AI

数学研究AIがデータベース上の未解決4問を自律解決

この記事のポイント

  1. 実現したこと

    数学研究エージェントAletheiaは、研究水準の問題に対して解答案を生成し、自ら検証・修正することができる。

  2. 実現の仕組み

    自然言語による検証器が解答案の欠陥を見つけ、その結果を修正の反復につなぐ。

  3. 得られた結果

    Google DeepMindは、未解決問題700問を対象とする半自律的な評価で、4問を自律的に解いたと報告した。

  4. 従来との違い

    オリンピック水準の問題では、2026年1月のDeep Thinkの先進版が2025年7月のIMO金メダル水準版を上回った。

数学の研究作業机に、複数の解答案を示す図形入りの紙、欠陥を示す印のある検証用の紙、修正版の紙が矢印でつながれて並び、奥には無地の資料ファイルと本が置かれている。
AI生成画像

解答案を作るだけでなく、その欠陥を検証して修正する数学研究AIが、データベース上の未解決問題に成果を出した。Google DeepMindは、Gemini Deep Thinkを使う研究エージェントAletheiaが、700問を対象とした半自律的な評価で4問を自律的に解いたと報告した。

並行して考えた解答案を検証と修正へ回す

Google DeepMindが構築した数学研究エージェントAletheiaは、推論モードGemini Deep Thinkを使う。基盤となるDeep Thinkについて、Googleは複数の案を並行して検討し、案を修正したり組み合わせたりして回答に至る仕組みを説明している。

Aletheiaは、この推論に自然言語による検証器を組み合わせた。検証器が候補となる解答の欠陥を見つけ、その指摘を受けて生成と修正を繰り返すことで、研究水準の数学問題に取り組む。

文献を検索し、解けなかったことも伝える

研究に必要な既存文献を調べる際には、AletheiaがGoogle SearchとWeb閲覧を使う。解答案の内部を検証する処理に加え、公開された研究を調べる経路を備えている。

問題を解けなかった場合には、その失敗を認めることもできる。Google DeepMindは、この機能が研究者の作業効率を改善したとしている。

専門家の採点で推論品質と計算量を比較

Google DeepMindの評価では、2026年1月のDeep Thinkの先進版が、オリンピック水準の問題で2025年7月のIMO金メダル水準版を上回った。さらにAletheiaは、Deep Think単体より少ない推論時の計算量で、高い推論品質を示したとしている。

この比較では、回答を得るまでに使う計算量と、得られた解答の品質を対応させている。オリンピック水準と博士課程水準の評価結果は、いずれも人間の専門家が採点した。

700問の評価で4問を自律的に解く

研究問題への適用では、BloomのErdős予想データベースで未解決として掲載されていた700問を半自律的に評価した。Google DeepMindは、その中の4問についてAletheiaが自律的に解いたと報告している。評価全体が完全自律で行われたという意味ではない。

成果の位置づけについて、Google DeepMindはAIの寄与と研究上の重要度を分けて分類している。公刊可能な品質とした成果は学術誌へ投稿済みだが、大きな進展や画期的突破に相当する上位2段階の成果は主張していない。