数学はAIの“炭鉱のカナリア”か──3Blue1Brown×Dwarkesh対談に学ぶ、AIの実力の測り方と投資家の物差し
📌 この記事は公開情報（対談内容・各社の公表・報道など）をもとにした情報提供・解説です。数値・固有名詞は執筆時点（2026年7月5日）で確認できた情報にもとづくもので、状況は今後変わり得ます。
炭鉱で働く人たちは、かつてカナリアを連れて坑道に入りました。カナリアは人間より先に有毒ガスに反応するので、その様子を見れば「目に見えない危険」をいち早く察知できたからです。いま、AIの世界で同じ役割を果たしているものがあるとしたら──それは数学かもしれません。
2026年6月30日、米国の人気テック番組 Dwarkesh Podcast（ドゥワルケシュ・ポッドキャスト）に、世界で最も有名な数学解説YouTubeチャンネルの一つ 3Blue1Brown を運営するグラント・サンダーソン氏が登場しました。テーマは「AIと数学の未来」。対談を貫くのは、「AIは他のどの分野よりも数学で速く進歩しており、数学はAIの進歩が他分野でどう起きるかを最も具体的に見せてくれる」という視点です。
なぜこれが投資家に関係あるのでしょうか。AI関連株のバリュエーション（企業価値の評価）は、突きつめれば「AIの能力があとどれくらい速く伸び、どこまで汎用的になるか」という期待の上に立っています。ところがAIの能力は直接目盛りで測れません。だからこそ市場は、ベンチマーク（AIの学力テストのようなもの）の点数を頼りにします。そして今、最も感度よく振れている計器の一つが数学なのです。「AIが新ベンチマークで最高スコア更新」という見出しを見たとき、投資家は何を確認すればいいのか──その答えの一つも、この記事の後半で用意しています。前回の記事では「AGIが来ても希少であり続けるものは何か」という対談を扱いましたが、今回はその手前にある問い、「AGIへの道のりを、わたしたちはどう測ればいいのか」を考えます。
この記事では、①この3年で数学AIに何が起きたか、②なぜ数学が先行指標たりうるのか、③「数学ができても汎用知能にはならない」という懐疑論、④そして物差し（ベンチマーク）自体の落とし穴と、投資家がカナリアの声を聞くための作法、を順にほどいていきます。
まず、この対談は何なのか？
2026年6月30日に公開されたDwarkesh Podcastのエピソード「Grant Sanderson – AI and the future of math」（約1時間33分）です。ホストのドゥワルケシュ・パテル氏は、AI研究者や経済学者への長時間インタビューで知られる論客。ゲストのサンダーソン氏は、線形代数や微積分、ニューラルネットワークの仕組みを美しいアニメーションで解説する3Blue1Brownの制作者で、数学の「分かる喜び」を世界中に広めてきた人物です。
サンダーソン氏は現在、AIが数学の研究現場をどう変えつつあるかを記録するドキュメンタリー企画を進めており、1年以上かけて多くの数学者にインタビューしてきたといいます。対談では「2025年半ばと2026年の今とでは、数学者たちのAIについての話しぶり（トーン）が変わってきているのが分かる」という現場観察も披露されました。つまりこの対談は、外野の評論ではなく、数学コミュニティの内側を定点観測してきた人の現場観察を含む対談です。
以下で紹介する内容は、確定した事実（大会結果や各社の公表）と、対談で示された個人の見方・仮説が混ざっています。どちらなのかをその都度示しながら進みます。
この3年、数学AIに何が起きたのか
まず事実関係から。数学AIの進歩は、振り返ると驚くほどの速さで階段を駆け上がっています。
2024年7月、Google DeepMindのAlphaProofとAlphaGeometry 2が、国際数学オリンピック（IMO）2024の6問中4問を解き、42点満点中28点で銀メダル級に到達しました。金メダルのボーダーは29点──あと1点でした。象徴的だったのは幾何の第4問で、AlphaGeometry 2は問題の形式化を受け取ってからわずか19秒で解いています。一方、他の問題には最大3日かかったものもあり、能力が極端にでこぼこしていることも同時に示されました。
2025年7月、Gemini Deep Think（Google DeepMind）がIMO 2025で6問中5問・35点を取り、史上初めてIMO主催者による公式認定つきで金メダル級と評価されました。OpenAIも同じ問題で自社モデルが35点相当だったと発表しています。しかも2024年のAlphaProofがLean（証明をコンピュータで機械的に検証できる形に書き直すための専用言語）への翻訳を必要としたのに対し、2025年のモデルは人間と同じ自然言語で、制限時間内に解き切りました。1年での様変わりです。
2026年5月には質的な転換点が来ます。OpenAIが、社内の汎用推論モデルがエルデシュの単位距離予想──1946年に提起され、80年間誰も解けなかった離散幾何の有名予想──を反証（予想が間違っていることを証明）したと発表しました。この結果は外部の数学者グループによって検証され、プリンストン大学のウィル・サウィン教授が結果を明示化する論文を公開しています。オリンピック問題（＝答えが用意された問題）ではなく、答えを誰も知らなかった研究上の未解決問題でAIが成果を出した、という点で段階が一つ上がりました。
対談でサンダーソン氏は、この反証で公開された思考過程（チェーン・オブ・ソート）が、複数分野の知識をつなぎ合わせる筋の通った推論になっていたことに注目しています。ただし同時に、対談では組合せ論のようにひらめき依存の分野ではAIがまだ苦戦していることも指摘されました。数学の中ですら、得意と不得意のスパイク（とがり）が激しいのです。
なぜ数学が「炭鉱のカナリア」なのか
では、なぜ数学だけがこんなに速く進むのでしょうか。対談の議論を整理すると、数学にはAIの訓練装置として理想的な性質がそろっていることが分かります。
強化学習（うまくいったら報酬を与えて学ばせる訓練法）は、「正解かどうかをすぐ判定でき、何度でもやり直せる」環境で最も威力を発揮します。数学とプログラミングはまさにその条件を満たす、いわばコンテナ化できる（実験室の中に閉じ込めて、何度でも安全に試せる）領域です。だからこの2分野でAIは突出して速く伸びている──ここまでは対談の両者がおおむね同意する現状認識です。
カナリア論の核心はこの先にあります。サンダーソン氏の見立てでは、いま数学で起きていること──オリンピック問題の攻略から研究レベルの未解決問題へ、答え合わせから新しい問いの発見へ──という進歩の順番そのものが、他の知的労働でこれから起きることの予告編になっている可能性があります。数学は条件が良いぶん先に進んでいるだけで、遅れて他分野が同じ階段を上るなら、数学の現在地は「AI全体の少し先の未来」を映す鏡になるわけです。ただし、他分野が本当に同じ階段を上るとは限りません──この留保は後半で詳しく扱います。
リーマン予想の「3つの解き方」──どう解くかで意味が変わる
対談で特に印象的だったのが、数学最大の未解決問題の一つリーマン予想をAIが解くとしたら、という思考実験です。数学の細部が分からなくても大丈夫です。要点は、同じ「解けた」でも解き方の質がまったく違うということ。サンダーソン氏は解き方を3種類に分けます。
稲妻型は、過去に数論と物理のランダム行列理論の類似性が偶然の昼食の会話から見つかったように、分野横断の類似性に気づく解き方。膨大な文献を同時に読めるAIには相性がよさそうな領域です。山脈型は、フェルマーの最終定理が楕円曲線という新しい山脈の上でようやく証明されたように、そもそもの考え方の枠組みを発明する解き方。力業型は、正しいけれど人間には何の洞察ももたらさない千ページの計算です。
投資家目線で重要なのは、サンダーソン氏の次の趣旨の発言です──もしAIが山脈型、つまり分野の考え方そのものを作り変えるような新理論を築けるのなら、それほどの知能が経済の他の領域に波及しないほうが驚きだ。逆に言えば、AIの数学的成果がどの型なのかを見分けることが、「このAIはどこまで汎用なのか」を測る手がかりになります。同じ「未解決問題を解いた」というニュースでも、中身によって意味がまるで違うのです。
疑う目も持つ──「数学ができる」は汎用知能に化けるのか
ここまでがカナリア肯定派の見方だとすると、対談ではそれと同じくらい、慎重派の論点も率直に語られました。ここは両論をフェアに並べます。
第一に、数学とプログラミングは例外かもしれないという点。前述のとおり、この2分野は「正解を機械的に検証でき、無限に再実行できる」特殊な領域です。パテル氏自身、実世界の仕事の多く──交渉、経営判断、市場での駆け引き──はコンテナ化できない、と指摘しています。訓練装置に閉じ込められない仕事では、数学ほどの速度でAIが伸びる保証はありません。数学のカナリアが元気に鳴いていても、坑道の外の世界について教えてくれるとは限らない、という理屈です。
第二に、心を読む能力の壁。サンダーソン氏は、よい解説や文章を書くには「読み手の頭の中でいま何が起きているか」を想像し続ける能力（心の理論）が必要で、現在のAIはここが根本的に弱いと見ています。数学の証明は読み手の心を想像しなくても正しさが決まりますが、教育・執筆・営業・マネジメントといった仕事の価値は相手の内面の理解に大きく依存します。
第三に、数学の中ですらムラがある。幾何は19秒で解けるのに組合せ論では苦戦する、というスパイク状の能力分布は、「一点の突出を全体の知能と混同するな」という警告でもあります。IMO金メダルの発表時にも、著名なAI懐疑論者ゲアリー・マーカス氏らが「オリンピック問題の攻略と、数学研究や汎用知能とは別物だ」という趣旨の論考を出しています。
そしてサンダーソン氏自身、カナリアの聞き方について面白いことを言っています。次の転換点は「どこかのベンチマークで何点」という形では来ない──「アハという瞬間はない」。むしろ本当のシグナルは、現場の数学者たちが「最近のモデルとの対話は研究の方向を考えるのに本当に役立つ」と語り始める、トーンの変化のような定性的なものだろう、と。数値の物差しが飽和したあとは、質的な観察がものを言うという指摘です。
物差し自体が揺れる──FrontierMathの教訓
さて、ここからが本記事でいちばん投資家向けの話です。カナリア（数学ベンチマーク）の声を聞くには、実は鳥かごの検品が欠かせません。象徴的な例が、AI研究機関Epoch AIが作った研究級数学ベンチマーク FrontierMath（フロンティアマス）です。大学レベルから研究者が数週間かける超難問までを集めたテストで、その通過率は数学AIの実力の代表的な物差しとされてきました。スコアの推移を見てみましょう。
公開直後の2024年11月、最先端モデルの正答率は2%未満でした。「これで数年は安泰な物差しになる」と思われた1か月後、OpenAIのo3が一気に25%超え（公表値25.2%）を叩き出します。そして2026年半ばには最上位モデルが9割近くに到達──1年半あまりで物差しがほぼ振り切れました。この飽和速度自体が、数学AIの進歩の速さを物語っています。
ただし、この数字をそのまま額面どおりに受け取ってはいけない理由が2つあります。
理由①：物差しに誤りが混ざっていた。2026年6月12日、Epoch AIは監査を経た改訂版（v2）を公開しました。修正された問題は135問、削除された問題は12問──全350問のうち147問（約42%）が手直しの対象になった計算です。上のグラフの最後の急上昇には、「本当は正解していたのに不正解と採点されていた」分の見かけの上昇が含まれています。ベンチマークの数字は、モデルだけでなく採点者側の品質にも左右されるのです。
理由②：物差しの独立性にも歴史がある。FrontierMathは2025年1月、その開発資金をOpenAIが提供しており、OpenAIが多くの問題と解答にアクセスできる立場にあったことが事後的に開示され、批判を浴びました（Epoch AI側は契約上の守秘義務があったと釈明しています）。また2025年のIMOでは、OpenAIの発表タイミングが主催者側から苦言を呈されるなど、ベンチマークが各社の宣伝合戦の舞台になっている構図も報じられています。テストの点数が資金調達や株価の物語に直結する時代には、「誰がその物差しを作り、誰が先に結果を知れるのか」まで見る必要があります。
誤解のないように言えば、これは「ベンチマークは当てにならない」という話ではありません。修正後も上位モデルの順位はおおむね変わらず、数学AIの進歩自体は本物だというのが大方の見方です。教訓は、カナリアの声は本物だが、聞き手にも作法が要るということです。
投資家として、どう読む？
この対談は特定の銘柄のニュースではなく、AI関連投資全体の「前提」を点検する材料です。強気・慎重の両方の目で整理します。
強気に読むなら──数学での進歩は、「検証できる領域ならAIは人間の専門家水準を超えていける」ことの実証です。プログラミング、そしてAI研究そのものも比較的検証しやすい領域であり、AIがAI開発を加速する好循環への期待は、巨額のデータセンター投資を正当化する物語として市場で語られやすいものです。エルデシュ予想の反証のような「研究レベルの成果」が積み上がるほど、この物語の説得力は増していきます。
慎重に読むなら──第一に、コンテナ化できる領域とできない領域の差です。経済の大部分は交渉や信頼、身体を伴う仕事でできており、数学の速度をそのまま外挿はできません。第二に、ベンチマークの点数と企業の収益は別物です。テストで首位でも、それが利益率や持続的な競争優位に変わる保証はありません。AIモデルの技術が模倣されやすいという構造問題は、点数の優位が長持ちしない可能性を示しています。第三に、ここまで見たとおり物差し自体が揺れます。期待が数字より先に走れば、株価は現実が追いつくまでの時間差で大きく振れえます。
そのうえで、売買のシグナルではなく観察の習慣として、この対談から持ち帰れるチェックポイントを3つ挙げます。次に「AIがベンチマーク更新」のニュースを見たら、この順番で確認してみてください。
- ベンチマークの飽和速度を見る。主要な数学・推論ベンチマークがどれくらいの速さで振り切れ、次の物差しに交代していくか。その間隔の縮み方は、AIの進歩ペースを測る比較的正直な計器です。
- 数字が出たら物差しを検品する。誰が作ったか（資金源・利益相反）、いつ改訂されたか（採点の修正）、何を測っているか（過去問型か、未解決問題型か）。この3点を確認するだけで、見出しの数字に振り回されにくくなります。
- 定性シグナルに耳を澄ます。サンダーソン氏の言うとおり、次の転換点は点数ではなく「現場の専門家の道具としてAIが本当に使われ始めたか」というトーンの変化として現れる可能性があります。数学者、そしてAI研究者たちの発言の質感の変化は、決算資料より早い先行指標かもしれません。
フクリの見方
わたしなりに、この対談から持ち帰りたいポイントを3つにまとめます。
- 値動きより理由を理解する材料として一級品です。AI株のニュースは日々流れますが、その根っこには「AIの能力はどれだけ速く、どこまで伸びるか」という一つの問いがあります。AIと投資の基礎を押さえたうえで、数学という最先端の計器盤の見方を知っておくと、ニュースの位置づけがぐっと立体的になります。
- カナリアが元気でも、賭け方は分散が基本です。数学の進歩が汎用知能に化けるのか、例外領域にとどまるのか──対談の両者ですら答えを持っていません。分からないからこそ、特定の銘柄への売買助言としてではなく、リスク管理の考え方として、分散投資で「どちらのシナリオでもそれなりに拾える」構えが理にかなうと、わたしは考えています。
- 物差しを疑う習慣は、投資全般に効きます。ベンチマークの42%に誤りがあった、という話は他人事ではありません。企業の業績予想も、アナリストの分析も、この記事も、すべて誰かが作った物差しです。数字を見たら出典と作り手を確かめる──その一手間は、AI時代にいっそう価値を増す投資家のスキルだと思います。
まとめ
- 3Blue1BrownのGrant Sanderson氏がDwarkesh Podcastで対談（2026年6月30日公開）。AIは数学で最も速く進歩しており、その進み方は他分野の未来を映す先行指標になりうるという見方が示された
- 事実として、IMO銀（2024年）→金（2025年）→80年未解決だったエルデシュの単位距離予想の反証（2026年5月）と、数学AIは階段を駆け上がっている
- 一方で「数学は検証可能な例外領域で、実世界の仕事には汎化しない」という慎重論も対談内で率直に議論された。能力のスパイクと汎用知能は別物
- FrontierMathでは問題の42%に誤りが見つかり改訂されるなど、物差し自体も揺れる。数字の出典・作り手・改訂履歴を確かめる習慣が、AI時代の投資家の基本動作になる
情報源
- Dwarkesh Podcast：Grant Sanderson – AI and the future of math（2026年6月30日公開・トランスクリプトあり）
- Google DeepMind：AI achieves silver-medal standard solving International Mathematical Olympiad problems（2024年7月）
- Google DeepMind：Advanced version of Gemini with Deep Think officially achieves gold-medal standard at the IMO（2025年7月）
- OpenAI：An OpenAI model has disproved a central conjecture in discrete geometry（2026年5月）
- arXiv：Remarks on the disproof of the unit distance conjecture（外部数学者による検証・解説論文）
- Epoch AI：FrontierMath: LLM Benchmark for Advanced AI Math Reasoning／FrontierMath Tier 4（v2）：改訂の内容
- TechCrunch：AI benchmarking organization criticized for waiting to disclose funding from OpenAI（2025年1月）
- Axios：OpenAI and Google DeepMind race for math gold（2025年7月）
- Gary Marcus：DeepMind and OpenAI achieve IMO Gold. What does it all mean?（2025年7月・懐疑的な見方の例）
本記事は情報提供を目的としたものであり、特定の金融商品の投資勧誘や投資助言を行うものではありません。投資にともなう最終的な判断は、ご自身の責任で行ってください。記載内容の正確性には努めていますが、その完全性・将来の結果を保証するものではありません。
