AIが科学を支援するのをやめ、自ら科学を行うようになったとき

もっと注意深く見つめるべき出来事が起きたが、今のところ十分に注目されていない。

10月6日、OpenAIは数学論文722本を公開GitHubリポジトリに掲載した。これらの論文を生み出したのは、まだ公開されておらず、一般に知られた名称もない社内の最先端モデルだ。研究成果は数学の17分野にまたがり、372の異なる系統に分類されている。主張の一部が検証されれば、何十年も未解決だった問題に真の進展をもたらすことになる。

いつものように、即座の反応は二つに分かれた。一方は、これは並外れたことであり、変革をもたらすと述べた。もう一方は、急ぐべきではない、査読を受けたものは一つもなく、どれか一つでも正しいのか分からないと指摘した。

どちらの反応も正しい。しかし、より重要な問いが抜け落ちている。結果は正しいのか。そして、その答えを誰が検証しているのか。

二つの問い。そのうち答えが出ているのは一つだけ

報道では一緒に扱われてきた二つの論点を分けて考えたい。意味合いがまったく異なるため、さらに掘り下げる価値がある。

第一の問いは、これらの数学的成果が正しいかどうかだ。これは数学者が答えるべき問いであり、答えが出るまでには数カ月かかるだろう。722本の論文の約5分の1にはLeanによる証明が付いており、これは機械検証された形式的証明を意味する。残りの約580本にはそれがなく、形式化されていない成果の一部には問題があり得ると、OpenAI自身がリポジトリのREADMEで認めている。数学界は慎重に検討を進めるだろう。正しい成果もあるだろう。おそらく正しくないものもある。この検証プロセスは不可欠だが、まだ行われていない。

第二の問いは別のものだ。AIモデルが、成果ごとにおよそ3時間思考したのに相当する計算を用い、17分野にまたがる数学論文を722本生み出したことは、何を意味するのか。

あるAIシステムは、真の数学的発見エンジンとして機能した。自らおよそ4,000の問題を立て、数論、幾何学、理論計算機科学、数理物理学、論理学の各分野で新しい数学的成果を生み出した。検証の問いは数学研究にとって重要だが、この偉業と能力は、それ以外のあらゆる領域にとって重要である。

誰も使えないモデル

私が最も驚いたのは722本の論文そのものではなく、それを生み出したモデルだ。このモデルには、今も名前がなく、APIも割り当てられていない。顧客も、OpenAI以外の研究者も、モデルを基盤に何かを構築しようとする企業も、利用できない。OpenAIが公開したのは、市場がまだ目にしておらず、現時点ではアクセスもできない能力の成果だ。

投資の観点から見ると、これは非常に明確なシグナルだ。同社は最先端の能力を実証した。その能力は定義上、市場が織り込んでいる水準を上回っている。この成果によって、OpenAIの社内モデルができることと、市場がそれらのモデルにできると認識していることとの隔たりは広がった。

しかし、その隔たりがいつまでも大きいままではない。モデルが公開されたとき、競合他社が追いついたとき、あるいは成果を受けて新たなベンチマークが作られ、誰もがその達成に向けて最適化を始めたとき、隔たりは縮まる。だが今、2026年10月の時点では、企業の外にいる誰も使うことも十分に評価することもできないAIシステムが、数学的能力を発揮したことを示す、記録に残る公開デモンストレーションが存在する。

投資テーゼをどう変えるのか

革命への投資では、変革をもたらすテクノロジーが組み合わさると、その結果は足し算ではなく掛け算になるという原則を「融合効果」と呼んでいる。2足す2が4になるわけではない。どちらのテクノロジーも単独では生み出せないものが生まれるのだ。

私は2年間にわたり、AIと科学的発見の融合を、将来を見据えた投資テーマとして論じてきた。ハイブリッドAIと量子コンピューティングによって、創薬にかかる期間が数年から数週間へと短縮すること。AIが生成する分子シミュレーションを通じて、材料科学が進歩すること。数学的基盤のAI支援分析によって、暗号技術が再編されること。

これらは初期の兆候に基づく予測だった。今週、そのうちの一つが現実になった。

AIモデルが17分野にわたる722本の論文に相当する規模で、真の数学的発見を行うというのは、これまで私たちが前提としてきたものとは、AIと科学的知識の関係が根本的に異なることを示している。とりわけ重要な分野は、まさに私が注目してきた領域だ。数論は暗号技術の数学的基盤であり、暗号技術はあらゆるブロックチェーンシステムと安全な通信プロトコルの基盤となっている。数理物理学は、材料科学と量子コンピューティングのハードウェアを支えている。理論計算機科学は、アルゴリズム開発の根幹だ。こうした分野のいずれかで進展があれば、その影響は下流の製品、企業、そして産業全体へと波及する。

AIが、人間の研究者が単独で取り組むよりも速くこうした分野を前進させられるなら、その下流への波及も加速する。投資家にとっての問いは、何が加速し、何がその加速を促し、どれほどの速さで進み、誰がその進路上に位置しているのか、ということだ。

まだ存在しない検証経済

この話には、明確に指摘されているのをまだ見たことがない、具体的な投資上の含意がある。

722本の論文のうち162本には、Leanによる機械検証済みの証明がある。残りにはない。OpenAIは、初期段階の監督を担う助言グループとして、Institute for Advanced Studyに協力を求めた。同グループは、この公開を、成果を数学的知識に取り込む作業の完了ではなく、その第一歩だと説明した。

実際には、AIシステムが数学や科学に関する主張を生み出す速度に、既存の人間主体の仕組みでは検証が追いつかない世界が、すでに到来している。この生成と検証の間の隔たりは、一時的な問題ではない。AIの能力が高まるほど、その隔たりも広がる。科学的成果を生み出すAIの能力が向上するたびに、それを埋める仕組みが構築されないかぎり、検証とのギャップは拡大していく。

その仕組みとなるのが、新たなカテゴリーのインフラだ。形式検証ツール、AIを活用した証明チェック、数学的主張を既知の成果や内部整合性のある枠組みに照らして検証する自動化パイプラインなどが含まれる。Leanの証明システムはその出発点だが、今回の公開分の22％をカバーするにとどまり、今後到来する規模に対応するよう設計されたものではない。

AIが生み出す科学成果を検証する経済圏は、大きなものになるだろう。しかし、今日ではまだほとんど存在していない。それを築く企業は、単に役立つだけでなく、本当に不可欠なものを生み出すことになる。これは、構築するインフラとして最も持続性の高いものだ。

80年にわたり動き続けてきた境界線

コンピューターが人間より速く数値計算を行うようになった当初、多くの数学者は、それを数学ではなく計算にすぎないとして退けた。機械は計算できる。しかし、発見はできない。それが境界線だった。

その境界線は、それ以来ずっと動き続けてきた。四色定理のような重要な成果をめぐるコンピューター支援証明は、人間が証明を完全に検証できなかったため、1980年代から1990年代にかけて論争を呼んだ。2000年代から2010年代にかけては、自動定理証明器が進歩した。境界線が動くたびに、同じ主張が繰り返された。「これは本当の数学ではない。単なる計算だ」と。

境界線は再び動いた。ここ数年で最もはっきりと、そして退けるのが難しい形で動いたのは、その成果が誰でも確認できる公開のGitHubリポジトリに置かれているからだ。

722件の成果すべてが精査に耐えると言っているのではない。私が主張しているのは、成果を生み出す過程で示された能力が、科学分野でAIにできることを真に、そして長期にわたって変えるものだということだ。

投資家にとっての転換点

『革命への投資』で論じているように、最大の投資機会は転換点に生まれる。変革をもたらす技術が、何が可能になるかを根本から変えるしきい値を超えるときだ。今はそのような瞬間の一つである。

科学における独自の発見を生み出すAIの能力が新たに現れつつあることは、イノベーションの起こり方と価値が創出される場所の変化を示している。その影響はAI開発企業にとどまらず、創薬、先端材料、エネルギー、暗号技術、産業界のR&Dにも及ぶ。研究の加速によって開発期間が短縮され、コストが下がり、まったく新しい市場が開かれる可能性がある。

投資家にとっての機会は、商業的な影響が明らかになる前に、この転換点を見極めることにある。つまり、AIが生み出した発見を検証するために必要なインフラと、そうした発見を独自技術、拡張可能な事業、持続的な競争優位へと転換するうえで最も有利な立場にある企業を見極めることだ。

個々の発見には、なお検証が必要だ。しかし、より大きな流れは明らかである。AIは、科学的発見を支援する段階から、発見を主導する可能性のある段階へと移りつつある。この変化の重要性と、その影響がどこに集まるのかを理解する投資家こそが、そこから生まれる価値を最大限に取り込める立場に立つだろう。