AIが数学、物理学、生物学の分野で人類が約100年間解決できなかった難問を次々と解き明かしている。特に1965年に提唱されたAndrews Curtis予想において、強化学習システムが25年から40年以上未解決だった反例候補を解決し、数千ステップに及ぶ複雑な数学的推論を初めて機械が実行した歴史的瞬間となった。同様に、100年以上研究されてきた流体力学のEuler方程式やNavier-Stokes方程式においてもAIが新たな特異点を発見し、生物学ではAlphaFoldが半世紀にわたる課題だったタンパク質折り畳み問題を解決して2億以上のタンパク質構造を予測した。これらの成果は、人間の直感では到達不可能な探索空間をAIが航行できることを示しており、科学的発見の新時代の到来を告げるものである。
AIが科学史を塗り替える瞬間
AIは急速に進化していますが、時折、科学者たちでさえ立ち止まって「今、何が起きたんだ?」と言わざるを得ないようなことをやってのけます。なぜなら今回、AIは人類が約100年近く行き詰まっていた問題を解決したからです。そして驚くべきことに、それを純粋数学の領域でやってのけたのです。直感、証明、そして数十年にわたる人間の経験が通常支配する場所で。
これからご覧いただくのは誇大広告ではありません。これは、AIが何千もの小さく正確なステップを必要とする、人間の脳では現実的に処理できない種類の科学を始めたときに起こることなのです。そしてこれは数学だけではありません。物理学と生物学も、最近AIのおかげで100年来の謎が解けました。しかし、まずは見出しとなるブレークスルーから始めましょう。数学者たちを不意打ちしたもの、なぜならそれは科学的発見のこの新時代がいかに異なるものになりつつあるかを正確に示しているからです。
AIがついに解いた数学問題
この物語の中心にあるのは、Andrews Curtis予想と呼ばれるものです。これは1965年に提唱されました。そしてこれを想像する最も簡単な方法は、巨大な抽象的なルービックキューブを思い浮かべることです。ただし、色や物理的な項の代わりに、あなたは代数式を扱っていて、それらを単純化するために許された小さな一連の合法的な動きしか使えないのです。
この予想は、あなたの開始パズルがどれほど複雑であっても、それを基本的な標準形に単純化できる何らかの動きの順序が存在すべきだと述べています。十分単純に聞こえますが、数学者たちは単純化できないように見える奇妙なパズルを見つけ続けました。これらは潜在的な反例として知られるようになりました。研究者たちはこれらを削減しようと数十年を費やしました。
そして、より難しいものは25年、30年、さらには40年以上も未解決のまま残されました。誰もきれいな動きの順序を見つけることができませんでした。そして非常に多くの可能な経路があるため、これらのパズルが本当に単純化不可能なのか、それとも人間が単に正しい場所を見ていないだけなのか、決して明確ではありませんでした。
挑戦の規模
ここに問題があります。可能な変換の数があまりにも速く増大するため、まともな方法でマッピングすることができないのです。これらの順序のいくつかは、数千または数百万ものステップを必要とします。人間の直感は即座に崩壊します。従来のコンピューターも役に立ちませんでした。なぜなら、空間を総当たりで探索することは不可能だからです。地球上の原子よりも多くの潜在的な経路が存在するのです。
そのため数十年間、これらの問題はただそこに座って、誰かがついにそれらを解明するのを待っていました。
AIシステムが実際に解決したとき
今年、カリフォルニア工科大学のチームが、この圧倒的な可能性の世界のために特別に設計された強化学習システムを構築しました。ランダムに探索する代わりに、AIはパターンを学習しました。それは単純な例から始め、ゆっくりと一種の数学的直感を構築していきました。
時間をかけて、それは独自の長い動きの連鎖を発見しました。研究者たちはこれらをスーパームーブと呼んでいます。なぜなら、それぞれが実際にはAIが何度も何度も有用だと発見した小さな変換の隠されたバンドルだからです。このシステムはレベルアップし続ける学生のように訓練されました。それは簡単な問題から始め、それからますます難しい問題へと進みました。
そしてそれが構造を十分によく学習すると、人間が決して見つけなかった希少で深い経路を探索し始めました。それは予想全体を解こうとしていたわけではありません。それは他のみんなが抵抗していたパズルの奇妙な隅を探索していたのです。
ブレークスルー
そしてそのときにブレークスルーが起こりました。AIは潜在的な反例のファミリー全体を解決しました。これらは数学者たちが25年から40年間行き詰まっていたのと同じ例でした。AIはそれらを基本形に戻し、それらが反例ではまったくないことを証明しました。これらのケースはこの分野で最も難しいものの一部と考えられていました。完全な予想はまだ解決されていませんが、その最も難しい未解決問題の大部分が今や決着しました。
なぜこれが歴史的なのか
これは、機械が抽象数学においてこの種の深い数千ステップの推論を処理した初めてのことです。それは単に支援しただけではありません。それは人間が決して特定しなかった経路を発見したのです。そしてこれは転換点を示しています。なぜなら、AIは今や人間の心では現実的に航行できない数学的空間を探索しているからです。
ところで、物理学の側面に飛び込む前に、視聴しているクリエイターの方々にとって役立つものがあります。Overseer OSという新しいAIツールがあり、どんなYouTubeチャンネルでもリバースエンジニアリングして、結果を駆動しているものを正確に示すことができます。もし探索したい場合は、下の説明欄に無料リンクがあります。
100年来の流体力学問題
数学の話が十分驚くべきものでなかったとしても、同じことが物理学でも起こっています。そしてここでは、問題はさらに過去にさかのぼります。EulerやNavier-Stokesのような流体力学方程式は100年以上前から存在しています。これらは、飛行機の上を空気がどのように流れるか、波がどのように形成されるか、煙がどのように渦を巻くか、そして乱流がどのように振る舞うかを記述する方程式です。
すべてです。科学者たちは数十年にわたり、それらの最も深い振る舞いを理解しようとしてきました。特に繰り返し出てくる疑問があります。これらの方程式は爆発を生み出すことができるのでしょうか? 有限の時間内に流体速度が無限になる点です。この問題は非常に難しいため、クレイ数学研究所はそれを100万ドルのミレニアム懸賞問題の1つにしました。
今年初め、Google DeepMindはこれらの方程式内のパターンを探索するために、物理学に基づいたAIシステムを構築しました。ランダムなデータを供給する代わりに、彼らはそれを方程式自体で直接訓練しました。この種のモデルは、すべてのステップで物理法則を尊重するように設計されています。そして研究者たちがそれを3次元Euler方程式に向けたとき、AIは人間が決して見つけなかった特異点を見つけ始めました。
それは不安定な爆発の新しいファミリーを特定しました。単一のスケールパラメータのみを使用して現れるものを含みます。その種の単純性は興味深いです。なぜなら、それは100年の研究で決して特定されなかった根底にある構造を示唆しているからです。これは単なる理論でもありませんでした。数学者たちはその後、AIが見つけたものに対してコンピューター支援証明を実行しました。
これらのAIが発見した特異点のいくつかは、厳密なチェックの下でも持ちこたえました。それがこの分野の人々の注目を集めた部分です。なぜなら、これらの構造が本物であるなら、私たちはNavier-Stokesミレニアム問題に答えることに近づいているかもしれない、あるいは少なくともその周辺を地図化しているかもしれないからです。
では、なぜこれが数学サークルの外で重要なのでしょうか? なぜなら、これらの方程式が世界を動かしているからです。それらは飛行機がどのように飛ぶか、ロケットがどのように振る舞うか、海がどのように動くか、気候シミュレーションがどのように嵐を予測するかを支配しています。乱流は古典物理学における最も難しい問題の1つです。ですから、AIが1900年代初頭から研究されてきた方程式内で新しい振る舞いを明らかにし始めるとき、それは私たちが機械が私たちの直感が到達できないレベルで物理システムを探索できる段階に入っていることを示しています。
生物学におけるAlphaFoldとタンパク質折り畳み革命
数十年にわたり、生物学における最も難しい問題の1つは、タンパク質がどのように折り畳まれるかを解明することでした。タンパク質はアミノ酸の長い鎖として始まります。そしてそれが3次元の形状にねじれる方法が、それが体内で何をするかを決定します。
その形状を実験的に得ることには、高度な実験装置を使っても数ヶ月から数年かかることがありました。生物学者たちはしばしばこれを聖杯問題と呼びます。なぜなら、タンパク質構造を知ることで、それが何をするか、どのように失敗するか、そして疾患においてどのようにそれを標的にするかを理解できるからです。しかし、その形状配列だけを予測することは、研究者たちが半世紀近く苦闘してきたことでした。
それはDeep MindがAlphaFoldを2020年にリリースしたときに変わりました。それはCASP 14タンパク質予測チャレンジ中に新しい実験的精度に達しました。世界中の研究者たちを驚かせました。それ以来、AlphaFoldモデルは公開されているゲノムデータベースから2億以上のタンパク質の構造を予測してきました。
その数は自然界で知られているほぼすべてのタンパク質をカバーしています。そしてAlphaFold 3では、システムは今や完全な分子複合体をモデル化できます。つまり、タンパク質がDNA、RNA、および小分子とどのように相互作用するかを予測できるということです。これは重要です。なぜなら、本物の生物学は1つのタンパク質が単独で作用するのではなく、細胞内で一緒に働く分子のネットワークだからです。
その影響は即座に現れました。製薬、遺伝学、構造生物学の研究者たちは現在、これらの予測された構造を使用して、以前は数ヶ月かかっていた研究を加速しています。それは科学者たちが酵素設計を探索し、遺伝的条件を理解し、以前は迅速にテストすることが不可能だった仮説を生成するのを助けています。AlphaFoldは生物学のすべてを解決したわけではありませんが、実験的なボトルネックの背後に閉じ込められていた研究の全分野への扉を開きました。
なぜAIが突然100年来の問題を解決しているのか?
数学、物理学、生物学で起こったすべてを並べると、明確なパターンが現れます。AIは単により速く答えを計算しているだけではありません。それは人間の直感が航行できない場所で構造を発見しているのです。従来の科学的ブレークスルーは、洞察と試行錯誤に依存しています。
しかし、これらの100年来の問題は、どんな人間も探索するには大きすぎる探索空間の中に存在しています。ここで現代のAIシステムが登場します。強化学習により、それらは長い推論の連鎖を構築できます。物理学に基づいたモデルは、それらが現実世界の法則に基づいたままでいるのを助けることができます。
テンソルベースのフレームワークにより、それらは複雑性の下で崩壊することなく数千の次元を移動できます。その結果、AIは事実上私たちから遮断されていた科学的景観を探索できるのです。それは人間の科学者がそれほど重要でないという意味ではありません。それはツールキットが、研究可能なものを変える方法で拡張されたという意味です。
そしてこの傾向が続けば、次の波のブレークスルーは、以前は到達不可能だった領域で人間と機械が協力して働くことから生まれるかもしれません。ここまで視聴していただいた方は、コメント欄であなたの考えをお聞かせください。そしてOverseerをチェックしたい場合は、リンクが説明欄にあります。より興味深いトピックについては、今すぐ画面に表示されている推奨動画を必ず視聴してください。ご視聴ありがとうございました。
コメント