Fields Medal（フィールズ賞）と Turing Award（チューリング賞）の受賞者である Terence Tao が、AI が数学分野に与える危機について警告を発しました。その主張は単なる「AI への不安」ではなく、数学が本来的に持つ価値がどう変質するかという、学問の本質に関わる問題を指摘しています。

「証明の不足から過剰へ」——数学の反転危機

Tao の主張の中核は、証明の量と質のジレンマです。

従来、数学研究者の最大の課題は「解けない問題をどう攻略するか」でした。一つの証明を生み出すために、年単位での試行錯誤が必要でした。しかし AI が研究レベルの数学的課題をこなせるようになると、状況は一転します。

「証明の不足から証明の過剰へ」——これが新しい危機。

AI は数分で複数の証明を生成できます。人間が検証・理解するペースが追いつかないのです。

理解できない証明に、価値はあるか

Tao が最も強調する点は、「AI が生成した証明は、人間が理解できない」という問題です。

これは「長さが長い」というだけではありません。AI の証明には、人間の思考プロセスにはない飛躍や、複数層のロジックが入り組んでいます。その結果：

  • 数学者が証明を読んでも「なぜこれで成り立つのか」を直感的に把握できない
  • 教育への転用ができない（学生が学べない）
  • 新しい手法・洞察を見出す足がかりにならない

一見するとパラドックスです。「証明が正しい」なら十分ではないのか。Tao の答えは NO です。

「ゴッドハートの法則」—— 指標が目標を置き換えるとき

Tao は、この現象を社会学の古い概念「ゴッドハートの法則」に例えます。

「何かを指標として測定し始めると、それはもう良い指標ではなくなる」

数学の場合、測定可能な指標は「問題解決」「定理の数」。しかし数学の本来の目標は：

  • 深い理解の獲得
  • コミュニティの知識蓄積と世代間継承
  • 新しい問題発見のきっかけ

AI が「定理の数」を爆発的に増やすと、この本来の目標から乖離します。

Tao が提案する唯一の条件

Tao は、AI 生成の証明が受け入れられるための条件を明示しています：

「著者（またはチーム）が、その成果について clear, expert-level talk を与えられることが条件」

つまり、論文や証明があったら、その著者は「これが何を意味し、なぜ重要で、どう理解すべきか」を、同分野の専門家に対して明確に説明できなければならないということです。

もしそれができないなら、その研究成果は「未発表」と見なされるべき、というのが Tao の主張です。

数学の危機が示す、AI と学問の本質的な問題

Tao の警告は、数学に限った話ではありません。他の学問（物理学、化学、経済学）にも同じロジックが当てはまります。

「AI に答えを出させるだけで、人間が理解・教育・継承できなくなったら、それはもう学問ではなく、単なる計算機械の出力」

この問題は、AI 企業が「モデルの能力向上」に注力すればするほど、深刻になります。同時に、数学者や学問の担い手たちが、AI との関係を再定義する必要がある時代が到来していることを示唆しています。

Tao の提案は、一見すると「AI に対する制限」に見えるかもしれません。しかし実質は「学問としての数学を守る最後の砦」なのです。