OpenAIのGPT-5.6 Sol Ultraが50年来の数学的予想を解決
OpenAIの最新の推論モデルであるGPT-5.6 Sol Ultraが、1970年代から未解決のままだった数学的予想を解決し、グラフ理論における画期的な進展をもたらしたと報じられています。極限的な計算の粘り強さとマルチエージェント・アーキテクチャを活用することで、このモデルは1時間足らずで完全な証明を導き出しました。
グラフ理論の謎を解明
当該の予想は、グラフ理論における根本的な問い、すなわち「頂点と辺からなるあらゆるネットワークにおいて、各辺をちょうど2回ずつ通るサイクルの集合を見つけられるか」という問題に取り組むものです。数学者たちは過去50年間にわたり、特定のケースについては部分的な解を見出してきましたが、一般的な証明は依然として困難なままでした。
マンチェスター大学の数学者トーマス・ブルーム氏は、この証明を「短く、初歩的であり、1980年代に発見されていてもおかしくなかったもの」と評しています。興味深いことに、この解決策は全く新しい数学理論の発明を必要としたわけではなく、既存のツールと既知の数学的枠組みを巧みに統合したものでした。
機械の粘り強さが持つ力
ここで重要な疑問が生じます。もし数学的に「初歩的」であったなら、なぜ人間は50年もの間、解決できなかったのでしょうか？ブルーム氏は、解決には推論における小さく、直感に反するひねりが必要だったのではないかと示唆しています。人間の数学者は、論理的な経路を辿る中で、それが失敗に終わると「この問題は解けない」という結論に至ってしまうことがよくあります。
対照的に、GPT-5.6 Sol Ultraは「機械的な粘り強さ」を備えています。このモデルは、落胆するという認知バイアスに陥ることがありません。その代わりに、成功する経路が見つかるまで、論理やラベル付けの微細なバリエーションを継続的に探索します。「敗北の肩をすくめる（諦める）」ことなく、論理的な置換を総当たり的に試行するこの能力により、AIは人間の研究者を足止めしてきた精神的な障壁を回避することができたのです。
高度なプロンプトエンジニアリングとマルチエージェント・アーキテクチャ
Sol Ultraの成功は、単なる生の知能による結果ではなく、高度に洗練されたプロンプトエンジニアリングによるものでした。モデルが「わかりません」という回答に逃げないようにするため、研究者たちは一連の厳格な指示を用いました。
- 強制的な仮定: プロンプトによって、完全な証明が存在することを前提とするようモデルに強制し、予想が未解決であると述べることを防ぎました。
- 情報の隔離: 問題がすでに解決されているかどうかを確認するために、モデルがインターネットを検索することを禁止しました。
- マルチエージェント敵対的テスト: 64のエージェントによるシステムが活用されました。独立した推論を確保するために、多くのエージェントにはどの論理的アプローチが機能しているかを「伏せ」ておき、一方で敵対的なエージェントが、誤って特定された閉路などの特定のエラーがないか、候補となる証明を精査しました。
AIの創造性と引用をめぐる論争
この画期的な出来事は、LLMが真に「創造的」なのか、それとも単に既存の知識を高度に再構成しているだけなのかという論争に再び火をつけました。ブルーム氏は、証明の核心となるアイデアが、Bermond、Jackson、Jaegerによる1983年の論文に遡ることを指摘しました。彼は、AIが生成する論文は適切な帰属表示なしに既存の戦略を使用することが多いと述べ、OpenAIがこの先行研究を引用しなかったことを批判しました。
科学界は依然として完全な数学的検証を待っている状態ですが、この出来事はAIの展望における転換点を示唆しています。大規模なAIモデルは、未解決の科学的問題に取り組むためにますます投入されており、これまでずっと人間の手の届く範囲にあった解決策を、ついに掘り起こす可能性があります。
主なポイント
- 複雑さよりも粘り強さ: AIは新しい数学を発明したのではなく、人間には欠けている、疲れを知らない論理的なバリエーションを用いて既存の理論を適用することで、長年の問題を解決しました。
- 厳格な制約が結果を導く: 「敵対的」なプロンプティングの使用とインターネット検索の禁止により、モデルは標準的な「未解決」という回答を出すのではなく、解決策を見つけ出すことを余儀なくされました。
- 帰属（引用）の課題: この出来事は、モデルが既存の科学文献を再構成する際に、適切な引用が行われないという、AI研究における懸念の高まりを浮き彫りにしています。