpenAIが外力項付きナビエ–ストークス問題の完全な解決までの残りの距離を越えたかどうかである。その主張には、はるかに高い証拠基準が必要だ。

原稿が査読を通過すれば、研究所は他の著名な問題でもこのワークフローを再現しようと競争するだろう。失敗すれば、この出来事はモデル出力を数学的知識と混同した教訓になる。

どちらの結果も、資金配分と採用に影響する。最先端モデル、形式証明、専門数学の間を翻訳できる研究者の価値は高まる。

したがって、当面の競争圧力を受けるのは航空機設計者ではなく研究組織である。彼らは、速度が帰属、セキュリティ、検証を犠牲にしていないことを示さなければならない。

数学者が結果を受け入れる前に必要なこと

報告された証明が定理、部分的前進、あるいは高価な誤出発となるかは、三つの兆候によって決まる。

第一の兆候は公開である。独立した評価を始めるには、OpenAIが正確な定理の記述と完全な証明を提供しなければならない。

読者は仮定を注意深く見るべきだ。原稿には、領域、外力関数、初期データ、解のクラス、特異な挙動の正確な内容を明記する必要がある。

これらの要素がFeffermanの公式な反例の選択肢の一つと一致すれば、その主張は実質的に強まる。結果が方程式を変更していたり、必要な正則性を弱めていたりすれば、懸賞問題を解かずとも価値を保つ可能性がある。

第二の兆候は、専門家と形式検証による精査だ。専門家は中核となる評価を調べ、証明エンジニアはどの部分をLeanのようなシステムに符号化できるかを判断しなければならない。

小さな修正が必要になっても、必ずしも結果が覆るわけではない。研究論文は査読中にしばしば変更される。

新たな中心的アイデアを必要とする欠落があれば、問題がすでに解決されたという主張は弱まる。構成に矛盾があれば、結果全体が無効になる可能性がある。

第三の兆候は、文書化された来歴の説明である。OpenAIは、どの情報が研究者に届いたのか、モデルが何を受け取ったのか、人間がどのように実行を導いたのかを説明すべきだ。

その説明では、検証可能な記録と記憶に基づく証言を区別しなければならない。また、Buckmasterの非公開Codex資料が内部プロジェクトに影響を与えたかという問いにも答えるべきである。

適切な監査に裏付けられた明確な否定回答は、最も深刻なデータ起源に関する懸念を弱めるだろう。クレジットされていないアクセスの証拠が見つかれば、話の焦点は科学的競争から研究不正へ移る。

プロジェクト間で非公開データの移動がなかったとしても、著者資格の問題は残る。CórdobaとMartínez-Zoroaは先行する仕組みを開発し、BuckmasterとAlpögeは滑らかな外力のプログラムを前進させた。

OpenAIのモデルは、その系譜をさらに延長した可能性がある。適切な功績の評価では、それを孤立した機械の成果として提示するのではなく、連なる全体を記述すべきだ。

Clayの手続きはニュースサイクルよりはるかにゆっくり進む。賞の検討には、適格な媒体での出版、広範な受容、少なくとも2年間の精査が必要である。

この遅れには目的がある。著名な問題には誤った解法が集まり、長い証明には複数の専門領域にまたがる継続的な検討が必要になることが多い。

現時点で責任ある答えは明快だ。Buckmasterの説明によれば、OpenAIは本格的なナビエ–ストークス方程式の証明を生成したと報告されているが、モデルがこの問題を公に解決したわけではない。

証拠は、AI支援数学への期待を支持している。同時に、原稿、検証記録、完全な来歴説明が示される前の主張に対する懐疑も支持している。

まず証明を見守り、次に査読者を見守り、最後に監査証跡を見守るべきだ。この三つがすべてそろうまで、OpenAIのナビエ–ストークス証明は、確立された定理ではなく、検証中の主張にとどまる。