GPT-5.6が30年来の凸最適化問題を解決

GPT-5.6が凸最適化における30年の空白を埋める

OpenAIのGPT-5.6は、凸最適化における長年の予想に対して証明を提供するために使用されました。具体的には、凸かつLipschitz関数上の最適化問題を解く際の計算量（タイムコンプレキシティ）に対処しています。この結果は、計算量の下限を確立し、これらの問題を解くには$\Omega(d^2)$の関数評価が必要であることを証明したため、非常に重要です。これは、既存の30年前のアルゴリズムの計算量と一致しています。

証明の技術的な内訳

この証明は、球状ドメインにおける凸かつLipschitz関数上の最適化における計算量の下限に焦点を当てています。上限を示すことは通常簡単ですが（既知のアルゴリズムの実行時間であるため）、下限を証明することは、考えられるすべてのアルゴリズムを制約する必要があるため、はるかに困難です。

主な技術的側面は以下の通りです：

• Domain: 問題は球状ドメインに限定されていますが、専門家は、変数を任意の有界ドメインに変更できるため、これは大きな制限ではないと指摘しています。
• Complexity: 証明は、必要な最小限の関数評価回数が$\Omega(d^2)$であることを示しています。
• Implication: これは、勾配オラクルが利用可能な場合、$d$が最小限の評価回数であることを示唆しています。なぜなら、勾配は$d$回の関数評価で近似できるからです。

人間の専門知識とプロンプティングの役割

AIが自律的に問題を解決したという考えとは対照的に、この結果は高度なプロンプティング・プロセスを通じて達成されました。証明を達成するために使用されたプロンプトは、モデルを正しい方向に導くための準備として、約10ページの高度な数学を用いて設計されています。この準備は、1年間にわたる事前の人間による研究に基づいています。

批判的な見方をする人々や観察者は、これが単なる「この未解決問題を解決せよ」という単純な要求ではなく、むしろ、実質的なドメイン知識を用いてモデルを導くコラボレーションであったと指摘しています。一部の報告によると、GPT-5.6はプロンプト自体の作成を支援するために使用されましたが、人間が全体的な方向性を提示しました。

コミュニティの視点と研究への影響

この成果は、数学および理論計算機科学（TCS）研究の未来に関する、技術コミュニティ内での議論を巻き起こしています。

研究の焦点のシフト

一部の研究者は、AIが数学者を不要にするのではなく、むしろ「低く吊るされた果実（low-hanging fruit）」、つまり既存の手法の反復的な洗練を通じて解決できる問題を排除することになると主張しています。これにより、人間の役割は以下のようにシフトしていきます：

• 新しい問いの特定: 研究の最も重要な部分は、どの問いが重要で解決する価値があるかを定義することです。
• 新しいアプローチ: 人間は、既存のものの最適化ではなく、全く新しい概念的な枠組みを必要とする問題に対して必要とされるでしょう。

「入力の階層化」

AIを効果的に使用する能力が、新しいスキルセットになりつつあるという認識が高まっています。この「入力の階層化（stratification of input）」は、LLMの出力の質はユーザーの背景知識に基づいて変化することを示唆しています。この文脈では、実装スキルよりも、概念的な深さと、高品質で技術的に根拠のあるプロンプトを提供できる能力が重要になっています。

懐疑論と検証

いかなる数学的証明の主張と同様に、コミュニティは、この結果がまだ査読を受けていないことを強調しています。AIが生成した証明は、人間が生成したものと同様に、ハルシネーション（幻覚）の可能性があるため、事実として受け入れられる前に、人間の学術コミュニティによって厳密に検証される必要があるという見解が一致しています。