LLM が数学で「例」や「反例」を発見する能力：現状と展望（2026 年 8 月）

OpenAI が数学および理論コンピュータサイエンスの 10 の主要な問題を解決したことを発表してから数日後に、本記事を執筆しています。特に注目すべき成果には以下のものがあります。

• 非ソフィック群（non-sofic group）の第一回構成
  • 群論において最も重要な未解決問題の一つとされています。
  • 文献上では「OpenAI がソフィシティ予想への反例を見つけた」と記述される論文が存在しますが、これは単なる**「例」**として分類されます。
• 多色ラムゼイ数 $R_r(3)$ の下界の向上
  • 「3」は部分集合のサイズを意味します。
  • $r$ に対して超指数関数的に増加することが証明されました（多くの研究者が予想していた指数関数的な増加を超えています）。

これらの成果は極めて印象深いです。しかし、LLM が数学のあらゆる側面において人間よりも優れているわけではないという点については依然として疑問が残ります。もし LLM が全面的に優れていれば、圧倒的な計算速度により「結果の洪水」がもたらされるはずです。

LLM は反例を発見することに特に優れているのか？

LLM は難解な命題の証明を見つけることもできますが、彼らが解決した最も有名な問題のほとんどは**「反例の発見」**です。 これまでに挙げた二つの成果（非ソフィック群、ラムゼイ数）もまた同様です。

もし「LLM は特に反例を発見することに適している」という仮説を立てるのであれば、以下の二点を説明する必要があります。

1. 定義の明確化：ある程度の問題解決が「反例の発見」とみなされる場合を明確に定義すること。
2. 理由の説明：なぜ LLM がそのような種類の問題を特に得意とするのか、その潜在的なメカニズムを探ること。

「反例を見つける」とは何か

直感的には、「『あるタイプのすべての対象に、ある特定の性質が成り立つ』という命題に対して、そのタイプに属するがその性質を持たない対象を示すこと」と考えられがちですが、これは常に正解とは限りません。

普遍的命題と存在量化の順序

• ヴィノグラドフの定理（十分大きい全ての正整数は三つの素数の和である）は、**「定理」**として分類されますが、論理的構造では「ある性質を持たない $n$ の例」を見つける形になっています。
  • 構造：$\forall N \exists n > N : n = p_1 + p_2 + p_3$
• グルシンの結果（バナッハ・マズールコンパクトの直径について）は、**「反例（あるいは例）」**として分類されます。
  • 構造：$\forall n \exists X,Y \in S^n : d(X,Y) \geq c \sqrt{n}$
• 決定的な違い：
  • ヴィノグラドフの場合：挑戦は「与えられた大きな $N$ を三つの素数の和に分解すること」にあります（普遍量化された変数 $N$ が本質的）。
  • グルシンの場合：次元 $n$ における空間の選定自体は容易であり、課題は「$X$ と $Y$ が互いにどれだけ遠いか（距離を増やすこと）」にあります。

このように、普遍的量化された命題を否定することに優れているという主張は、単に文脈で受け入れることはできません。普遍量化の順序や変数の本質的な役割が重要です。

例と反例の境界

論理的には $\exists x P(x)$ は $\forall x \neg P(x)$ に対する反例ですが、数学的文脈ではそうとは限りません。

• 「すべてのバナッハ空間が可分である」主張への反例は「非可分空間の最も基本的な例」として提示されることが多く、「反例」という言葉を使いません。
• 重要な基準：ある対象を「反例」と呼ぶかどうかは、その存在が**「比較的根拠よく信じていた命題を否定する」**場合に限られます。
  • 非ソフィック群の構築：文献上ではそのような群を構成する方法に関するいくつかの提案がありましたが、「すべての群がソフィックであると強く信じている専門家はいなかった」という状況でした。したがって、これを「反例」と呼びつつも、実質的には「予想された結果の例」です。
  • ラムゼイ数 $R_r(3)$：多くの人々が「指数関数的であるべきだ」と信じていたので、それらにとっては反例でしたが、研究者の中にはこの問題に対して中立な人もいました。OpenAI は私が（弱く）期待していた**「新しい下界を持つ例」**を発見したに過ぎません。

LLM の得意分野と限界

我々が LLM が確実に得意としている二つの事柄があります。

1. 豊富な数学知識：ある問題を比較的標準的な論法によって解くことができる場合、LLM はその論法を見つけ利用します。
2. 高速度な計算能力：人間よりもはるかに高速に動作するため、問題解決に対して多数の失敗を試すことができます。

これにより、「LLM スタイルの数学者」という性質が生まれます。

• LLM スタイル：確率的な要素が多いプロセスで優位。「新しいアイデア」より「多数の試行による偶然の幸運」に依存する探索を行います。
• 人間スタイル：驚くべき「概念的」な論法を見つけ、深く掘り下げて解決策を導き出します。

LLM が「例や反例発見」に強いのは、以下の理由と考えられます。

• 非自明な例を見つけるという存在問題が、LLM の強み（広範な知識 + 多数の試行）に適合しているためです。
• LLM は探索木を徹底して剪伐（剪定）する必要がないため、「人間が有利になる」ミステリアスな能力が不要な問題には弱い可能性があります。

例と反例を発見する手法一覧

LLM が例や反例を発見するために用いられる可能性のある手法は多岐にわたります。

• 既製の例を探す
  • 標準的な例のストックを持ち、一つずつ試し与えられた命題を満たさないものを探す（例：ブーリアン関数の予想に対して独裁者、多数決、偶奇性などでテスト）。
• 基本例と標準的な構造手法から例を構築する
  • 積、商、極限などを取ることで発展させる（代数問題などで有効）。
• メタ変数の多用
  • 「後ほど $X$ を選びます」というスタイルで、まず性質を満たすことを証明し、その過程で具体的な構造を特定する。
• 反対を証明する
  • $\forall X \neg P(X)$ を証明しようとする際、中間的な性質 $Q$ を見出し、$\neg Q(X)$ の例を見つけることで還元できる場合がある。
• 逐次近似
  • 不完全な推測から診断し、欠陥のない新しい推測へと改良していく反復プロセス。
• Just-do-it 証明
  • $X$ が無限個の性質 $P_n$ を満たす必要がある場合に、各ステップで建設を進めていく。
• ランダムな例を選ぶ
  • 明示的な構成が難しい場合、自然な確率分布からランダムに選んで高い確率で条件を満たすことを示す。
• 一般化された例を選ぶ
  • 例外が測度ゼロや劣った集合であることを示すことで、事実上の反例・例として扱う。

LLM は特に「確率的アプローチ」や「既製の例チェック」「Just-do-it 証明」に強く見えます。一方、「メタ変数の使用」や「反対を証明する」など、生産性の判断を要求する手法は苦手かもしれません。これは人間の嗅覚（剪伐能力）が不可欠な分野です。

LLM のさらなる改善余地はどこにあるか

LLM は急速に改善し続けるでしょう。しかし、少なくともいくつかの領域で人間が一時的に優位を占める可能性があります。

• 探索木を剪伐するミステリアスな人間の能力：探索木が深く分岐が多く、厳密な剪伐なしにはコンピューターであっても検索が不可能な問題においては、人間が有利です。
• 「嗅覚」の欠如：LLM が「深い思考」と見せるアイデアも、訓練データのどこかに潜伏する既存の知識（チート）である可能性があり、真正な創造性はまだ不明確です。

LLM が人類の数学的発見に匹敵し超越するには、以下のような兆候が見られる必要があります。

• 新しいかつ驚くべき方法を用いて定理を証明すること
  • 偶然 stumbling upon ではなく、後から見て美しく自然に見えるような、新規なアプローチで定理を証明する。

もし LLM がキャップセット問題（2016 年）のような「以前知られていた最良の境界を完全に超え、全く異なる方法を導入し、その後の研究を活性化させる」ような成果を出したなら、人間が克服してきた障壁をクリアした証拠と言えます。

今後の発展には、報酬構造の変更も重要でしょう。訓練中に「チート（文献からの単純な解答取得）」や「行き違いの探索」に対してペナルティを課すことで、人間の研究方法に従ってプロセスを進めるようインセンティブを与え、より難しい問題クラスでも成果を出す可能性が高いです。

結論

LLM が数学において例や反例を発見することに強いのは、単に存在量化された命題への親和性があるからではなく、**「広範な知識」と「人間が失敗すると予測される探索パスを多数試す能力」**という明らかな強みと、特定の種類の例（非自明な例）を見つける証明発見手法が適合しているからである可能性が高いです。

今後の研究において注目に値するのは、LLM が単なる反復ではなく、本質的に新しい数学的概念や構造を生み出すときです。その瞬間こそが、AI と人間の協働、あるいは AI による独立した創造性の新たな地平を示すことになるでしょう。