自律研究ループは数学から始まった――本当に重要なのはAIではなく「外部検証器」である

1　AIは数学を解いたのか

近年、生成AIの進歩は目覚ましい。

文章を書く。プログラムを書く。画像を作る。こうした能力はすでに一般にも広く知られるようになった。

しかし、今回DeepMindが発表したAlphaProof Nexusは少し性質が異なる。

この研究の本質は、「AIが数学を解いた」という話だけではない。本当に重要なのは、AIが外部検証器を使いながら、証明方針を立て、失敗し、修正し、再挑戦するという研究サイクルを回し始めたことである。

以前の記事で指摘したように、AIリスクを考えるうえで重要なのは、意識や自我だけではない。むしろ、AIが研究そのものを高速化し、自ら改善できるようになることの方が本質的な問題になりうる。

その具体的な始まりが、数学の分野で現れつつある。

実際、AlphaProof NexusはPaul Erdősが残した未解決問題353件のうち9件を解決し、OEISの未解決予想492件のうち44件を証明したと報告されている。しかもErdős問題の中には56年間未解決だったものも含まれている。

もちろん、これは「AI数学者が完成した」という意味ではない。成功率はまだ高くなく、問題設定や価値判断には人間が大きく関与している。

それでも、数学研究の一部でAIが探索と修正を自律的に繰り返す段階に入ったことは見逃せない。

2　AlphaProof Nexusは何が新しいのか

普通の生成AIは、数学の問題を解くよう求められると自然言語で証明を書く。

しかし、その証明が本当に正しいかは別問題である。もっともらしい説明を書いても、途中に論理飛躍が含まれていることは珍しくない。

これは数学に限らない。AIは文章を書くことは得意だが、自分の文章が本当に正しいかを自分だけで完全に検証することは苦手である。

そこでDeepMindが利用したのがLeanである。Leanは数学証明をコンピュータが検証できる形式で記述するための言語だ。

今回の数学版では、研究ループは次のようになる。

AIが証明方針を立てる
↓
AIがLeanコードを書く
↓
Leanが検証する
↓
失敗箇所を修正する
↓
補題に分解して再挑戦する

つまり、実験装置がLeanになった数学研究ループである。

ここで重要なのは、AIが一度で完璧な証明を書くわけではないという点だ。Leanからのエラーや未解決目標のフィードバックを受け取りながら、複数回にわたって修正を繰り返す。

難しい問題をそのまま解こうとするのではなく、小さな補題へ切り分ける。どこが通るのか、どこで失敗するのかを確認しながら、証明の道筋を組み替えていく。

これは単なる計算ではない。研究者が実際に行う試行錯誤に近い。ただし、ここは正確に見なければならない。

現時点のAlphaProof Nexusは、「どの問題を解くべきか」を自律的に決めているわけではない。人間が問題を形式化し、証明すべき定理を与え、そのうえでAIが証明探索を行う。

つまり、問題設定や価値判断は人間、証明探索や修正はAIという役割分担である。

ここを過大評価してはいけないが、逆に言えば、限定された範囲ではすでにAIは人間の確認を待たずに探索と修正のループを回し始めている。

3　Leanという「外部の批評家」

今回の研究で最も重要なのは、実はAIそのものではない。
Leanの存在である。

Leanは数学証明を形式的に検証するためのシステムであり、証明が正しいかどうかを機械的に判定する。

人間の数学者は、「これは明らかである」「容易に示せる」と書くことがある。しかしLeanはそれを認めない。

論理の飛躍があれば止まる。定理が存在しなければ止まる。証明が完成していなければ止まる。
つまりLeanは、厳格な批評家なのである。

ここが重要だ。

LLM単体では、自分の出力を自分だけで完全に採点することは難しい。だから幻覚（ハルシネーション）が発生する。
しかし外部に厳格な批評家がいれば話は変わる。

AIが証明案を出す。Leanが間違いを指摘する。AIが修正する。Leanが再び検証する。

このループが成立すると、AIは単なる文章生成器ではなくなる。
検証器付きの探索エージェントへ変わるのである。
ここに、今回の研究の本当の意味がある。

4　数学版の実験装置

Leanは単なるプログラミング言語ではない。
むしろ「数学版の実験装置」と考えた方が理解しやすい。

生命科学では研究者が仮説を立てる。実験する。失敗する。改良する。
新薬開発も同じである。候補分子を作り、実験し、結果を見て改良する。

今回の数学版では、これがこう置き換わる。

AIが証明方針を立てる
↓
AIがLeanコードを書く
↓
Leanが検証する
↓
失敗箇所を修正する
↓
補題に分解して再挑戦する

つまり、実験装置がLeanになった数学研究ループである。

もちろん物理実験とは違う。Leanは現実世界を測定する装置ではない。形式体系の中で証明が正しいかどうかを判定する決定論的な検証器である。

しかし、それこそが強みでもある。

現実実験にはノイズがある。測定誤差もある。再現性問題もある。一方でLeanは、証明が正しいか間違っているかを明確に判定できる。

だから数学は、自律研究ループを実装する最初の実験場になりやすいのかもしれない。
形式体系の中で、証明の正しさを機械的に判定できるからである。

5　自律研究ループは数学から始まった

AIの進化を語る際、多くの議論は依然として能力の向上や意識の有無に集中しがちである。

しかし本当に重要なのは、AIがどれだけ高速に研究を回せるかである。
もしAIが、

仮説を立てる
↓
検証する
↓
改善する

というサイクルを自律的に繰り返せるなら、人間の研究速度を大きく上回る可能性がある。
そして今回のAlphaProof Nexusは、その最初の具体例になりつつある。

ただし、現時点ではまだ初期段階である。
最大のボトルネックは形式化にある。

多くの数学はまだLeanで書かれておらず、論文や既存の定理を形式言語へ翻訳するには、人間の労力が必要になる。

また、自然言語で書かれた数学をLeanへ翻訳する作業も、まだ完全には自動化されていない。
さらに、どの問題が重要なのかという価値判断も人間に依存している。

だからこれは、数学研究が完全自動化されたという話ではない。
しかし、それでも意味は大きい。
なぜなら、

AIが自分で試す
↓
AIが自分で失敗する
↓
AIが自分で修正する

という構造が、少なくとも数学の一部で実現したからである。

以前の記事で私は、自律研究ループこそがAIの危険の本質になりうると述べた。今回の研究は、その未来が単なる仮説ではなくなり始めたことを示している。

まだ初期段階である。しかし方向性は明確である。
自律研究ループは、少なくとも数学では始まった。

6　人間とAIの役割分担が変わる

この変化は、人間の数学者が不要になるという話ではない。
むしろ、人間とAIの役割分担が変わる話である。

AIは膨大な証明探索、補題分解、形式的確認を高速に行う。

一方、人間は、何を問題にするか、どの結果が重要か、その証明は何を意味するのか、どの分野へ接続できるのかを判断する。

つまりAIは形式的な重労働を担い、人間は直観、解釈、価値判断へ集中するようになる。

この変化は大きい。

これまで数学者は、発想し、証明し、検証するというすべての工程を自分で担っていた。

しかし今後は、問題設定や新しい着想により多くの時間を使える。
結果として、数学者一人あたりの研究速度は向上するかもしれない。

これは仕事が消える話ではない。仕事の重心が移る話である。
実際、Leanで検証された証明なら、少なくとも形式的な正しさは保証される。

人間は、その証明がなぜ重要なのか、どのような発想が含まれているのか、どの分野へ広がるのかに集中できる。

この変化により、人間はこれまでより多くの時間を、新しい問題の発見や複数の研究の統合的解釈に充てられるようになる可能性がある。

一方で、新しい課題も生まれる。

AIが大量の証明や補題を生成するようになれば、人間はそれらをどう評価し、どれを重要な成果として選ぶのかを問われる。

つまり人間の役割はなくならない。
むしろ、選択、解釈、方向づけの重要性が増していく。
ここに、人間とAIの新しい協働の形が見えてくる。

7　次は生命科学か、材料科学か

実は数学だけが特別なのではない。
今回の構造は他分野にも広がる可能性がある。
プログラム開発なら、

AIがコードを書く
↓
コンパイラやテストが検証する
↓
修正する

というループがある。

材料科学なら、

AIが候補材料を生成する
↓
シミュレータや試験機が検証する
↓
改良する

というループになる。

生命科学なら、

AIが候補分子を生成する
↓
実験装置が検証する
↓
結果を学習する
↓
次の候補を作る

という形になる。

つまり、

AIが仮説を立てる
↓
外部環境が検証する
↓
結果を学習する
↓
再挑戦する

という構造は、数学以外でも構築可能なのである。

生命科学や材料科学でも、AIが候補を生成し、シミュレータや実験装置が検証する形のループが、現実的に検討され始めている。

新素材、新電池、新半導体、新薬。

探索空間は極めて広い。
人間だけでは試し切れない。
しかしAIと検証器が結び付けば、その探索速度は飛躍的に向上する。

そう考えると、数学は特別だったのではない。
むしろ、
最初に外部検証器を手に入れた分野
だったのかもしれない。

8　本当に重要なのはAIではなく外部検証器である

今回の研究を、
「数学が得意なAIができた」
と理解すると焦点がずれる。

本当に起きているのは、
AIが外部検証器を使って研究を回し始めた
という変化である。

これは単なる性能向上ではない。
研究そのものの構造が変わり始めているのである。
LLM単体では、自己修正には限界がある。

なぜなら、自分の出力が正しいかどうかを、自分だけで完全に判断することは難しいからだ。
しかし外部に厳格な批評家がいれば話は変わる。

今回の数学版では、

AIが証明案を出す
↓
Leanが間違いを指摘する
↓
AIが修正する
↓
Leanが再検証する

というループが成立した。

Leanは、AIにとって外部の批評家なのである。

このループが回ることで、LLMは単なる文章生成器ではなく、検証器付きの探索エージェントへ近づく。
ここに、AI研究の次の段階がある。

重要なのは、AIが意識を持つかどうかではない。
AIが、自分の出力を外部世界で試し、失敗を受け取り、改善できるようになることである。

このループが数学から生命科学や材料開発へ広がったとき、研究速度の非対称性という問題が、より現実的な課題として現れてくるだろう。

自律研究ループは未来の話ではない。
少なくとも数学の世界では、すでに始まりつつあるのである。