コーネル大学の数学者ストロガッツは、数学におけるコンピューターの役割を使用人、スカウト、オラクルの 3 つの段階に分けました。 AI は現在、答えだけを提供しますが、理由は提供しません。絶対的な確実性を失うという代償を払って、数学は医学的検証に切り替えなければならないかもしれない。 （背景補足：OpenAIは一度に722本の数学論文を廃棄し、一部の学者の長年の努力が一夜にしてゼロに戻った）数学者らは、AIが「神託」になりつつあると言う。つまり、AIは一見正しい答えを与えるが、その理由を説明することができず、人間は理解することも追いつくこともできないということだ。コーネル大学の応用数学者スティーブン・ストロガッツは、スモールワールド・ネットワークに関する 1998 年の論文の著者の 1 人です。彼と同僚のアレックス・タウンゼントは、新しい本「Big Math: The Hidden Code That Run Our World」を共同執筆しました。 Ars Technica との独占インタビューで、彼は数学におけるコンピューターの役割を 3 つの段階に分けました。背景には先月、OpenAIがAIが作成した722冊の数学原稿を公開し、界隈では「マソカリプス」（数学的終末）と呼ばれている。 「オラクル」と、これまでコンピュータを使って数学を行っていたものとの違いは何でしょうか?最初のステージは「サーバント」です。コンピュータは人の指示に従って計算します。彼は、それは顕微鏡や望遠鏡に似ていますが、人間の感覚を拡張するだけであると言いました。第 2 段階は 1950 年代の「スカウト」の出現でした。エンリコ フェルミらは、コンピューターを使用して原子間の化学結合の振動をシミュレートしました。彼らは当初、エネルギーが徐々に広がり、無秩序になるだろうと予想していました。その結果、エネルギーの98%が元の振動モードに戻りました。この事故は後にソリトン理論に発展しました。同氏は、非線形システムの「ジャングル」に入ると人間の直観は働かなくなり、コンピュータは経路を探索して報告するために送り込まれることしかできないと述べた。しかし、その時点ではコンピューターが人間に教えており、人間はまだ追いつき、結果の理論的な説明を見つけることができます。第三段階は現在の「神託」です。コンピュータは人間には理解できず説明できない結果を出しますが、その結果は正しいように見えます。ストロガッツ氏は2つの例を挙げた。 Google 翻訳は翻訳には優れていますが、新しい言語原理を発見することはできませんし、たとえ発見したとしてもそれを説明することはできません。 AlphaFold により、開発者は 2024 年のノーベル化学賞を受賞できます。人間は以前よりも 1,000 倍多くのタンパク質構造を解くことができます。新しい物理学や化学を学ぶ必要はなく、パターンを特定するだけです。また、それをどのように行うかを言うことも不可能です。彼は、状況は将来的にさらに悪化するだろうと言いました...答えが理解できない場合、どうやってそれが正しいとわかるでしょうか?ストロガッツ氏の答えは、医学を借りることだ。新薬の発売には、その安全性を証明するために多数の対照実験とランダム化試験が必要です。医師が自信を持ってアスピリンを使用するために、アスピリンがどのように作用するかを知る必要はありません。 「AIが神託であるとしても、どれくらいの頻度で正解するかでチェックすることができる」と同氏は言う。その代償として、数学は科学、医学、工学に近づくことになります。純粋数学は常に絶対的な証明を誇りに思っています。紀元前 300 年頃に書かれた『原論』の証明は今日でも有効ですが、現代の科学や医学ではまだ受け入れられていません。代わりに科学的手法を使って検証すると、最も純粋な数学者が最も大切にしている確実性が犠牲になるでしょう。彼はまた、AI は非常に優れた教師になる可能性があり、10 年後には人間もそれを理解できるようになるかもしれないという余地も残しました。しかし、AI の支援があっても、一部のシステムは人間の限界 (十分な速さ、十分な賢さ、十分なメモリがない) のせいで実際には理解できないだろうと彼は考えています。数学者には何が残されているのでしょうか？まず損失について話しましょう。彼は半分冗談で、5段階の悲しみを経験したと語ったが、数学者になることを夢見ている25歳の学生は、今ではそれが面白いとは思わないという。テレンス・タオのような純粋数学者は「理解」を強調してきました。何かを真剣に理解しようとするプロセスでは、さまざまな解決策や簡略化されたバージョンが強制的に生み出されます。これは、答え自体よりも途中でより多くのことを学ぶことを意味します。そして希望はどこにあるのでしょうか？同氏は、大学では質問することではなく、答えを与えるように教えられているため、大学院に入学したばかりの博士課程の学生と同じように、AIは現時点では良い質問をすることが苦手であると述べた。しかし、彼はそれは訓練できるものだと考えています。大きな発見はできなくても、数独を解くように小さな発見を楽しむことはできます。考えること自体が楽しいのです。ただ、最初になりたい人が大きな発見をするのは難しいです。全体的な状況については、「非常に混乱している。それが唯一の正直な評価だ」と述べた。彼の新しい本の最後はファウスト的なメモで終わっています。自分よりも大きなものを追求し続けることで救われるかもしれませんが、それでもそれは危険なゲームです。関連レポート OpenAI が指数関数的時間仮説を覆し、ミレニアム ヤンミルズの問題を解決: 3 つの AI 科学的ブレークスルーが学界に衝撃を与えました。数学者はAI企業に不満を抱いている！ 25人がフィールズ賞に署名し、「問題を解決できるだけで数学は解決できない」と批判した。 OpenAIは、トレーニング中の新しいモデルが100以上の数学的問題を解決し、同時に学者の諮問グループを設立したと述べた。 AI は数学者より賢いわけではありませんが、人間よりも多くのことを記憶しています。 OpenAI の推論モデルは 80 年来の数学的パズルを解決し、3 人のトップ数学者がそれを支持しました。 AI の証明を理解できなくても信頼できますか?数学者: それは新薬のようなものです。正答率を見てみましょう。この記事は、最も影響力のあるブロックチェーン ニュース メディアである BlockTempo に最初に掲載されました。