米OpenAIは社内のAIモデルが生み出した数学研究の成果722編をGitHubで公開したと発表した。
証明の一部を形式的に検証できる形で共有し、研究過程や計算資源の情報も開示する。AIによる科学研究の透明性向上を目指す取り組みだ。
数学成果722編を公開、証明の検証情報も共有
OpenAIは2026年10月6日、社内のフロンティアモデル（※）が生み出した数学分野の研究成果をGitHub上の専用リポジトリで公開したと発表した。
今回の成果は幅広い数学領域に及び、論文の改訂や引用に関するルールも整備されている。
公開方法の策定にあたっては、独立組織である高等研究所の数学・人工知能諮問グループと協議を重ね、同グループの助言や公開提言を取り入れた。
また、多くの証明について、数学的な正しさをコンピューターで検証できるプログラミング言語「Lean」による形式化データも共有している。
未形式化の証明についても、検証可能な形に整理でき次第、順次追加する方針だ。
研究の透明性を高めるため、成果を得るまでの過程も開示した。
具体的には、モデルの推論に関する要約10件に加え、解答を試みた問題数の統計や、研究に投入した計算資源の推定値を公開している。
成果1件あたりの計算資源は、平均でChatGPT Proの思考時間約3時間分に相当するという。
さらに、今後の成果公開では、引用方法や数学的な説明、研究成果の提示方法を改善し、論文の質を高める方針を示した。
GitHub以外の公開先についても、諮問グループの指針を満たすコミュニティ運営のリポジトリを引き続き検討する。
加えて、研究コミュニティによる理解を深めるため、ワークショップや学会、特別プログラムへの資金提供を予定しており、詳細は近日中に発表する。
成果を生み出したAIモデル自体についても、研究者が直接利用できるよう、責任ある形での公開に向けた取り組みを進めている。
※フロンティアモデル：高度な推論能力や問題解決能力を備え、最先端の性能を持つAIモデル。数学や科学などの専門分野において、複雑な課題の解析や新たな知見の発見を支援することが期待されている。
AIによる数学研究が加速か、成果の信頼性確保が課題
今回の公開は、AIが研究者の作業を補助するだけでなく、数学上の新たな知見を生み出す役割を担う可能性を示している。
特に、研究成果とともに証明の形式化データを共有する取り組みは、AIによる発見の信頼性を高めるうえで重要だ。
数学では、結論の新規性だけでなく、論理的に正しいことを厳密に示す必要がある。
Leanを活用することで、研究者が証明の妥当性を確認しやすくなり、成果の再利用や発展につながると考えられる。
一方、AIが生成した数学的な主張には、誤った推論や不完全な証明が含まれるリスクもある。
形式的な検証が進んでいない成果については、専門家による精査が欠かせない。
また、大量の成果が公開されることで、研究者側の検証負担が増大する可能性も否定できない。
さらに、計算資源の消費量が示されたことは、AIによる研究の効率性を評価する材料になる。
ただし、計算量だけで成果の重要性や研究効率を判断することは難しく、従来の研究手法との比較には慎重な検討が必要だろう。
今後、AIモデルが外部の研究者にも利用可能になれば、数学以外の科学分野でも研究の進展を後押しする可能性がある。
その一方で、成果の正確性や再現性を担保する仕組みの整備が不可欠となる。
AIが科学的発見の担い手として定着するかどうかは、研究コミュニティとの協力を通じて、信頼できる検証体制を確立できるかにかかっている。
関連記事：
OpenAI、約90年未解決のナビエ・ストークス解決策発表 AIが数学研究を加速
Google DeepMindの数学AI、56年未解決問題を含む9件を形式証明 研究レベルの数学にAI活用広がる
Nyx Foundation、数学で「ハルシネーションしないAI」へ Konoe Intelligenceと共同研究を開始
