おはようございます。9月10日は、AIが「人間がまだ解けていない問題」を解いたと主張した日の話から始まります。ただしこのニュース、結果そのものより**「誰の手柄なのか」でもめている**ところが本題かもしれません。

1. OpenAI、1万体のAIエージェントが数学の超難問を「88時間で解いた」と発表 — 功績をめぐり異議も

何が起きた? 9月8日から9日にかけて、OpenAIが、未公開の社内AIモデルを使ってナビエ・ストークス方程式の「滑らかさ」に関する問題の解を得たと発表しました。

この問題は、米クレイ数学研究所が2000年に設定した**「ミレニアム懸賞問題」7問のうちの1つです。1問につき賞金100万ドル**がかけられていて、2000年以降に解決されたと認められたのは1問だけという難度です(なお、方程式そのものは19世紀に生まれた古いもので、報道によって「90年来」「200年来」と表現が揺れています)。

やり方が変わっています。OpenAIによれば、約1万体のAIエージェントを並列に走らせ、およそ88時間で解析的な証明にたどり着いたとのこと。計算コストは**「はっきりと数百万ドル規模」で、同社がこれまで数学に投じてきた計算量の約1,000倍**にあたると説明されています。

ただし、話はここで終わりません。 ニューヨーク大学の数学者トリスタン・バックマスター氏と、Anthropicに所属する数学者レヴェント・アルポゲ氏が、関連する方程式についてAIを使った研究成果をOpenAIの発表の数時間前に公開していました。バックマスター氏は、OpenAIが自分たちの「かなり珍しいアプローチ」を知ったあとに同じ道筋をたどったのではないか、と疑問を呈しています。

OpenAI側のセバスチャン・ブベック氏は「彼らのプロンプトや証明を、我々のモデルへの入力やエージェントの誘導に使ってはいない」と明確に否定しました。一方で同社は後日、**「匿名化されたデータが(自社製品経由で)寄与した可能性は排除できない」**とも述べています。

なぜ重要? まず押さえておきたいのは、この証明はまだ誰にも検証されていないということです。クレイ数学研究所のルールでは、査読付きの論文として公表されたうえで、2年間にわたって数学界に受け入れられて初めて正式な審査の対象になります。同研究所のマーティン・ブリドソン所長は、審査は**「あえて急がず」「徹底的に厳格に」行うと述べています。つまり現時点では「OpenAIがそう主張している」段階**です。

そのうえで、この一件が示していることは2つあります。

ひとつは、AIの使い方が「1体に賢く考えさせる」から「大量に並べて長時間走らせる」へ移りつつあること。1万体・88時間・数百万ドルというのは、もはや計算資源を大量に投入して答えを買うやり方です。お金をかけられる組織だけが挑める領域が生まれつつある、とも言えます。

もうひとつは、功績の帰属というルールが追いついていないことです。人間の研究者が積み上げた道筋を、AIが数日で走り抜けたとき、その成果は誰のものなのか。今回は当事者の主張が真っ向から食い違っており、どちらが正しいかは外部からはまだ判断できません。この点は「未確認の対立」として読んでおくのが正確です。

ひとこと解説: ナビエ・ストークス方程式は、水や空気などの流れを表す式です。飛行機の設計、天気予報、血流のシミュレーションなど、身近な場所で日常的に使われています。ただし**「この式の解が、どんな条件でも必ずなめらかに存在し続けるのか」**は数学的に証明されておらず、それがミレニアム懸賞問題として残っていました。

2. 米NSA・CISA・FBIが共同警告 — 中国のAI企業6社を名指しし「産業規模の蒸留」を指摘

何が起きた? 9月8日、米国家安全保障局(NSA)、サイバーセキュリティ・インフラセキュリティ庁(CISA)、連邦捜査局(FBI)が共同でセキュリティ勧告を公表しました。タイトルは「中国拠点のAI企業による、米AI企業に対する産業規模の蒸留キャンペーン」というものです。

名指しされたのはDeepSeek、Moonshot AI、Alibaba、MiniMax、StepFun、Z.AIの6社。標的とされたのは**Claude(Anthropic)、ChatGPT(OpenAI)、Gemini(Google)、Grok(xAI)**の各モデルで、2024年後半から続いていると勧告は述べています。

手口として挙げられているのは、大量のアカウント・複数のモデル・複数のプラットフォームにリクエストを分散させる、海外のクラウド事業者や独自APIを経由して利用者の情報を隠す、プロキシやグレーマーケット経由で地域制限や利用規約を回避するといった方法です。具体例として、DeepSeekが米国製モデルの複数バージョンから合成学習データを作りR1・R3に使ったとされる点、Moonshot AIがKimiシリーズのために18種類の米国製モデルを使ったとされる点が挙げられています。

勧告は、こうした活動が中国政府の認識のもとで行われていた可能性が高いとし、結果として中国のAIモデルが開発費と計算コストを抑えながら性能差を縮めることができたと分析しています。対策としては、政府・産業界・同盟国をまたいだ情報共有を含む協調対応が必要だと呼びかけています。

なぜ重要? ここで出てくる**「蒸留(distillation)」は、もともとAI開発でごく普通に使われてきた技術です。それを「安全保障上の脅威」として政府機関が名指しで公表した**ところに、今回の新しさがあります。

利用者の立場からすると、この話は少し遠く感じるかもしれません。ただ、影響は身近なところに出る可能性があります。各社が不正利用を防ぐために、APIの利用条件や本人確認、出力の制限を厳しくする方向に動けば、正規の開発者や企業ユーザーにも手続きの負担が増えるからです。実際、この数年で無料枠の縮小や地域制限は繰り返し起きてきました。

なお、これは米政府機関の見解を示した勧告であり、名指しされた各社の反論は現時点で報じられていません。一方の主張として読むのが妥当です。

ひとこと解説: 蒸留とは、高性能なAI(先生役)に大量の質問を投げてその答えを集め、それを教材にして小さくて安いAI(生徒役)を育てる手法です。ゼロから開発するより圧倒的に安く済みます。技術としては合法・違法が一律に決まるものではなく、多くの場合は各社の利用規約で「自社の出力を競合モデルの学習に使うこと」を禁じているため、規約違反かどうかが争点になります。

3. Google DeepMind、DNAの全1文字変異90億通りを予測した「AlphaGenome Atlas」を無償公開

何が起きた? 9月8日、Google DeepMindが**「AlphaGenome Atlas(アルファゲノム・アトラス)」を公開しました。ヒトゲノム上で起こりうる1文字の変異90億通りすべてについて、その分子レベルの影響をAIがあらかじめ計算した予測データベース**です。

規模が桁違いです。データ量は約1ペタバイト(=100万ギガバイト)で、同社が以前公開して大きな話題になったAlphaFoldのデータベースの約30倍にあたります。90億通りの1文字置換に加えて、1億件を超える短い挿入・欠失もカバーしています。

使いやすさにも配慮されています。1つの変異を調べると11種類の出力が返り、さらにAVIスコア(AlphaGenome Variant Impact)という影響度を1つの数値にまとめた指標が付きます。これはタンパク質をつくる領域だけでなく、**タンパク質をつくらない領域(非コード領域)**にも使えるのが特徴です。アクセス方法はWebサイト、API、Google Antigravity経由の3通りで、学術研究には無償、商用利用はGoogle Cloud経由という形です。

同社は明確に注意書きも添えています。「専門的な医学的助言・診断・治療の代わりになるものではない」——つまり臨床的な検証や承認を受けたものではない、ということです。

なぜ重要? 遺伝子の話でこれまで難しかったのが、**「病気と関係のありそうな変異は見つかるが、それが何をしているのか分からない」**という状況でした。特に、ヒトゲノムの大部分を占める非コード領域の変異は解釈が難しく、手つかずのまま残されがちでした。

Atlasは、そこに**「AIによる下調べ」をあらかじめ全部済ませておいた**という位置づけです。研究者は毎回計算を回さずに、変異IDを引くだけで候補を絞り込める。希少疾患の原因究明や、よくある体質と遺伝子の関係を探る研究のスピードが上がると期待されています。

一方で、繰り返しになりますがこれは「予測」であって「診断」ではありません。市販の遺伝子検査サービスなどで似た言葉を見かけたときに、AIの予測と医学的な確定診断を混同しないことは、一般の私たちにとっても大事な線引きになります。

ひとこと解説: 非コード領域とは、DNAのうちタンパク質の設計図になっていない部分のことです。かつては「役に立たない部分」と思われていましたが、実際にはどの遺伝子をいつ・どれだけ働かせるかを調整するスイッチが多く含まれていることが分かってきました。ここの変異は影響が読み取りにくく、研究の難所とされてきました。

4. フィールズ賞受賞の数学者が「数学的AI安全性研究所(MAISI)」を設立

何が起きた? 9月8日、2026年のフィールズ賞受賞者ジェイコブ・ツィマーマン氏が、**Mathematical AI Safety Institute(MAISI、数学的AI安全性研究所)**の設立を発表しました。

目的は、AIのリスクを扱うための数学的な枠組みをつくることです。同研究所は、「定義・測定方法・解の概念」を開発すると掲げています。言い換えれば、「どういう条件が揃えば、そのAIは大きな事故を起こさないと言えるのか」を数学の言葉で書けるようにするという試みです。

体制は、ツィマーマン氏が科学ディレクターを務め(同氏は同時期にOpenAIの安全性部門にも加わります)、アンドリュー・クリッチ氏がエグゼクティブ・ディレクターに就きます。両氏はAIの危険性に関する共著論文を2025年に発表している間柄です。顧問にはスタンフォード大学のラヴィ・ヴァキル氏らが名を連ねています。

拠点は米ベイエリア。運営の形は従来の数学研究所と同じスタイル——少人数の研究者が学期単位で集まって難問に取り組む方式です。2027年1月に10〜30名の数学者で開始し、2027年9月には30〜100名規模へ拡大する計画で、応募はすでに始まっています。

なぜ重要? AIの安全性の議論は、これまで**「実験してみて、危なそうな挙動を潰す」という進め方が中心でした。有効ではあるのですが、「どこまでやれば十分なのか」の基準がない**という弱点があります。

MAISIが狙っているのは、そこに数学の証明のような「保証」の考え方を持ち込むことです。橋や飛行機の設計に強度計算があるように、AIにもあらかじめ計算できる安全側の基準を作れないか、という発想だと考えると分かりやすいと思います。

もちろん、これは始まったばかりの構想で、成果が出るとしても年単位の話です。ただ、1つめのニュース(AIが数学の難問に挑む)と並べて読むと面白い対比になります。数学がAIに使われる流れと、数学でAIを検証しようとする流れが、同じ日に同時に走り出したということです。

ひとこと解説: フィールズ賞は、40歳以下の数学者に4年に1度贈られる賞で、「数学のノーベル賞」とも呼ばれます。受賞者が研究所を立ち上げてAI安全性に取り組むというのは、数学の側がこの問題を自分たちの領分として引き受け始めたことを示すサインでもあります。

5. QualcommとAmazon(AWS)が大型提携 — AI推論向け専用チップを共同開発、購入枠は最大600億ドル

何が起きた? 9月8日、スマートフォン向け半導体で知られるQualcommとAmazonが、AIデータセンター向けのカスタム半導体を複数世代にわたって共同開発する提携を発表しました。Qualcommにとって、データセンター事業における初の欧米大手クラウド顧客の獲得になります。

狙いは2つのボトルネックです。ひとつはAI推論の電力効率、もうひとつはクラスター内部のネットワーク速度。後者については最大1.6T(テラビット毎秒)クラスの光接続まで視野に入れているとされています。QualcommはHigh Bandwidth Computeと呼ぶ、メモリ容量を重視した設計で、デコード処理が重いAI推論に対応するとしています。

契約の形も特徴的です。報道によれば、AWSが購入実績を積むにつれて権利が確定するワラント(新株予約権)が設定され、対象はQualcomm株最大2,500万株(1株161.26ドル)。半導体と接続機器の購入は2036年までに最大600億ドルという上限が示されています。発表後、Qualcomm株は9%上昇したと報じられました。

なぜ重要? ここ数年、AI用の半導体といえばNVIDIA一強でした。特に**学習(モデルを育てる工程)**では圧倒的です。ところが今回の提携は、**推論(育てたモデルを実際に使う工程)**に焦点を当てています。

この違いは大きいです。学習は一度きりですが、推論は利用者が使うたびに毎回発生するからです。AIが広く使われるほど、コストの重心は学習から推論へ移っていきます。「そこを安く・電力効率よくやれるチップ」に各社が投資し始めたというのが今回の構図です。

私たち利用者への影響は、時間はかかりますが分かりやすい形で来る可能性があります。推論のコストが下がれば、AIサービスの料金や無料枠に反映されうるからです。実際、この1〜2年でAI各社の値下げは繰り返し起きています。ただし提携は複数世代にわたる長期の話なので、すぐに何かが変わるわけではありません。

なお、株価や契約規模の話が出てきますが、これは事実の記録であって投資判断の材料として書いているものではありません。この点はご留意ください。

ひとこと解説: **推論(inference)**とは、学習が済んだAIに実際に質問して答えを出させる処理のことです。学習=教科書を読んで勉強する段階、推論=試験本番で問題に答える段階、とイメージすると分かりやすいと思います。チャットAIに何か聞くたび、裏側では推論が動いています。

まとめ

今日の5本を一言でつなぐと、**「AIが数学に踏み込んだ日と、その足元を固めようとする動き」**でした。

OpenAIは1万体のエージェントを88時間走らせ、ミレニアム懸賞問題のひとつを解いたと発表しました。ただし証明は未検証で、功績の帰属をめぐって当事者の主張が食い違っています。同じ日、フィールズ賞受賞者が数学でAIの安全性を扱う研究所を立ち上げました。数学がAIに使われる流れと、数学でAIを確かめる流れが、同時に動き出した一日です。

土台の話も進みました。DeepMindのAlphaGenome Atlasは、DNAの90億通りの変異をあらかじめ全部計算しておくという力技で、研究の下調べを丸ごと肩代わりしようとしています。QualcommとAWSの提携は、AIのコストの重心が「学習」から「推論」へ移ったことの表れです。そして米当局の勧告は、AIの能力そのものが「盗まれる対象」になったという認識の変化を示しています。

今日ひとつだけ持ち帰るなら、「AIがすごい成果を出した」というニュースを見たときに、"それは検証されたのか"を一拍おいて確かめる習慣です。今回のナビエ・ストークスの件は、まさにその練習台になります。発表と検証のあいだには、まだかなりの距離があります。

出典: