OpenAI未発表モデル「Astra」、解けずに残った10の数学問題を2000ドルで解決──その衝撃と議論

Astraが解決した具体的な問題

OpenAIの報告書によると、成果は8つの分野にわたり、証明、反例、限界の改良などが含まれています。

• 非ソフィック群（Non-sofic groups） — 非ソフィック群の存在を初めて具体的に構築。これは1999年にミハイル・グロモフがソフィシティの概念を導入して以来、群論における中心的未解決問題に終止符を打つものです。
• コンヌの剛性予想（Connes's rigidity conjecture） — フォン・ノイマン環における長年の予想を否定しました。
• 高次元球充填（High-dimensional sphere packing） — 既に解決された次元を超えた高次元での球充填の新たな上限を示しました。
• ポール・エルデシュが提起した3つの問題 — エルデシュ問題No.183（多色ラムゼー数）を含む、エルデシュの3つの組合せ論的問題を解決しました。
• その他の成果 — 量子並列反復、格子暗号の最近接ベクトル問題、算術回路複雑性、二進符号および球符号、エアハルトの体積予想などで新たな結果を達成しました。

OpenAIが検証を行った方法

OpenAIはモデルの出力だけに頼っていません。すべての成果にはLean 4形式証明書が付属しており、これはラップトップ一台で誰でも独立に検証できるコンピュータチェック可能な証明ファイルです。Leanは証明支援器であり、公理から結論に至るまでのすべての論理ステップをチェックし、ギャップ、型エラー、矛盾を検出します。OpenAIはすべてのLeanファイルをGitHubで公開しており、未証明ステップを示す「sorry」カウントは全10の証明でゼロです。

しかし、複数の論者は形式検証には重要な限界があると指摘しています。Leanは形式的なステートメントが形式的定義に従っていることを確認できますが、プレスリリースの要約が形式的定理を正確に反映しているか、形式的定義が数学コミュニティの意図した問題と一致しているか、結果の新規性や歴史的枠組みが正しいかを保証することはできません。専門家による、ステートメントの忠実性、定義、還元、非形式・形式間の架橋の監査が依然として必要です。

コスト：トークン換算で2000ドル

OpenAIは、全10の解を生成するための総計算コストは、Sol APIレート換算で約2000ドルのトークンコストだったと明らかにしました。この数字は、解を発見するためのトークンのみをAPI相当価格で換算したもので、失敗した試行、並列探索、証明にたどり着くまでに費やされた内部計算は含まれていません。比較として、トップ大学の数学の博士課程学生一人の年間奨学金は5万ドルを超えることもあり、コスト効率の良さは多くの観察者にとって最も印象的な側面となっています。

批判と懐疑

数学コミュニティとAI研究者からは、いくつかの注意点が指摘されています。

• 数学コミュニティの見解は分裂 — 成果の評価は依然として分かれています。一部の研究者は、Lean証明書が形式的な正しさを保証する一方で、その結果が重要であること、驚くべきものであること、意図された未解決問題の解決として正しく枠組されていることを保証するものではないと警告しています。
• ゲイリー・マーカス（認知科学者） は、「数学での成功は特殊なケース」であり、ある領域での専門性が一般的な推論能力を意味するわけではないと主張。8つの誤解を列挙し、結果を科学全般に過度に一般化することに警告を発しました。
• 「誰がAIの証明を検証するのか？」 — 観察者たちは、推論が不透明なAIが生成した数学をどう監査するかという未解決の問題を提起しました。ブラックボックスモデルの結果が既知の研究のクレジットなしの再構成であるかどうかを評価するための合意された方法はありません。
• ピアレビューと透明性の欠如 — この発表は、数学者がAI企業がピアレビューを経ずにプレスリリースで成果を発表することに抗議した2026年6月の「ライデン宣言」の直後に行われました。OpenAIはAstraモデルを公開しておらず、モデルカードを提供しておらず、2000ドルという数字の背後にある失敗率も開示していません。
• Google DeepMindとの比較 — 懐疑論者は、過去のAI数学の主張（例：DeepMindのAlphaGeometry）が後に精査に直面したことを指摘し、パラダイムシフトを宣言する前に注意を促しています。

広範な影響

• 研究の民主化 — 2000ドルというコストは、小規模なチームや個人でもAIを使って、これまで何年もの人間の専門知識を必要とした真の研究貢献ができる未来を示唆しています。
• 検証文化の危機 — 今、この分野は、モデルがプロプライエタリなブラックボックスである場合に、AIが生成した証明をどのように評価し、帰属し、ピアレビューするかについての合意された基準を緊急に必要としています。
• 数学の商業的支配 — 最先端の数学的発見がプロプライエタリモデルへのAPIアクセスに依存するようになれば、中核的な研究インフラが公的機関から民間企業に移行します。
• AI能力の新たなベンチマーク — 固定された競技問題（例：IMOやMATH）を解くのとは異なり、Astraは知識のフロンティアを前進させる真に斬新な未解決問題の成果を生み出し、「AIが数学をする」ことの意味のハードルを引き上げました。マンチェスター大学の数学者トーマス・ブルームは、この結果を「ビッグニュース」と呼ぶ一方で、AIが数学者に取って代わるという考えを否定し、AIは1世紀以上の数学理論を利用しており、数学者によって構築されたものだと指摘しています。