DeepMindがGemini Deep Thinkの成果を発表：論文の自律生成や10年来の予想反証に成功

数学オリンピックで満点を取るAIと、未知の真理を探究する研究者との間には、依然として深い溝がありました。過去問が存在しない先端科学の世界では、データが極めて少なく、大規模言語モデルはすぐに知ったかぶりの幻覚を起こしてしまうからです。

Google DeepMindは、この壁を破るための最新成果をまとめた2本の論文を発表しました。研究の中核を担うのは、Gemini Deep Thinkモードを搭載した数学研究エージェント、開発コード名「Aletheia」です。

「解けない」と認める賢さ

Aletheiaには自然言語による検証機能が組み込まれており、生成した解答の誤りを自ら発見して修正のサイクルを回すことができます。さらに実用面で大きな鍵となったのが、AIが「この問題は解けない」と降参できる仕組みです。これにより、人間側がAIのデタラメに付き合わされる無駄骨が大幅に減りました。

外部検索ツールを併用することで文献の捏造を防ぎ、博士課程レベルの演習を想定した内部ベンチマーク「FutureMath Basic」でも、推論時計算量を増やすスケーリング則が有効であることが確認されました。

成果はすでに学術論文の形を取り始めています。数論幾何学における固有重みと呼ばれる構造定数の計算では、人間の介入なしでAIが完全に単独生成した論文が誕生しました。さらにエルデシュ予想を収集したデータベース上の未解決問題700件を精査し、そのうち4件で自律的な解答を導き出しています。

10年越しの予想を反例で打ち砕く

DeepMindは数学だけでなく、物理学や情報科学の難問18件に対してもGeminiを投入しました。人間が方向性を示しながらAIと検証を繰り返す「Vibe-Proving」や、確証バイアスを防ぐために証明と反証を同時に指示するプロンプト手法が採用されています。

際立っていたのは、異なる分野を強引につなぎ合わせる能力です。ネットワーク分割などの離散アルゴリズムの難問で行き詰まった際、Geminiは測度論やキルシュブラウンの定理といったまったく別分野の連続数学のツールを持ち出して打開しました。

オンライン劣モジュラ最適化の分野では、2015年の提示以来、多くの研究者が正しさを信じて証明を試みてきた直感的な予想に対し、わずか3要素からなる極めて精緻な反例を構築して10年来の思い込みを覆しました。これらの成果のうち約半数は主要学会を視野に入れており、すでにICLR 2026に採択されたものも含まれています。

なぜ重要か

研究者にとって、この成果はAIが単なるコード生成ツールを脱し、直感の検証や反例探しを任せられる「共同研究員」になり得ることを示しています。特に、人間が思いつかない異分野の数学的道具を横断して引っ張ってくる能力は、研究の行き詰まりを打破する強力な武器になるはずです。

DeepMindの戦略としてスマートだと感じるのは、自らの成果を学術界との合意のもとで冷静に分類している点です。論文投稿レベル（レベル2）には達したとしつつも、歴史的ブレイクスルー（レベル3や4）には達していないと自ら線引きしており、過剰な誇大広告を避けて研究者コミュニティの信頼を勝ち取りにいっています。

一方で懸念されるのは、査読プロセスの負荷爆発です。AIが整然とした数式の山を大量に生み出せるようになった結果、それが本当に正しいかをチェックする人間の学者の負担は激増します。今後は「AIがどう解くか」だけでなく、「人間がそれをどう検証しきれるか」が科学界の最大の課題になるでしょう。