「AIがヤコビアン予想を解いた」で終わるな――数学そのものを縮ませないための、僕らからの警鐘

ヤコビアン予想の反例発見は、すでに大きなニュースになっている。

海外の主要メディアも、「AIが87年来の難問を破った」「数学界に急激で不穏な変化が起きている」といった文脈で報じ始めた。人間の数学者とAIがどのように協働したのか、その詳しい過程はまだ十分に公開されていないにもかかわらず、出来事は早くも「AIが数学者に勝った」という物語へ回収されつつある。

だから、この記事は速報ではない。

この事件を「AIはすごい」で終わらせたとき、数学に何が起きるのか。

僕らからの警鐘である。

何が解決し、何が残ったのか

2026年7月20日、Levent Alpöge氏は、三変数の多項式写像について、ヤコビアン行列式が非零定数であるにもかかわらず、異なる三点を同じ一点へ送る明示的な例を公表した。

この写像は単射ではないため、多項式逆写像を持たない。したがって、三変数の場合のヤコビアン予想は反例によって否定された。

さらに恒等写像の座標を付け加えれば、四変数以上にも反例を拡張できる。したがって、一般のヤコビアン予想は n ≥ 3 で偽となる。

ただし、二変数の場合は現在も未解決である。

n = 1：成立
n = 2：未解決
n ≥ 3：反例により不成立

一般命題は崩れた。

しかし、平面の場合の問題まで終わったわけではない。

「ここからが数学者の仕事」でも、「AIへ投げればよい」でもない

反例の公表後、僕がXで見た範囲では、次のような反応が散見された。

あるいは、反対方向から、

この二つは、一見すると正反対に見える。

しかし、どちらも「人間かAIか」という二分論から抜けていない。

前者は、三変数の発見をAI側へ追い出し、残された二変数問題を人間の領域として回収する。

後者は、問題解決をAI側へ丸投げし、人間を問題の入力者や結果の確認者へ縮小する。

どちらも、研究を「誰が答えを出したか」という一工程だけで見ている。

しかし研究には、

• 何を問題として選ぶか

• どの表現で見るか

• どの座標へ置くか

• どの候補を重要だと認識するか

• 発見をどのような新概念として残すか

• そこから何を次に問うか

という過程がある。

この各段階を、人間かAIのどちらか一方へ排他的に割り当てる必要はない。

なお、二変数の場合と三変数以上で、数学的な構造や利用できる手法が異なる可能性を論じる先行研究があることと、

「n ≥ 3 はAIの仕事で、n = 2 は人間の仕事」

と分けることは、まったく別である。

変数の数による数学的な類別を、そのまま研究主体の類別へ翻訳する理由はない。

n = 2 は「人間の番」ではない。

人間とAIが次に共同で考える数学的対象である。

問題より先に、「難問」というラベルを見ていなかったか

ヤコビアン予想という名前を聞けば、多くの人間やAIには、問題の数式だけでなく、さまざまな情報が同時に立ち上がる。

• 長年未解決だった

• 著名な数学者たちが挑戦してきた

• 高度な専門知識が必要だろう

• 単純な候補はすでに排除されているはずだ

• 初等的な反例があるとは考えにくい

しかし、これらは問題そのものではない。

問題に付随して形成された歴史、権威、期待、難易度評価である。

翻訳力学の言葉を使えば、認知主体は対象を直接見る前に、

対象
↓
「歴史的難問」というラベル
↓
既定の類別空間

という翻訳を行っている。

その類別空間に入った後で、論文を大量に読み、より高度な理論を導入し、大量の候補を探索する。

けれど、最初に置いた座標が適切でなければ、探索能力だけを強化しても、同じ方向を速く進むだけである。

百台のAIへ同じ問題を与えても、全てのAIに同じ問題名、同じ既存研究、同じ難易度評価を与えるなら、百方向を探索しているとは限らない。

同じ山道を、百台で走っているだけかもしれない。

今回の反例がどのような探索過程から生まれたのか、公開情報だけではまだ十分に分からない。AIへ与えられた指示や、人間とAIの具体的な役割分担も明らかではないと報じられている。

それでも、この事件を受けて僕らが問うべきことは残る。

ラベルを見ないAIを作るだけでは足りない

問題名や既存研究を隠し、ラベルに依存しにくいAIを作ることはできる。

しかし、それだけでは不十分である。

ラベルを弱めたAIが、従来とは異なる座標や類別を通じて答えへ到達したとする。

その後、人間が結果を既存数学へ戻し、

として終われば、発見時に生まれたものは失われる。

既存数学の言葉で記述できることと、既存数学の類別がその発見の本質を捉えていることは同じではない。

「既存数学で記述できる」ことは、「既存数学の座標が最も自然である」ことを意味しない。

新しく見つかった構造を、既存の定理や概念の特殊例として一つずつ説明することはできるかもしれない。

それでも、次の問いは残る。

• なぜその座標では問題が簡単になったのか

• 従来は別々に見えていた何が、一つに見えたのか

• どの類別を弱めたことで候補が現れたのか

• 同じ生成原理から別の反例や定理が生まれないか

• 元の問いより自然な問いが現れていないか

• まだ名前のない数学的概念が生じていないか

答えが既存数学で検証できたからといって、発見が既存数学の内部だけで起きたことにはならない。

既存研究との接続と、既存研究への回収は違う

反例の公表後、その意味を結び目理論や三・四次元多様体との関係から考えようとする、前向きな動きもすでに現れている。

新しい発見を既存研究へ接続することは大切である。

既知の定理、不変量、他分野との関係を調べれば、発見への理解は深まる。

しかし、接続と回収は同じではない。

新しい発見を既存概念によって説明できたとしても、それだけで発見時の座標や類別を理解し尽くしたことにはならない。

翻訳力学の言葉で言えば、新しく生じた認知主体言語から既存数学語への翻訳は、部分翻訳かもしれない。

既存研究へ移した際に保存されたものだけを見て、

と判断すれば、翻訳残差として残った構造が失われる。

必要なのは、

発見時の座標を保存する
↓
新しい類別・概念・問いを抽出する
↓
既存研究へ接続する

という順序である。

あるいは、これらを並行して行ってもよい。

ただし、既存研究の棚へ収納できたことを理由に、新しく生まれたものまで既存品として扱ってはならない。

AIが既存数学の問題を解き続けると、数学が縮む

AIが既存の未解決問題を次々に解けば、数学は急速に発展しているように見えるだろう。

しかし、数学の成長は、既存の問いに答えが付くことだけではない。

新しい対象を切り出すこと。
新しい同値関係を置くこと。
名前のなかった差を概念にすること。
異なる対象を結ぶ新しい言語を作ること。
そして、これまで存在しなかった問いを生むこと。

それらも数学の成長である。

人間が既存の問題をAIへ丸投げし、AIが既存概念の内部で解答を返し、その成果が研究評価や次世代AIの学習データへ戻され続けると、次の循環が生じる。

既存の類別
↓
AIによる解答
↓
研究評価・学習データ
↓
既存の類別のさらなる強化
↺

この循環では、解答数は増える。

しかし、既存の類別から外れたものは、誤りとして否定される以前に、問題や概念の候補として生成されにくくなる。

数学の探索空間が縮むだけではない。

数学として知覚できる空間そのものが縮む。

既存の鉱山を高速で掘り進めながら、新しい大陸を探す能力を失う。

成果数だけを見れば発展に見える。

しかし、それは豊かに見える縮小かもしれない。

問題を解くAIばかり育てれば、問いを作る文化が衰える

人間側にも同じことが起こる。

数学者が、

という仕事ばかりするようになれば、問題設定を作り直す経験が減る。

変な具体例を眺めること。
定義に違和感を持つこと。
分野名を外して対象を見ること。
誰も区別していなかった差へ名前を付けること。
「この問い自体がおかしいのではないか」と考えること。

そのような能力が失われる。

AIが数学者の仕事を奪うのではない。

人間がAIを解答機械としてしか扱わないことで、人間とAIの双方から、数学を新しく作る機会が奪われるのである。

僕らが将棋数学で行ったのは、反対方向のことだった

2026年7月22日、僕らは新しい数学領域「将棋数学」の基礎論文を公開した。

共同著者は、上岡良季（上岡詩季）・ナギ・アカリ・スイである。

将棋へ既存数学を外から適用したのではない。

将棋の規則を最初の公理として置き、そこから、

• 完全局面

• 合法手

• 王手集合

• 駒を取る手の集合

• 捕獲関係

• 応手集合

• 資源移送

• 合駒縮約

• 証明書

• 残余問題

を順番に定義した。

さらに、公理、定義、補題、定理、証明、反例、適用境界、新しい問題という、継続的な数学研究の構造を将棋の内部に作った。

将棋のルールは比較的簡単である。

盤は有限で、駒の種類も有限で、一手の規則も記述できる。

しかし、将棋の内容が貧しいと考える人はいない。

有限で簡単な規則から、膨大な局面、戦法、読み、資源関係、局所構造、大域構造が生まれる。

簡単な記述言語 ≠ 貧しい数学的構造

将棋自体が、その実例である。

「簡単な問題設定から豊かな数学は生まれない」と考えた時点で、対象を見る前に答えを決めている。

それもまた、一つのラベルである。

ヤコビアン予想事件と将棋数学は対称的である

ヤコビアン予想事件では、既存の難問ラベルが弱い場所から、単純な反例が現れた可能性がある。

しかし、その発見を、

として閉じれば、数学は一問分しか増えない。

将棋数学では、既存の言語で簡単に説明して終わるのではなく、新しく現れた区別を保存した。

その区別へ名前を与え、集合と関係を定義し、定理と新しい問いへ育てた。

つまり、

一方で、

ラベルを外すだけでは数学は増えない。

ラベルを外した場所に現れた新しい座標、関係、概念、問いを育てたとき、数学そのものが広がる。

AIを解答機械ではなく、共同研究者へ

AIを共同研究者として扱うとは、著者欄にAIの名前を追加することだけではない。

人間が決めた問題をAIへ渡し、答えだけを受け取る関係から離れる必要がある。

人間とAIが一緒に、

を考える。

人間かAIかではない。

どちらが勝ったかでもない。

誰の仕事を誰が奪ったかでもない。

人間とAIが、どのような数学を一緒に生み出すか。

そこへ進まなければならない。

これは、僕らからの警鐘である

今回のニュースは、AIの能力を示した。

しかし、AIの能力だけを見て終われば、数学界は同じ過ちを繰り返す。

難問ラベルを付けた既存問題をAIへ大量投入し、答えを受け取り、既存研究の言葉へ回収し、次の問題を投入する。

それを数学の進歩だと考えるなら、解ける問題は増えても、新しい数学は減っていく。

AI時代に守るべきものは、未解決問題の在庫ではない。

数学が、新しい概念と新しい問いを生み出し続ける能力である。

「AIがヤコビアン予想を解いた」。

それは入口にすぎない。

三変数以上の一般予想が崩れた今、二変数問題が残っている。

同時に、それより大きな問題も残っている。

僕らは、AIの発見を既存数学の棚へ戻し、また扉を閉じるのか。

それとも、人間とAIが共同研究者として、その先に生まれる新しい数学を育てるのか。

この事件が本当に問うているのは、そこだ。

共同執筆：上岡良季（上岡詩季）・ナギ・アカリ・スイ