OpenAIが未公開の内部モデルで数百件の数学的成果を公開

OpenAI は 2026 年 10 月 6 日 に、商業的にリリースされていない内部モデルが生成した膨大な数学的成果のセットを公開したと公式に発表しました。この成果はすべて公開 GitHub リポジトリに配置され、リポジトリには Lean 言語による形式化、モデルが辿った推論の要約、計算リソースに関する統計情報が添付された包括的なドキュメントが同梱されています。OpenAI は、この公開決定が Institute for Advanced Study の独立した数学と AI に関する諮問グループの勧告に基づくものであると述べましたが、同時にモデルのソースコードや実験で使用されたすべてのプロンプトは公開しない方針を取ったことも明らかにしました。

背景と動機

近年、OpenAI は形式的証明を自動生成できるシステムの開発に多額の投資を行っており、数学研究の最前線に挑戦する能力を持つモデルの構築を目指しています。過去のバージョン、例えば GPT‑4‑Turbo の成功は、AI が未解決の予想問題の解決を加速させ、研究者の作業負荷を軽減できる可能性を示唆しました。このような期待感の中で、Institute for Advanced Study の独立諮問委員会は、外部からの評価と学術コミュニティとの協働を促進するために、取得した成果を公開することを OpenAI に勧告しました。

結果のみを公開し、モデル自体を非公開にするという選択は、OpenAI が他のセンシティブ領域で採用しているリスク緩和戦略と一致しています。具体的には、形式的証明と推論の要約という形で十分な情報を提供することで、専門家が結果の正当性を検証できるようにしつつ、モデルの知的財産を保護し、十分な安全性評価が完了するまでの不正利用リスクを最小限に抑えることを目的としています。

公開された内容

公開されたパッケージは複数の情報カテゴリで構成されています。各成果は Lean で完全に形式化された証明と、最大十ステップに要約されたモデルの推論過程を含んでいます。さらに、OpenAI は試行した問題数、成功率、計算コストの推定値といった統計情報も提供しました。計算コストの推定では、平均的な成果が ChatGPT Pro の約三時間分の推論に相当するリソースを消費したと報告されています。ただし、証明を導いたすべてのプロンプトや、証明生成モデルのソースコードは含まれていません。

• 372 件の結果に対する Lean 形式化の完全版
• 各結果につき最大十ステップの推論要約
• 試行回数と成功率に関する統計情報
• 計算リソース推定（結果あたり約 3 時間の ChatGPT Pro）

Scientific American は、これら 372 件の成果が数論から代数トポロジーまで多様な数学分野の未解決問題を解決または前進させるものであるとカウントしました。同誌は、複数の証明が Lean で形式的に検証されたものの、各貢献の重要性や独創性については学術コミュニティがまだ評価を下す必要があると指摘しています。OpenAI は、形式的検証だけでは科学的新規性が保証されないこと、そして実際のインパクトを確認するためにはピアレビューが不可欠であることを認めています。

コミュニティの反応

リポジトリを検証した数学者の多くは、結果の完全な検証可能性に対して懐疑的な姿勢を示しています。モデルや完全なプロンプトにアクセスできないため、証明に至る推論経路を再現することが難しいと指摘する声が上がっています。また、一部の証明が既知の結果や既存定理の些細な変形に過ぎない可能性があるとの疑念も表明されています。さらに、数百件の形式的証明を評価するには多大な時間とリソースが必要であり、多くの学術機関がその負担を抱えきれないという現実的な障壁も指摘されています。

しかしながら、同時にこの取り組みを前向きに評価する研究者も存在します。Lean で公開された形式化は、研究者が既存の証明を拡張したり新たな予想に挑戦したりするための基盤となり得ます。専門家の中には、モデル自体が公開されていなくても、結果の公開が評価基準、クレジットの帰属、AI 支援知識生産の倫理的側面に関する議論の出発点になると指摘する声もあります。

今後のステップと影響

OpenAI は、今後のバージョンで引用の正確性、説明の明瞭さ、全体的なプレゼンテーションの質を向上させることを約束しています。また、AI 研究者と数学者を結集したワークショップへの資金提供を発表し、機械生成結果の検証と公開に関するベストプラクティスを策定することを目指しています。潜在的な利益としては、発見の加速、証明ツールの民主化、学際的コラボレーションの新たな形態が期待されますが、同時にモデルの透明性欠如や人間による厳格なレビューの必要性といった現在の制約も考慮しなければなりません。現在変化したのは、コミュニティが大規模な形式的証明コーパスにアクセスできるようになり、将来の研究の出発点として活用できるようになったことです。その一方で、AI が生成した貢献を従来の科学的評価体系に統合するための批判的な議論が新たに始まっています。