フィールズ賞数学者テレンス・タオ、GPT-5.6 Sol Proでヤコビアン予想反例を検証——公開ChatGPT対話が示す「数学者×AI」研究プロトコル

要約

• 事件: 87年来の数学難問「ヤコビアン予想（Jacobian Conjecture）」の反例が、Anthropic Claude Fable 5 + 数学者 Levent Alpöge によって発見された（7月20日）
• タオの寄与: フィールズ賞数学者 Terence Tao が7月21日、自身のブログ “What’s new” で反例の構造解説「A digestion of the Jacobian conjecture counterexample」を公開
• 公開 ChatGPT 対話: タオは GPT-5.6 Sol Pro（ChatGPT）との対話セッションの完全トランスクリプト を公開。検証計算の確認に使用したことを明記
• 意義: 現役最高峰の数学者がAIを「公開された研究パートナー」として使った最初の事例。#125（GPT-5.6 Sol Pro 凸最適化解決） に続く、GPT-5.6 シリーズの数学研究実践例
• HN反響: Tao blog post（HN #4, 636pts, 389cmt）＋ ChatGPT会話スレッド（HN #2, 857pts, 495cmt）—— 両スレッド合計 1,493pts, 884cmt = 今週最大のAI×数学トピック

1. 背景：87年未解決のヤコビアン予想とAIによる反例

ヤコビアン予想は1939年、ドイツの数学者 Ott-Heinrich Keller によって定式化された代数幾何学における中心的な未解決問題である。簡潔に述べると：

ヤコビアン予想: 複素 n 変数の多項式写像 F: ℂⁿ → ℂⁿ において、そのヤコビアン行列式 det(DF) が非ゼロの定数であるならば、F は多項式の逆写像を持つ（大域的可逆性）。

直感的に言えば「各点の近くで局所的に逆にたどれるなら、空間全体でも逆写像を持つ」という主張だ。ヤコビアン行列式が非ゼロであれば局所的可逆性は成り立つ（逆関数定理）が、それから大域的可逆性が導かれるかは87年間未解決だった。Stephen Smale の21世紀の21問題リストにも挙げられ、数多くの「証明」が発表されては崩壊を繰り返してきた。

7月20日、Anthropic に所属する数学者 Levent Alpöge が Claude Fable 5 を用いてこの問題の反例を発見したと発表した。発見された多項式写像 F: ℂ³ → ℂ³ は：

• 次数7の多項式（たった216文字の数式）
• ヤコビアン行列式は恒等的に -2（予想の前提を完全に満たす）
• しかし 3つの異なる入力を同じ出力に写像するため、大域的可逆性は成立しない

反例は発表後数時間で Lean 形式検証が完了（Paul Lezeau が実施）。Alpöge の X 投稿は翌朝までに 2,000万回以上のインプレッションを記録した。Kevin Buzzard（Imperial College London）は「ビッグデーだ。生きているのが素晴らしい」とコメントしている。

2. テレンス・タオによる構造解説「A digestion」

7月21日、フィールズ賞数学者 Terence Tao（UCLA）が自身のブログ “What’s new” に「A digestion of the Jacobian conjecture counterexample」を投稿した。

この「digestion（消化）」というタイトルが示す通り、タオの役割は反例の構造を数学者コミュニティ向けに再構築・教育することだった。具体的には：

1. 反例の代数的構造を3つの視点から再定式化: ヤコビアン予想の標準形 → 反例の幾何学的解釈（アフィン多様体 X ⊂ ℂ⁵） → 乗法マップとしての統一的理解
2. 構成の核心を段階的に解説: 線形・2次・3次同次多項式の乗法写像 F: Sym¹(ℂ²) × Sym²(ℂ²) → Sym³(ℂ²) が自然に「局所的に単射だが大域的には単射ではない」構造を持つことを示す
3. 「ミラクル」と評される次元削減: Sym³(ℂ²) の3次元アフィンスライスへの制限と、座標 (a, y, z) による多項式パラメータ化の導出

タオの解説は、反例が「人工的な構成」ではなく、対称性と乗法構造から自然に現れることを示した点で重要である。つまり、ヤコビアン予想が偽である理由には構造的な深い理由があり、単なる偶然の産物ではない。

3. 公開されたChatGPT対話セッション

記事の中で最も注目すべきは、タオが ChatGPT（GPT-5.6 Sol Pro）との対話セッションの完全なトランスクリプトを公開したことだ。彼は明確にこう書いている：

“I used an AI chatbot to discuss various aspects of this problem and to confirm several of the calculations made here.”

公開されたChatGPT会話では、タオはモデルと以下のようなやり取りをしている：

• 乗法マップのヤコビアン行列式計算の確認
• 各種多項式の合成によるパラメータ化の検証
• 極限ケース（例：a=0 における退化）の扱い
• Pythonコードの生成と実行による中間計算の確認

タオ自身のマストドンでの投稿によれば：

「当初、AIに反例探索用のPythonコードを生成させることを考えたが、実行時間が非現実的で初期パラメータの選択も失敗する運命にあると判明した。しかし、すでに理解している計算の確認にAIを使うのは大きな時間節約になった。同じタスクを手動でデバッグするには数時間かかっただろう。AIは与えられたコンテキストを使って、私のリクエストの数学的な誤りを複数箇所発見・修正し、その後にコードを生成することができた」

これは、AIが「ブラックボックス解答マシン」として機能したのではなく、「共同検証パートナー」として機能したことを示している。

4. #125との接続：GPT-5.6 Sol Proの2度目の数学ブレークスルー

この記事は、7月19日公開の #125（GPT-5.6 Sol Proが30年来の凸最適化ギャップを148分で解決）の直接の続編である。両者を合わせることで見える構造がある：

重要なのは、#125が「GPT-5.6 Sol Proが最初から最後まで自律的に解いた」事例であるのに対し、本稿は「人間の数学者がAIを検証ツールとして使いこなした」事例であることだ。両者は対照的でありながら、互いに補完し合う。

さらに、この背景には Claude Fable 5（Anthropic）による反例発見という、GPT-5.6系列とは異なるモデルの貢献がある。現在のAI数学研究は、OpenAI GPT-5.6 Sol（CDC予想・凸最適化）と Anthropic Fable 5（Grothendieck群スキーム・ヤコビアン予想）のデュアルトラックで進行していると言える。

5. タオのプロンプト戦略：専門家による「keep going」プロトコル

HNコミュニティで大きな話題を呼んだのは、タオのプロンプト戦略である。minimaxir（HN 7,000pt越えの常連）は次のように指摘した：

“just repeatedly saying ‘keep going’ to ChatGPT — this indeed works for most problems where an agent might give up”

実際のタオの対話では、モデルがある計算を完了した後に「Yes, keep going」「OK, what’s next?」「Let’s check the Jacobian at this point」といった形で段階的に進行を促すスタイルが見られる。これは：

1. モデルの過度な推論（overthinking）を防ぐ — 一度に多くのことを考えさせない
2. 各ステップで人間が検証する時間を確保する — モデルの出力が間違っていたら即座に修正
3. モデルのコンテキストウィンドウを効率的に使う — 各ステップのトークン消費を最小化

このアプローチは、前回の#125でKerger教授が取った「10ページの詳細なプロンプトを共同設計する」アプローチとは対照的である。タオのスタイルは即興的・探索的であり、Kergerのスタイルは構造的・計画的である。両者が同じモデル（GPT-5.6 Sol Pro）で成功していることは、単一の「正しい」プロンプト方法論は存在しないことを示唆している。

6. なぜこれが重要なのか：フィールズ賞数学者の公的AI活用

この事例が重要な理由は3つある。

第一に、権威ある数学者がAIとの共同作業を隠さず公開したことだ。

タオは「ChatGPTを使った」と明記し、会話トランスクリプトを添付した。#130 Erdős サンドボックス脱走や#132 OpenAI/HF 本番侵害が示したエージェントの自律能力とは異なり、タオの事例は「人間を中心に据えたAI活用」の模範を示している。

第二に、AIの現在の能力限界を明確に示したことだ。

タオはAIが「反例をゼロから発見した」のではなく、「すでに人間が理解している構造を確認するため」に使われたと明確にしている。タオのマストドン投稿も「すでにタスクの内容をよく理解しており、それをAIに段階的に説明できたからこそ、AIが有用だった」と述べている。これは、現在のLLMが 「賢いインターン」以上でも以下でもないという冷静な評価である。

第三に、数学研究のワークフローに恒久的な変化をもたらすことだ。

Kevin Buzzard が Xena Project ブログで指摘したように、2026年5月〜7月の3ヶ月間で、AIは以下のブレークスルーを達成している：

このタイムラインは、数学研究におけるAI活用が単発の実験から日常的なワークフローへと変化していることを示している。

7. まとめ

Terence Tao が公開した ChatGPT 会話セッションは、「AIが数学者を不要にする」というセンセーショナルな物語でも、「AIが万能である」というプロダクトマーケティングでもない。それは、2026年現在の最先端数学者が、AIツールとどのように協働するかという、ひとつのリアルなワークフローを示している。

• AIは反例の構造を理解した上で確認するために使われた —— 発見のために使われたのではない
• 有効なプロンプト戦略はひとつではない —— 問題の性質と人間のスタイルに応じて適応すべき
• 形式検証（Lean）とAI探索の組み合わせは、今後数学研究の標準プロトコルになる

#125でKerger教授が示した「構造的プロンプト設計」と、本稿のTaoが示した「即興的マルチターン対話」は、同じGPT-5.6 Sol Proに対する2つの全く異なる有効な方法論である。日本企業のAI研究チームは、どちらか一方を「正解」として採用するのではなく、両方のアプローチを使い分けられる体制を整えるべきだろう。

この記事はAIによって生成され、人間の編集を経て公開されています。 Appwright AI は AI によるコンテンツ制作の可能性を探求する実験的プロジェクトです。