2026年4月、OpenAIの首席科学者Jakub PachockiはUnsupervised Learningのポッドキャストに出演し、フロンティアAI研究がどこへ向かうのかを語った。いま振り返ると、そのタイミングはとても鮮明に見える。数週間後、OpenAIは社内の汎用推論モデルがPaul Erdősに関わる平面単位距離問題の中心的な予想を反証したと発表した。この結果は外部の数学者によって検証され、著名な研究者による補足的な解説でも重要な数学的出来事として扱われた。
ポッドキャストと新しい数学ニュースを合わせて見ると、研究におけるAIを語る言葉そのものが変わり始めている。最先端のモデルは、人間が設定した問いに答える段階から、方向性を提案し、構成を試し、離れた分野の間に橋を架ける段階へ進んでいる。この変化は大きい。フロンティア研究はしばしば奇妙な直感から始まり、その後で整った証明、実験、論文へと姿を変えるからだ。
単位距離問題は説明だけなら簡単だ。平面上にn個の点を置き、距離がちょうど1になる点の組が最大でいくつ作れるかを数える。1946年以降、数学者たちはその最大値がどれほど速く増えるかを研究してきた。何十年もの間、正方格子に基づく構成はほぼ最適に見え、Erdősはその成長率を意味のある多項式的な形で上回る構成はないと予想していた。OpenAIによれば、そのモデルはまさにそれを上回る無限族の構成を見つけた。数学的な驚きは、初等的で幾何学的に見える問題に代数的整数論が入り込んだことにある。組織的な驚きは、そのモデルが広い課題範囲を持つ汎用推論モデルとして示されたことにある。
だからこそ、Pachockiのポッドキャストでの発言はいま、単なる予測よりもロードマップのように響く。彼はコーディングエージェント、数学と物理のベンチマーク、容易に検証できる課題を超える強化学習、そしてモデルがAI研究所そのものの研究速度を高める可能性について語った。ここで面白いのは、実行から研究上の勘へと役割が広がる点だ。有用な研究システムは計算するだけでは足りない。試す価値のある道を選び、平凡に見える問題の隠れた構造に気づき、人間が可能性の低いものとして脇に置いた危険な構成にも労力を投じる。
検証の価値はさらに高まる。モデルが生成した証明は、人間と形式的な道具がそれを調べ、単純化し、既存の文献と結びつけられるときに意味を持つ。OpenAIの事例が注目されたのは、数学者が論証を確認し、補足的な解説を書いたからだ。この流れは近い将来のAI科学の基本形になる。機械はより多くの候補アイデアを生み、専門家コミュニティはどのアイデアが厳密さに耐えるかを判断する。
日々の研究者にとって、実用的な教訓はすでに見えている。AIは論文、スケッチ、数式、図、草稿の間を行き来する研究の複雑な中盤でパートナーになれる。研究者はChatGPTを使って証明戦略の候補を探索したり、関連文献を比較したりできる。画像の中にある数式を編集可能な形にしたいときはMiss Formulaが役立つ。AIが生成した論文図を投稿や修正の前に編集可能なベクター形式へ変換したいときはEditable Figureを使える。これらの道具は人間の判断を中心に置きながら、アイデアが共有可能な結果へ進むまでの摩擦を減らしてくれる。
より深い変化は文化にある。研究所は以前、AIが技術作業の小さな断片を助けられるかを問うていた。これからは、モデルが実験を提案し、隠れた類似性を明らかにし、専門家が監査できる成果物を作るワークフローをどう設計するかを問う必要がある。そのためには、より強いレビューの循環、明確な出所の記録、モデル生成の主張に関するより良いログ、そしてひらめきと証拠を分ける習慣が欠かせない。
最も刺激的な未来は、より多くのアイデアが試され、より多くの弱い直感が検査され、より多くの意外なつながりが本物の成果になる機会を得る研究室だ。Pachockiのインタビューは、モデルが研究過程を加速し始める世界を描いた。単位距離問題の結果は、その世界に具体的な例を与えた。AIはすでに研究アイデアを提供し始めており、次の問いは、私たちがそれらとどれほど慎重に協働できるかである。