人工知能クロード・ファブル5が87年間未解決の数学問題を解決
研究者らは、人工知能「クロード・ファブル5」が、1世紀近く人々の興味をそそってきた数学的挑戦であるヤコビアン予想に終止符を打つ重要な反例を特定したことを明らかにした。 Anthropic に所属する数学者 Levent Alpoge によって報告されたこの発見は、科学における複雑で長年にわたる問題を解決する上で AI の可能性が高まっていることを示しています。
人工知能は 87 年来の問題をどのように解決したか
Anthropic の数学者 Levent Alpoge は、ヤコビ予想の反例の発見を報告する責任がありました。 87 年間答えが得られなかった解決策は、「Claude Fable 5」AI モデルの助けを借りて発見されました。 Alpoge は数学者の Akil Matthew によってこの解決策を追求するよう奨励され、FIFA ワールドカップ決勝戦中に人工知能がこの問題に取り組みました。
ヤコビアン予想とは何ですか?なぜ重要ですか?
ヤコビアン予想は、1939 年にドイツの数学者オットーハインリヒ ケラーによって一般的な形で定式化され、多項式関数の基本的な性質に疑問を投げかける問題です。これは、n 個の複素変数を同じ n 個の変数にマッピングする多項式マップのヤコビアン行列式がゼロ以外の定数である場合、やはり多項式として表現できる逆マップが存在するはずであることを示唆しています。本質的に、問題は、すべての点における局所的な「可逆性」の特性が、関数全体に対する大域的な多項式の可逆性を意味するかどうかです。
数学におけるヤコビアン行列式の役割を理解する
数学では、関数が異なる入力に対して同じ出力を返す場合、元の入力は一意であってはなりません。出力から入力に戻る処理を逆関数と呼びます。ただし、同じ出力への複数の入力を持つ関数は、そのドメイン全体で一意の逆関数を持つことはできません。多変数関数の場合、狭い範囲で関数を復元できるかどうかがヤコビアン行列式によって検査されます。この値は各エントリ ポイントで計算され、線形近似を使用して局所領域または体積の変化を表します。ヤコビアン行列式がゼロの場合は、情報が何らかの方向で失われ、入力の 1 回限りの復元が不可能になったことを示します。ゼロ以外の場合、情報は保存され、ローカルでの入出力のトレーサビリティが確保されます。
クロード・ファブルによる反例の重要な発見 5
クロード・フェイブル 5 の人工知能は、ヤコビアン行列式が常に -2 の定数値をとる多項式マッピングを発見しました。しかし、同じ出力をもたらす 3 つの異なる入力が見つかり、ヤコビアン予想に矛盾します。
- さまざまな入力:
- * (0、0、-1/4)
* (1、-3/2、13/2)
* (-1、3/2、13/2) - すべての入力に対して同じ出力:(-1/4、0、0)
この実証は、ヤコビアン予想が 3 つ以上の変数に対して偽であることを示し、空間全体における逆写像の存在が定数ヤコビアン行列式の性質だけによって保証されないことを証明しています。
検証と発見後の人間理解の重要性
AI の素晴らしい発見にもかかわらず、人工システムによる式の単純な生成では、反例としての妥当性が自動的に保証されるわけではありません。小さな計算エラーや代入エラーにより、結論全体が無効になる可能性があります。このため、人間の専門家や検証ソフトウェアによる独立した検証が不可欠になります。
この暴露後、「リーン」定理証明支援システムを利用して証明を形式化する取り組みが行われた。インペリアル・カレッジ・ロンドンの形式数学の博士号取得候補者であるポール・ルゾーは、リーン反例を開発し、Google DeepMind が管理する数学的予想のリポジトリである「形式予想」にアップロードしました。現在、プル リクエストはレビュー プロセスにありますが、ヤコビアン行列式の一貫性とマッピングの非単射性を検証することがすでに可能であり、スペース全体に逆マッピングがないことが確認されています。
人間と人工知能のコラボレーションにおける次のステップ
形式化された数学に焦点を当てた Xena プロジェクトは、次の大きな課題は、反例の正しさを確認するだけでなく、反例が正当である理由を人間が深く理解できるようにすることだと指摘しています。このエピソードは、人工知能の計算能力と人間の分析的洞察力との間の相互作用の増大を強調し、数学研究に新たな境地を開き、長い間理解できなかった問題を解決します。この提携により、AI のスピードと人間の推論の深さを組み合わせることで、複雑な分野の進歩が加速することが期待されます。
