喜志武弘 (@takehiro1010) header
喜志武弘 (@takehiro1010) profile picture

大学院で数理モデルを学び、ナポレオン戦争の数理モデル化に取り組む/趣味で数学を学びMATH EXPO主催/マジンガーZの大ファン。いつか乗ってみたい。

日本
Joined August 2009
少年ジャンプなら、ラスボスの先にさらなるラスボスが現れた。ラオウの先のカイオウ、ピッコロの先のベジータ、ベジータの先のフリーザ、フリーザの先のセル、セルの先の魔人ブウ。
76
喜志武弘 retweeted
🧠不完全性定理の開拓者|クルト・ゲーデル
 不完全性定理によって、算術を含む形式体系には証明できない命題が存在することを示した。
 参照元:Wikipedia 数学を楽しむ一日をMATH EXPO 2026で。
12/27(日) 杉田劇場(横浜)
peatix.com/event/5233621
1
9
325
喜志武弘 retweeted
【ReHacQリベラルアーツ】 18:00からプレミア公開スタート! 米アンソロピックに所属する数学者のレベント・アルポーゲ氏が 11月20日(現地時間)、自身のWebサイトで同社のAI「Claude」と共に、 数学の未解決問題「リーマン予想」の証明を見つけたと声明を発表 そもそも「リーマン予想」とはなんなのか? AI界、数学界にどのような影響が出るのか、 加藤文元さんと今井翔太さんにお越しいただき、 じっくりお話を伺いました ご視聴はこちら youtu.be/edYq2nQGjA8 よろしければチャンネル登録お願いいたします。
23
7
119
9,744
リーマン予想が素数の分布という数学の深い構造を問う問題であるのに対し、P≠NPは、計算・最適化・AI・暗号・社会の意思決定に直接つながる問題。
2
257
この note 記事の中でも触れている Weil conjecture のサイトの blueprint を手で edit できるようにすることは(またしてもAIを使って)原理的には可能ですが、それが簡単にできるようにアップデートすることを制作チームのひとりに相談しました。早晩できるのではないかとのことです。
2
12
2,479
Replying to @Historyoflife
「その人間的チェックは多分不可能」ということですが、不可能ではないと思います。AIが書いたコードを人間が解読するために、今ではAIを使うことができるので、かえって昔より速く効率的にできるのではと期待しています。Lean のコードから例えばこんな感じ→ weil-conjectures.merten.dev/ の reorganization をAIと人間が協働して作ることができます。いくつかの精密度の階層に分けて、中身を切り分け、相互の関係をグラフ化しながらデータ化できるので、論文の形で書くよりわかりやすく再構成していくことができるからです。すでに多くの人が(多様な方法で)このような試みを始めています。もちろん時間はかかると思いますが、おそらく数年も経たないうちに、かなり中身の数学について詳しい理解を得られるようになるのではないかと(私は)考えています。
1
25
3
101
6,279
喜志武弘 retweeted
自画自賛するけど、文元先生たちがこの時期にIUT理論の形式化をコメリン氏などの世界トップのLEANの専門家数学者とチームを組んで挑戦していたことは、AI✖️数学の歴史的な波に日本の数学界が対峙する上で極めて幸運なことだったと思う。 ZEN大学バンザイ。 マジでいい動きしてんじゃん。
3
50
4
274
23,170
喜志武弘 retweeted
↓僕自身も改めて、なるほど、AIが証明したことをLEAN言語を使って人間が納得するプロセスとは、こういうふうに今後は進むんだなということが納得できた。 必読。 それと普段から、加藤文元先生が数学者の書いたLEAN言語の入門書が必要と力説していた理由も分かった。
2
41
5
215
27,439
喜志武弘 retweeted
アルポゲ氏はフィールズ賞を貰えるのか?全く予想できないですが、今予測しろと言われたら40%といったところですかね。歴史的難問を解いた偉業だけど、この方向性を手放しで許すのも悩むだろうね。私はどちらでも良いと思いますが、どちらの結果になるのかは楽しみです。
1
6
460
人間の感情が最も計算が難しいものとして残る。
4
118
◆ AIがリーマン予想を解く時代、何が変わるのか リーマン予想の証明自体が、直接的に「新しい薬」や「がんの根治」を生むわけではない。素数の分布に関する精密な制御が得られたことで、数学内部の多くの条件付き結果が無条件に確定するが、RSAなどの現行暗号が即座に破られるわけでもない。 
しかし、本当の意味はそこにはない。人間が167年かけて解けなかった深い問題を、AIが発見し、Leanのような形式検証器で機械的に正しさを保証できる段階に入ったことにある。この能力が一般化すれば、教育・経営・国家・社会制度を支えてきた「人間の知的能力」の位置づけそのものが変わる。

◾️大学の役割が根本から変わる 大学は、突き詰めれば、難解な知の体系を何年もかけて人間の脳にインストールし、その修得を学位という形で証明する場所という側面を持つ。

しかしAIとの対話、概念の可視化、翻訳、個別最適化された教育によって、教科書を何年もかけて読み込むプロセス自体が圧縮される。任意の難易度で説明・演習・対話を無限に提供できるなら、「講義を受けて学位を取る」という従来の教育モデルは大きく変わる。

能力の証明も、学位だけでなく「AIと共同で作った成果物」や実践プロジェクトが重視されるようになる。大学は知識を伝達する場所から、人間同士の議論、価値判断、研究コミュニティの形成、実験設備の提供などを担う場所へと、その存在意義を再定義する必要に迫られる。

◾️戦略・意思決定が「計算で解かれる領域」へ移行する 経営、交渉、戦争のような相手がいる意思決定には、数学的な最適解がある。

数学的モデルによる戦略の構築と検証が高度化し、これまで経験や直感、才能に依存していた領域が、計算によって解かれる領域へ移行する。複雑なシステムの最適戦略や勝敗の予測が、高い精度で事前に計算可能になるなら、「秘策」や「天才的な読み」の相対的な価値は低下する。

戦略家の役割は、「何を解くべきかを設定し、結果を人間社会に翻訳し、どの価値を優先するかを判断する」ことに再定義される。オペレーションズ・リサーチや政策立案の技術的部分はAIが担い、人間は価値の選択に比重を移す可能性がある。

◾️「理解する」ことの意味が変わる

1700万行の形式証明が正しいと機械が保証しても、人間がその全体を追えないケースが標準になる。 科学や技術の正しさは、「人間が納得できる説明」だけでなく、「機械検証を通ったかどうか」が重要な基準となる。査読や専門家会議の役割も変わり、「人間が全体を理解できないが、機械的には正しさが保証されている」技術や理論が普通になる社会が到来するかもしれない。

便利である一方、「なぜそうなるのかを人間が語れない」ことへの抵抗も生まれるだろう。 ◾️経済・社会設計が最適化され、政治の役割が純化する 複雑な相互作用(市場、税制、社会保障、都市計画)を高精度でモデル化できれば、政策の技術的な最適解が計算で導かれるようになる。 政治家や官僚の仕事は、「どの価値を優先するか」(効率と公平、短期と長期など)を決めることに比重を移し、実装の計算部分はAIが担う。極端に言えば、中央銀行や一部の政策立案が「計算システム」に近づく可能性がある。 失敗のコストは下がる一方で、「誰が価値を決めるか」という争いがより鮮明になるだろう。 ◾️デジタル社会の信頼構造が揺さぶられる リーマン予想の証明が直接暗号を破るわけではない。しかし、難解な数学的課題を解き、検証可能な証明を構築するAIが登場したことは、暗号技術を含むデジタル社会の安全性に対する認識を揺さぶる。 AIが暗号理論や計算量理論の未解決問題にまで取り組むようになれば、暗号技術の安全性を支える数学的前提も再検証されることになる。 さらに、正しさの基準が「人間が納得できる説明」から「機械検証を通ったかどうか」にシフトすることで、デジタル社会の信頼構造そのものが見直しを迫られる可能性がある。 ◾️ 人間の知的能力の位置づけ これは数学の進歩にとどまらない。教育、経営、国家、社会制度を支えてきた人間の知的能力の位置づけが変わることを意味する。 問題を設定し、結果を解釈し、価値を判断する役割は残る。しかし、その「問題を解く」部分の大部分が機械に移るなら、私たちがこれまで「専門性」や「才能」と呼んできたものの意味は、根本から問い直されることになる。
2
5
498
マジンガーZを設計せよ。 全高18m。人間が搭乗して操縦可能。二足歩行し、走行、跳躍、格闘、飛行を実現すること。ロケットパンチ、ブレストファイヤーなどの武装を搭載する。重量、重力、材料強度、熱力学、エネルギー保存則など、既知の物理法則に従うこと。 人類が現在知っている機械設計の常識を前提とせず、数学的・物理的に成立するあらゆる構造、材料、機構、エネルギー変換方式を探索せよ。数理最適化、物理シミュレーション、材料探索を反復し、実現可能性を最大化する設計を提出せよ。 最終成果物は、三次元CADモデル、全構造の設計図、材料リスト、動力系統、制御システム、各部の強度計算、歩行シミュレーション、製造工程とする。
56
喜志武弘 retweeted
【AIと数学④:AIが生み出した証明は、数学的にどう検証するのか?】 AIとの協働によってリーマン予想の証明が発表され、Leanによる形式化にも注目が集まっています。しかし、コンピュータが証明を検証できることと、数学者がその証明の内容を理解し、数学的な成果として評価することは、どのような関係にあるのでしょうか。 AI時代における数学の厳密性、証明の検証、そして数学的理解のあり方を考えます。 MATH EXPO 2026では、AIと数学の現在と未来について、第一線で活躍する一流の数学者・理論物理学者が幅広く議論します。 司会:加藤文元先生(数学者/ZEN大学教授/東京工業大学名誉教授) 登壇: 若山正人先生(数学者/ZEN大学学長/九州大学名誉教授) 村山斉先生(理論物理学者/東京大学カブリ数物連携宇宙研究機構特別教授・カリフォルニア大学バークレー校 MacAdams冠教授) 洞龍弥先生(数学者/ZEN大学助教) MATH EXPO 2026 12/27(日) 杉田劇場(横浜) 🎟️チケット peatix.com/event/5233621
1
6
10
1,319
喜志武弘 retweeted
리만 가설 증명의 뿌리는 중3 때 배운 '중근'이었다 알푀게의 발표문은 4쪽이다. 읽어 보니 발상의 뿌리가 뜻밖에 중학교 3학년 교과서에 닿아 있었다. 이차방정식의 근은 많아야 2개다. 100차 방정식이면 많아야 100개다. 수학자들은 이것을 거꾸로 쓴다. 개수를 알고 싶은 것들이 있으면 그것들을 모두 근으로 갖는 방정식을 하나 지어낸다. 그러면 그 개수는 방정식의 차수를 넘지 못한다. 세지 않고 세는 법이다. 여기에 중근이 붙는다. (x-1)²=0의 근 1은 2개로 친다. 차수는 그대로 두고 근마다 10겹씩 겹치게 지을 수 있으면 개수의 한도는 10분의 1로 줄어든다. 이 겹수가 중복도(multiplicity)다. 스테파노프(Stepanov)는 반세기쯤 전 이 수법으로, 정수 대신 다항식이 사는 함수체(function field)라는 세계의 리만 가설을 증명해 보였다. 그 수법이 정수로 건너오지 못한 데에 저자가 꼽은 걸림돌은 미분이다. 근이 겹쳤다는 것은 그래프가 x축을 뚫지 않고 살짝 닿았다 돌아선다는 뜻이고, 그것은 기울기를 보아야 안다. 기울기를 구하는 일이 미분인데, 다항식에는 그래프가 있어도 7이라는 수에는 그래프가 없다. 알푀게와 클로드는 미분 대신 세타 리프트(theta lift)를 썼다고 한다. 수학의 대상을 다른 무대로 옮겨 싣는 연산인데, 한 번 옮길 때마다 중복도 한 겹의 구실을 한다. 몇 번을 이어 붙일 것인가. X까지의 소수를 다루려면 √X번이라고 답한 쪽이 클로드였다. 100만까지면 1,000번이다. 저자는 이 한 줄에 수학자들이 의자에서 떨어질 것이라고 적었다. 여기까지가 4쪽에 적힌 뼈대다. 나머지 1,737만 줄은 저자 스스로도 아직 다 익히지 못했다고 했다. 기계 검사에서는 틀린 데가 나오지 않았는데 사람은 그 풀이를 아직 다 따라가지 못했다. 답을 먼저 받고 풀이를 나중에 배우는 셈이다. 발표문은 가장 단순한 것들 속에서 기쁨과 경이를 보게 되리라는 말로 끝난다. 중3 때 배운 중근에서 뻗은 가지 하나가 167년 묵은 문제에 닿았다니, 빈말은 아닌 듯하다.
20
130
14
727
96,812