Association for Human Mathematics（AHM）は、OpenAIが2026年10月6日に数学の原稿を大規模公開したことを受け、数学者に同社との協力をやめるよう呼びかけた。問題視しているのは、証明に誤りがあるかどうかだけではない。企業のAIモデルが大量に結果を提示しても、それだけで検証や議論を経た科学的知識になるわけではない、という主張だ。4546

公開された原稿に価値ある成果が含まれている可能性はある。一方で、件数や印象的な主張だけでは、正しさは確かめられない。誰がモデルを検証できるのか、誰が確認作業を担うのかという問題も、今回の論争の中心にある。

OpenAIが公開したもの

当初の発表では、17分野にまたがる数学原稿722本が公開され、関連する結果ごとに372のグループに整理された。つまり、722本すべてが互いに独立した新発見というわけではない。リポジトリには原稿と証明を支える資料が含まれ、Apache-2.0ライセンスで公開されている。715

OpenAIによると、モデルには約4,000問が提示され、結果1件あたりの平均計算量はChatGPT Proの「Thinking」を約3時間使うのに相当するという。また、モデルの推論過程を短くまとめた資料10件と、一部の証明をLeanで形式化したファイルも公開した。71216

ただし、リポジトリは結果がさまざまな検証段階にあり、すべてにLean形式の証明が付いているわけではないと説明している。現在の一覧では原稿数は719本で、当初発表された722本とは異なる。1011

収録内容には、マーラー予想や円周率πの無理数度に関する主張などがある。注目度の高い主張であっても、原稿として公開されたというだけで、確定した成果とみなすことはできない。521

AHMが問題視する「大量公開」

AHMは声明で、数学者は「この仕事を依頼していない」と述べ、数百件のファイルを一度に公開することを、学術研究というより「力の誇示」だと批判した。成果を急いで受け入れたり、処理したりするのではなく、懐疑的な姿勢と人間を中心に据えた研究を求めている。4546

現実的な課題は、確認にかかる労力だ。専門家が原稿を読み、証明を確かめ、既存の研究との関係を調べる必要がある。資料が公開されれば検討の入口にはなるが、その作業がなくなるわけではない。むしろ、相当部分が研究者側に委ねられる。

AHMはまた、数学研究とAI企業の関わりについて助言するAdvisory Group on Mathematics and Artificial Intelligenceの警告にも言及した。AHMの声明によれば、同グループは、最先端の数学問題を企業内部のモデルで試すことに慎重な姿勢を示していた。4548

Leanで確認できること、できないこと

Leanは、証明を形式化し、コンピューターで論理の手順を検査できるようにする仕組みだ。OpenAIによると、162本の原稿では主要な命題が形式化されている。5 これは、その形式化が対象とする結果の確認を強めるが、すべての原稿に含まれるすべての主張を自動的に証明するものではない。

Lean形式化のない結果は、通常の数学的な読解と検証が必要になる。リポジトリ自身も、結果ごとに検証段階が異なり、すべてにLean形式化があるわけではないとしている。1011 したがって、コレクション全体を「証明済み」か「無価値」かのどちらかに決めつけず、個々の結果を確かめる必要がある。

透明性はどこまで確保されたのか

試行した問題数や計算量の目安、推論過程の短い要約10件は、結果がどのように生まれたかを知る手がかりにはなる。71216 しかし、個々の結果について完全な研究記録が示されたわけではない。モデルは社内のもので、外部の研究者が独立に利用して調べることもできない。711

また、約4,000問を試したという数字だけでは、明確に定義された最先端の問題群に対する成功率は分からない。成果の再現性や性能を評価するには、個々の結果がどのような方法で生成されたのか、さらに詳しい情報が必要となる。

OpenAIは、重要な成果を検討するためのワークショップや会議を企画する考えを示している。7 こうした機会は研究者の検証を後押ししうるが、証明がどのように導かれたかを独立に評価するための十分な情報公開に代わるものではない。

問われているのはAIの能力だけではない

AIが生み出した議論の中に、数学的に有意義な進展が含まれている可能性はある。しかし、その価値は公開件数や問題の知名度ではなく、個々の結果が独立した検証に耐えるかどうかで判断される。710

AHMの反応は、人間が積み重ねてきた先行研究をどう認識するのか、新たな結果の評価に誰がどれだけの時間を費やすのか、そして人間による数学研究への支援や優先順位が変わるのか、といった問いも浮き彫りにした。今回の公開だけで答えが出るわけではないが、こうした論点を差し迫ったものにしている。4546

大切なのは、大量の数学的主張を生成できることと、それを科学的に確かめることを分けて考えることだ。今回の論争は、AIが数学に何をもたらしうるのかだけでなく、その成果を検証可能で透明性のある形で研究コミュニティに示すには何が必要なのかを問うている。

Association for Human Mathematics（AHM）は、OpenAIが2026年10月6日に数学の原稿を大規模公開したことを受け、数学者に同社との協力をやめるよう呼びかけた。問題視しているのは、証明に誤りがあるかどうかだけではない。企業のAIモデルが大量に結果を提示しても、それだけで検証や議論を経た科学的知識になるわけではない、という主張だ。4546

公開された原稿に価値ある成果が含まれている可能性はある。一方で、件数や印象的な主張だけでは、正しさは確かめられない。誰がモデルを検証できるのか、誰が確認作業を担うのかという問題も、今回の論争の中心にある。

OpenAIが公開したもの

当初の発表では、17分野にまたがる数学原稿722本が公開され、関連する結果ごとに372のグループに整理された。つまり、722本すべてが互いに独立した新発見というわけではない。リポジトリには原稿と証明を支える資料が含まれ、Apache-2.0ライセンスで公開されている。715

OpenAIによると、モデルには約4,000問が提示され、結果1件あたりの平均計算量はChatGPT Proの「Thinking」を約3時間使うのに相当するという。また、モデルの推論過程を短くまとめた資料10件と、一部の証明をLeanで形式化したファイルも公開した。71216

ただし、リポジトリは結果がさまざまな検証段階にあり、すべてにLean形式の証明が付いているわけではないと説明している。現在の一覧では原稿数は719本で、当初発表された722本とは異なる。1011

収録内容には、マーラー予想や円周率πの無理数度に関する主張などがある。注目度の高い主張であっても、原稿として公開されたというだけで、確定した成果とみなすことはできない。521

AHMが問題視する「大量公開」

AHMは声明で、数学者は「この仕事を依頼していない」と述べ、数百件のファイルを一度に公開することを、学術研究というより「力の誇示」だと批判した。成果を急いで受け入れたり、処理したりするのではなく、懐疑的な姿勢と人間を中心に据えた研究を求めている。4546

現実的な課題は、確認にかかる労力だ。専門家が原稿を読み、証明を確かめ、既存の研究との関係を調べる必要がある。資料が公開されれば検討の入口にはなるが、その作業がなくなるわけではない。むしろ、相当部分が研究者側に委ねられる。

AHMはまた、数学研究とAI企業の関わりについて助言するAdvisory Group on Mathematics and Artificial Intelligenceの警告にも言及した。AHMの声明によれば、同グループは、最先端の数学問題を企業内部のモデルで試すことに慎重な姿勢を示していた。4548

Leanで確認できること、できないこと

Leanは、証明を形式化し、コンピューターで論理の手順を検査できるようにする仕組みだ。OpenAIによると、162本の原稿では主要な命題が形式化されている。5 これは、その形式化が対象とする結果の確認を強めるが、すべての原稿に含まれるすべての主張を自動的に証明するものではない。

Lean形式化のない結果は、通常の数学的な読解と検証が必要になる。リポジトリ自身も、結果ごとに検証段階が異なり、すべてにLean形式化があるわけではないとしている。1011 したがって、コレクション全体を「証明済み」か「無価値」かのどちらかに決めつけず、個々の結果を確かめる必要がある。

透明性はどこまで確保されたのか

試行した問題数や計算量の目安、推論過程の短い要約10件は、結果がどのように生まれたかを知る手がかりにはなる。71216 しかし、個々の結果について完全な研究記録が示されたわけではない。モデルは社内のもので、外部の研究者が独立に利用して調べることもできない。711

また、約4,000問を試したという数字だけでは、明確に定義された最先端の問題群に対する成功率は分からない。成果の再現性や性能を評価するには、個々の結果がどのような方法で生成されたのか、さらに詳しい情報が必要となる。

OpenAIは、重要な成果を検討するためのワークショップや会議を企画する考えを示している。7 こうした機会は研究者の検証を後押ししうるが、証明がどのように導かれたかを独立に評価するための十分な情報公開に代わるものではない。

問われているのはAIの能力だけではない

AIが生み出した議論の中に、数学的に有意義な進展が含まれている可能性はある。しかし、その価値は公開件数や問題の知名度ではなく、個々の結果が独立した検証に耐えるかどうかで判断される。710

AHMの反応は、人間が積み重ねてきた先行研究をどう認識するのか、新たな結果の評価に誰がどれだけの時間を費やすのか、そして人間による数学研究への支援や優先順位が変わるのか、といった問いも浮き彫りにした。今回の公開だけで答えが出るわけではないが、こうした論点を差し迫ったものにしている。4546

大切なのは、大量の数学的主張を生成できることと、それを科学的に確かめることを分けて考えることだ。今回の論争は、AIが数学に何をもたらしうるのかだけでなく、その成果を検証可能で透明性のある形で研究コミュニティに示すには何が必要なのかを問うている。