第一に、AIがリーマン予想を証明したということでも、数学者に取って代わったということでもない。本当に注目すべきは、AIが、人類が未解決の基礎科学問題に取り組み、人類がこれまで発見していなかった知識間のつながりを見つけるという、はるかに重要な能力を示し始めていることです。
この能力が向上し続ければ、AIが科学に与える影響は、“科学者のコード作成、論文調査、計算支援”をはるかに超えている可能性があります。
過去数世紀にわたる科学の進歩は、少数の優秀な人間科学者に大きく依存してきました。ニュートン、マクスウェル、アインシュタインなどの登場は非常に少なく、時間、注意力、実験能力は限られています。天才が1日20時間働いても、1万の方向を同時に研究することはできません。
AIにはそのような制限がない。
AI科学者が膨大な知識を読み、仮説を立て、数学的推論を行い、実験を設計し、結果を分析し、仮説を修正することができれば、“科学者の道具”から“科学研究の参加者”へと進化する可能性があります。
さらに重要なのは、AIは複製できることです。
優れた人間の科学者が一度に100万人の自分を複製することはできませんが、AI研究システムは理論的には何千もの研究例に変換し、同時に異なる問題を探求することができます。
これは、科学研究が少数の天才に大きく依存していた“連続探索”から、大規模並列探索へと移行する可能性を意味します。
本当に革命的なのは次のステップです。
AIが数学だけでなく、ロボット工学、自動化されたラボ、スーパーコンピュータ、現実世界の科学機器を接続できるようになれば、次のようなクローズドループが実現するかもしれません。
AIは仮定を立てる。
AIは実験を設計。
ロボットは実験を行う。
楽器はデータを生成する。
結果を分析する。
修正理論です。
AIは次の実験ラウンドを提案する。
このサイクルは繰り返されます。
この段階では、AIは単に“人間の質問に答える”のではなく、“新しい知識の生成”に関わるようになります。
さらに、AIが次世代のAIそのものの研究に役立つとすれば、より複雑なフィードバックループが生まれる可能性があります。
AIの改善。
より強力なAIが新素材を発見
新しい材料はより良いチップを作る。
より良いチップはより多くのコンピューティング能力を提供する。
より強いAIはエネルギーと核融合を研究する。
安価なエネルギーはより多くのコンピューティング能力を提供する。
AIをさらに強化する計算能力。
つまり、AIは1つの科学分野だけでなく、数学、物理学、化学、生物学、材料、エネルギー、コンピュータサイエンスを同時に加速させる可能性があります。
もちろん、これは実際に実現するまでには長い道のりです。
AIは間違いを犯しやすく、現実世界を完全に理解できません。数学的推論は厳密に検証され、科学的予測は実験によって確認され、材料は実際に作られ、薬は実際に実験的および臨床的に検証され、核融合は材料、トリチウムサイクル、工学的問題を解決しなければなりません。
したがって、クロードがリーマン予想の方向に進んだことは、“AIがリーマン予想を解いた”ということではない。
しかし、それは私たちに可能な未来を見せてくれます：
かつて人類は自然法則を探求する少数の天才科学者に頼っていた。
将来的には、複製、並列化、継続的な実行、継続的な改善が可能なAI科学者がいるかもしれない。
この能力がロボット工学、自動化されたラボ、スーパーコンピューティング、高度な製造業と組み合わされれば、科学研究自体がスケールアップ可能な生産能力になる可能性があります。
その時、人類が直面する真の問題は、もはやないかもしれません。
AIは科学者を置き換えられるのか？
しかしながら、
“科学的発見が大規模に複製され加速されるとき、人類文明の技術進歩の速度に限界は何でしょうか。