[論文レビュー] Semi-Autonomous Mathematics Discovery with Gemini: A Case Study on the Erdős Problems

Tony Feng, Trieu Trinh+22 more|arXiv (Cornell University)|Jan 29, 2026

Mathematics, Computing, and Information Processing被引用数 2

ひとこと要約

論文は、AI搭載の数学研究エージェント（Aletheia）を Gemini Deep Think の上に置き、700の Erdős 開放問題に適用したケーススタディを報告する。自律的、部分的、文献識別済みの成果の混合を示し、綿密な人間の検証と落とし込みの議論を含む。

ABSTRACT

We present a case study in semi-autonomous mathematics discovery, using Gemini to systematically evaluate 700 conjectures labeled 'Open' in Bloom's Erdős Problems database. We employ a hybrid methodology: AI-driven natural language verification to narrow the search space, followed by human expert evaluation to gauge correctness and novelty. We address 13 problems that were marked 'Open' in the database: 5 through seemingly novel autonomous solutions, and 8 through identification of previous solutions in the existing literature. Our findings suggest that the 'Open' status of the problems was through obscurity rather than difficulty. We also identify and discuss issues arising in applying AI to math conjectures at scale, highlighting the difficulty of literature identification and the risk of ''subconscious plagiarism'' by AI. We reflect on the takeaways from AI-assisted efforts on the Erdős Problems.

研究の動機と目的

• Bloom’s Erdős Problems データベースでの半自律的な数学的発見を大規模に実証する。
• 人間の評価を通じてAI生成解の正確性、新規性、出所を評価する。
• AI支援数学研究の制約、リスク、ベストプラクティスを特定する。

提案手法

• Gemini Deep Think 上に構築された数学研究エージェント Aletheia を用いて、Open 問題の候補解を生成する。
• 自然言語ベリファイアを適用して、700件のプロンプトから潜在的に正しい回答を212件の候補へ絞り込む。
• 人間の専門家が正確性と新規性を評価し、必要に応じて外部相談を行う。
• 結果を自律解決、部分的AI解決、独立再発見、文献識別のカテゴリに分類する。
• 潜在的な盗用（subconscious plagiarism）と文献識別の課題のケースを記録・検討する。

実験結果

リサーチクエスチョン

• RQ1 AI駆動の自然言語検証は、大規模な未解決問題空間を専門家のレビューに適した実用的な集合へ信頼性高く絞り込めるのか。
• RQ2 AI生成候補のうち正確で新規性があるのは何割合か、それとも既存文献の新しい言い換えに過ぎないのか。
• RQ3 AI支援の数学的発見における主な障害（命題の解釈、文献検索、盗用リスク）は何か。
• RQ4 Erdős 問題に対する自律AI解は意味のある数学的新規性に到達するのか、それとも低レベルの洞察にとどまるのか。
• RQ5 これらの問題に対する AI支援作業は、Lean などの形式検証アプローチと比較してどうか。

主な発見

• AI生成の200件の回答のうち、意味的に正確で新規なものは0〜2件、全体で13件が意味的に正確な解として特定された。
• 自律解決には5つの問題（Erdős-652, Erdős-654, Erdős-935, Erdős-1040, Erdős-1051）が含まれる。
• 追加の8つの問題は部分的なAI解決または多部問題の一部の発見にAI支援が必要であった。
• 独立した再発見は3つの問題（Erdős-397, Erdős-659, Erdős-1089）で発生したが、文献にはすでに正解解が含まれていた。
• 文献識別は、文献に既に存在する解を5つの問題（Erdős-333, Erdős-591, Erdős-705, Erdős-992, Erdős-1105）で特定した。
• 本研究は、潜在的な盗作（subconscious plagiarism）リスクと、規模のある数理予測にAIを適用する際の文献識別の難しさを強調している。