AIは数学者を超えて考えているわけではない。彼らを超えて記憶しているのだ。

2026年8月16日原文(davidepiffer.com)

概要

AIの数学的能力 は、知性というよりも 大容量の作業記憶 に支えられている可能性
人間の作業記憶 の制約が、数学的推論の限界に直結
AIは外部記号ワークスペース を活用し、人間には難しい情報管理が可能
数学は明示的な記号化 がしやすく、AIの特性と非常に相性が良い
社会的・曖昧な問題 では、作業記憶の拡張だけでは十分でない

AIの数学的能力と作業記憶の違い

1952年のInstitute for Advanced Studyコンピュータの献納時、AIは 電子的アインシュタイン ではなく、 機械強化されたvon Neumann に近い存在と捉えられた
AIが難問を解く理由 として、知能の向上や直感の獲得が語られるが、 外部記号ワークスペースの大容量 という単純な要因が見落とされがち
人間の数学者 は同時に保持できる要素が少ないが、AIは 膨大な情報 を文脈ウィンドウ内に保存可能
人間の作業記憶 は極めて限定的で、情報の保持・操作に限界
紙やノート を使うことで作業記憶を拡張できるが、AIはこれを 桁違いの規模 で実現

数学における作業記憶の重要性

作業記憶 は一般知能と強い関連があり、数学的能力にも独立した影響
Alloway & Passolunghi (2011) によると、作業記憶は数学力に独自の寄与
Alloway & Alloway (2010) の縦断研究では、幼少期の作業記憶が後の学力を予測
Blankenshipら (2015) や Friso-van den Bosら (2013) も、作業記憶と数学力の関連を報告
知能と作業記憶 は重なるが、数学力には作業記憶の違いが独自に影響

AIと人間の記憶の仕組みの違い

AIの文脈ウィンドウ は人間の作業記憶と異なり、 巨大な外部ノート として機能
人間は内部で数値や情報を保持・更新できるが、 AIは生成済みテキスト が主な記憶手段
AIの推論 は外部化されており、テキスト自体が推論の一部
AIは数十〜数百の条件 を明示的に保持でき、人間は5つ程度が限界
文脈長＝完全な記憶 ではないが、 潜在的容量の差 は圧倒的

数学とAIの親和性

数学的推論 は記号化しやすく、AIの 大規模ワークスペース と相性抜群
仮定・定義・既知の式・目標・証明済み結果 など、全て明示的に記述可能
AIは各段階でアクティブな制約 を再確認し、推論状態を明確に管理
難問は洞察だけでなく、膨大な事務作業 （条件管理・変形・整合性確認）が必要
AIは全体構造を維持しながら長い推論チェーン を構築できる強み

長い推論と人間の限界

数学の証明 はA→B→C→Dのような連鎖で構成
作業記憶が大きいほど、長い推論チェーン を維持できる
難しさは個々のステップではなく、全体の統合 に依存
AIは中間状態や分岐を大量に記録・探索 でき、思考時間の増加が性能向上に直結
深い思考＝広範なサーチ というAIの特徴

社会的・非数学的問題における限界

社会的問題 では、記憶容量だけで解決できない
- 未観測の事実や隠れた原因 が決定的
- 曖昧な概念 （例: fair, successful, intelligent）は文化や文脈依存
AIは全発言を記憶しても、意味を誤解するリスク
ビジネス・政治・心理分析 などでは、 正しい因果モデルの特定 が本質的課題
大きなノート は役立つが、 根本的な問題解決には不十分

数学の特異性とAIの適性

数学は仮定が明示的・変換が検証可能 という特徴
答えの検算や数値評価 が容易で、AIの能力を最大限に活かせる
AIの数学的優位性 は、知能そのものよりも 人間の生物学的制約の克服 に由来

Hackerたちの意見

それって重要なの？人間には理解できないような、もっと複雑な証明を生み出して、人間を超えて新しいフロンティアを開くことになるよ。人間が物事を理解する時代は終わりつつあるね。私たちの脳は、科学や数学、技術に意味のある貢献をする能力がなくなってきてる。

└

「人間が物事を理解する時代は終わりつつある」って、AI企業が本当に信じてほしいことだよね。

└

人間には理解できないような、もっと複雑な証明を生み出して、人間を超えて新しいフロンティアを開くことになる。賛成だよ。> 人間が物事を理解する時代は終わりつつある：私たちの脳は、科学や数学、技術に意味のある貢献をする能力がなくなってきてる。これが本当になるとは、しばらくは思えないな。

└

限定的な実験では、AIは確かに非常に複雑で理解しにくい発言をすることがあるよ。部分的には過剰に複雑で、部分的には不要な用語を使っているから。だからと言って、人間が簡素化されたバージョンを理解できないわけじゃないし、最初からもっと簡素な発言をした方がAIも良くなるってこともないわけじゃないよ。（AIが生み出す数学的なものが trivial だとは言ってないからね。）

└

数学者が理解できないものを作るために、数兆ドルもLLMに投資する必要はないよ。そんなのは古代からたくさんあるしね。君の二つ目のポイントについてだけど、テリー・タオがすでに答えを持ってるよ。「証明そのものが貢献じゃなくて、共有された理解が貢献なんだ。」ってね。この問題は、四色定理が証明されたときにも提起されたことだよ。機械による証明や機械による証明チェックは便利なツールだけど、解釈作業やコミュニケーションがなければ、共有された理解を築くことはできないんだ。

└

可能ではあるけど、広さと難しさには違いがあるよね。人間は、AIが慣れている素材の広さや、問題に対して投じる努力の深さでは競争できない。でも、スケールだけが難しい科学的な取り組みの側面じゃない。理論もあるし、進展は時には多くのものを結びつける努力から生まれることもある。時には、より深い真実や新しい枠組み、根本的な洞察の啓示からも来るんだ。AIが次のレベルに到達する手助けをしてくれるかもしれないけど、それが私たちが何も理解できなくなるってことにはならないよ。私たちが追いきれないような複雑さの時期があって、その合間に私たち（少なくとも専門家）が比較的簡単に理解できる深い優雅さがあるかもしれない。そして、そこに到達するために必要だった足場が崩れてしまうんだ。

└

4chanを含む人類の豊かな知識で訓練された確率的生成器に優雅さを求めてるの？ちょっと期待値を見直そうよ。

└

証明を書く目的は、人間の理解を進めるためなんだ。スリムコンパイラーを通過する巨大な記号の塊は、人間が理解しない限り意味がないよ。

└

あなたが言ってることは正しいかもしれないけど、複雑さや科学的理解、説明がどうスケールするかについていろいろと仮定をしてるね。良い科学的発見の特徴の一つは、以前はバラバラだった事実を簡素化して圧縮することだよ。それに、AIシステムが進化すれば、科学的発見をするだけでなく、理解しやすい説明を作るのも上手くなるはず。

└

それはある時点では正しいかもしれないけど、まだそこには至ってないと思う。

└

人間が物事を理解する時代は終わりに近づいている：我々の脳は科学、数学、技術に意味のある貢献をする能力がなくなってしまう。その考えにはゾッとする。LLMがどう機能するかを理解していれば、これが根本的に変わらない限り、それは決して可能にならないことがわかるはず。LLMが知的である（辞書的な意味で、マーケティング的な「高い推論モデル」の意味ではなく）ことなく、その点に達することができるはずだとも思う。観察に基づくと、そうした「出現する特性」に騙される人たちは、ただの愚か者だ。十分に知的でないエージェントは、トランスフォーマーに基づくLLMのテキスト予測を高い知性を持っていると認識するだろう。

それに「人間を超える brute force」でもあるよね。全然疲れないし。数学者が研究の方向性を決めて、一週間それに取り組んでも成果が出なかったら、イライラしたり、しばらく休憩が必要になったりする。でも、このAIは全然疲れたり、落ち込んだりすることがない。次のことにどんどん進んでいくんだ。

Hacker Newsで議論の続きを見る

ハクソク