どの問いが重要かを選ぶこと
92定理証明器は提示された予想には取り組めるが、ある問いに十年を費やす価値があると判断したり、別の問いこそが重要だと気づいたりすることはできない。問題選択はこの職業の複利で効いてくる優位性である。
濃いマスほど、このテーマでその指標が高いことを示します。
低高
研究数学者は誰もまだ証明していない主張を証明しようとして日々を過ごす。論文を読み、具体例を計算し、黒板を埋め、生き残ったわずかなアイデアを書き上げる。多くは教育や学生指導も行う。応用・産業系の数学者は市場、機械、疾病、データのモデルを構築・分析し、数学が乱雑な現実に答えを出さねばならない。どちらの仕事も算数計算はほとんど占めない。
研究職や大学のポストでは、事実上どこでも必要であり、博士号は新しい数学を生み出せることを証明する資格である。学界の外では事情はやや緩やかで、トレーディング会社やテック企業、政府機関は優秀な学士・修士号取得者を採用する。医学や法律と異なり、無資格で定理を証明することを法的に禁じるものは何もない。ラマヌジャンは学位を一つも取得しなかった。
年功よりも所属セクターの方がはるかに影響する。米国の数学者の年収中央値は2023年時点で約11万6千ドル(BLS)、ドイツの正教授はおおむね年8万~11万ユーロ、フランスの若手CNRS研究員は年3万ユーロ程度から始まる。突出しているのは金融分野で、トップクラスのトレーディング会社の上級クオンツ研究者は教授の給与の数倍を得ることもあるが、これは職業全体の中でも小さく選ばれた一部にすぎない。
AIシステムは2025年に国際数学オリンピックの問題で金メダル水準に達し、Leanのような証明支援系は今や研究レベルの論証を検証できる。機械にまだできないのは、どの問いが重要かを決めること、問題を扱いやすくする定義を発明すること、数学的な意味に責任を負うことである。多くの研究者は、この仕事が消滅するというより、強力な協働者と働くものへと変質すると見ている。
アルフレッド・ノーベルは1895年の遺言で単に数学を除外しただけで、数学者イェスタ・ミッタク=レフラーとの確執という俗説には裏付けとなる文書はない。この分野は代わりに独自の栄誉を築いた。1936年から4年ごとに40歳未満の数学者に贈られるフィールズ賞と、2003年からノルウェーが毎年授与し、ノーベル賞に匹敵する賞金を持つアーベル賞である。
クレイ数学研究所が2000年に選定した7つの問題で、それぞれ100万ドルの懸賞金が懸かる。リーマン予想、P対NP問題、ナビエ・ストークス方程式とヤン=ミルズ理論の問題、バーチ・スウィンナートン=ダイアー予想、ホッジ予想、そしてポアンカレ予想である。解決したのはポアンカレ予想のみで、証明したグリゴリー・ペレルマンは2010年の懸賞金も、その前のフィールズ賞も辞退した。
数学は、機械が真っ先に威信の高い仕事を狙ってくる稀な職業である。計算はとうの昔に失われ、2024~25年にはAIシステムが国際数学オリンピックの問題で銀メダル、次いで金メダル水準に達し、Leanのような証明支援系は研究の最前線の論証を検証した――2022年には、著者自身が手作業で確認するのを恐れていた定理さえも。もはやまじめな数学者は誰も、日常的な補題の証明が長く人間の仕事であり続けるとは賭けない。
それでもこの職業の反応は恐れよりむしろ興奮に近い。なぜなら最も希少な仕事は機械が行うあらゆることの上流にあるからだ――どの問いに人生の何年を費やす価値があるかを決めること、漠然とした直観を証明可能にする定義を発明すること、無限に多く存在する真の主張のどれが意味を持つかを判断すること。テレンス・タオらは近い将来を、数学者が疲れを知らない半信頼できる機械の協働者チームを率いる姿として描いている。
文献調査、検証、計算、明確に定式化された問題解決など、日々の仕事のかなりの部分は現在自動化が進んでおり、AIはすでにコンクール水準の成果を証明している。しかしキャリアを定義する仕事――問題を選ぶこと、概念を形成すること、重要性を判断すること、人間を教えること――は現行のシステムが行うこととは最もかけ離れている。最も可能性の高い結果は、日常的な補題を証明する時間が減り、何を証明すべきかを決める時間が増えることである。職業の消滅ではなく変質である。
肩書きではなく業務単位で算定。低いほど安全。
AIが奪えない仕事 →定理証明器は提示された予想には取り組めるが、ある問いに十年を費やす価値があると判断したり、別の問いこそが重要だと気づいたりすることはできない。問題選択はこの職業の複利で効いてくる優位性である。
この分野の最も深遠な動き――グロタンディークのスキーム、ネーターの環、カントールの無限――は、後の研究がそれを使って計算する対象そのものを創り出した。演繹ではなく概念形成こそが数学が実際に成長する場所であり、まだどのシステムもそれを行っていない。
無限に多くの真の主張が存在するが、そのほとんどは無価値である。どの結果が示唆に富むか、どの証明が単に検証するだけでなく説明するか、どの方向が実り豊かかを判断することは、キャリアを通じて築かれる人間の合意であり続けている。
数学が暗号システム、薬物治験の統計、航空機の制御則を裏付けるとき、その定理が世界について実際に何を言っているかについて、名指しされた人間が責任を負わねばならない。機械検証済みであることは、正しくモデル化されていることと同じではない。
指導教官から学生へと中世の大学以来手から手へ伝えられてきた徒弟修業の連鎖は、内容だけでなくセンスと基準を伝えるものであり、この職業が自己再生産する方法であり続けている。
すでに終わった話である。計算機代数システムは1980年代からこの分野の計算、積分、方程式解決を担ってきており、現役の数学者で誰もそれを惜しんではいない。
言語モデルは今や、何百万本もの論文にまたがる関連する補題、既知の手法、先行研究を、どんな人間の読解よりも速く検索する。それはエルデシュのような学者を定義していた博覧強記の優位性を浸食している。
一行ずつ正しさを確認するという査読者の最も退屈な仕事は、疲れた人間の査読者には及ばない厳密さでそれを行うLeanやCoqのような形式システムに次第に委ねられつつある。
厳密に定式化されたコンクール形式の問題が与えられれば、AIシステムは2025年にIMO金メダル水準に達した。それを人間が定式化し機械が証明する日常的な研究補題へ拡張することが、今まさに越えられつつある最前線である。
ペーター・ショルツェの液体テンソル実験(2021~22年)では、Leanコミュニティが彼自身が最も重要でありながら検証しがたいと考えていた定理を検証し、多くの懐疑派を転向させた。主要な新しい証明は機械検証済みの付随物とともに発表されることが増えており、論文誌もそれを期待し始めている。
ディープマインドの2021年の『ネイチャー』論文は結び目理論と表現論で予想を生成し、数学者ジョーディ・ウィリアムソンらがそれを証明した。AlphaProofが2024年に続いた。生まれつつある分業は、機械が提案し力業をこなし、人間が枠組みを与え判断するというものである。
有限単純群の分類は数万ページの論文誌と百人を超える著者を要し、Polymathプロジェクトは2009年以来オープンなオンライン群衆によって定理を証明してきた。平均的な著者数は上昇を続けており、孤高の天才という作業方式は静かに引退しつつある。
AI研究所、トレーディング会社、暗号チームは今や研究数学者に直接入札しており、学界が育てながら支払いきれない才能そのものを雇っている。この職業の重心は、20世紀に物理学がそうだったように、数学科から産業界へと移動しつつある。
深層学習の数学――最適化、確率論、高次元空間の幾何学――はまだ薄く、それが公然と認められている。研究数学者は経験的な成果がまだ待ち続けている理論を構築するために雇われている。
トレーディング会社は確率解析、統計学、最適化の上で動いており、学界の何倍もの給与で数学科から直接採用する。これはこの分野の博士号取得者にとって最大の単一の出口である。
NISTが2024年に確定した耐量子暗号の標準は純粋数論の格子問題に基づく。世界の通信のセキュリティは今や文字通り、実装期限付きの応用研究数学そのものである。
純粋数学に入りつつある証明支援系のスキルと同じものが、半導体メーカーやクラウドプロバイダーで有給の産業的な仕事となっている。インテルは1994年のペンティアム除算バグが4億7500万ドルの損失を出して以来、浮動小数点演算装置を形式的に検証しており、AWSは自社の中核プロトコルの性質を証明している。
可逆の3レンズ: 補助、一部置換、新ニッチ。教材であり予測ではありません。
役割は残し、AIが下書き・仕分け・調査を加速。判断と責任は人側。
狭いタスク群が先に圧縮され、隣接スキルが伸びることも。
規制下でAI出力を信頼する監督・統合・ドメインQAが生まれ得る。
近い将来についての正直な見通しはこうだ。解くことに似た部分――明確に定式化され、自己完結的で、検証可能な部分――は、計算がそうだったのとまさに同じように、機械によって、あるいは機械とともに行われる割合が増えていくだろう。問うことに似た部分――枠組みを与え、定義し、判断し、教えること――には自動化される兆しがなく、それこそが実践者たちが常に本当の仕事だと見なしてきた部分である。
経済もまた同じ方向を指している。機械が賢くなるあらゆる場所で数学的訓練を受けた人材への需要は高まっている。なぜなら誰かが機械に何をすべきかを指定し、機械が行ったことを検証しなければならないからだ。米国労働統計局は2033年までに数学関連職種で二桁の成長を見込んでいる。バッジに書かれる肩書は研究者、クオンツ、科学者かもしれないが、その訓練は数学者のものである。
開かれたままの問いは経済的なものではなく文化的なものである。無支援の人間の証明の上にアイデンティティを築いてきたこの分野が、機械支援の定理を完全に自分自身の知として扱うかどうかである。1976年の四色定理論争がこの議論を予告し、Leanの時代がそれを実践の中で、一つ一つの形式化された証明とともに決着させつつある。かつて自らの名前――コンピュータ――を機械に奪われて生き延びたこの職業は、おそらく機械と証明を分かち合うこともまた生き延びるだろう。
分野だけでなく、6つのスコアが近い職業です。
学問を公に語り、教えることで報酬を得る者――プラトンの学園から終身在職権、そしてAIチューターまで、25世紀にわたる教育と発見の歴史。
AI耐性 76 🎬脚本を完成した映画に変える仕事。あらゆるショット、演技、編集の判断を下し、プロデューサーやスタジオ、そして観客にその予算をかける価値があったと納得させる。
AI耐性 73 🧩1879年ライプツィヒの実験室から診療室まで、心と行動を科学する者――本人がまだ言葉にできないことを聴き取る訓練を受けた専門家。
AI耐性 82 💱希少性を研究する学者――アダム・スミスのピン工場から中央銀行の意思決定室まで、どんなモデルも捉えきれないものを予測せよと求められ続けている。
AI耐性 62 🔭バビロニアの粘土板から宇宙望遠鏡まで、宇宙を測り続ける科学者。今もデータの中のどの揺らぎが発見なのかを見極めている。
AI耐性 70 ⚖️社会が判断を託す人物――ハンムラビの石碑からAIが点数を出す保釈審問まで、最も難しい争いは今も一人の責任ある人間の前で終わる。
AI耐性 90黒板一枚から3000人の共著者を抱える加速器論文まで、物質・エネルギー・空間・時間を支配する数学的法則を導き検証する仕事。
AI耐性 65 🧬生命そのものを研究する科学者。リンネが種を手作業で命名した時代から、CRISPRでゲノムを編集する今日まで、あらゆる着想を生きた生物で検証し続けてきた。
AI耐性 64 🧪物質そのものを作り、測る科学者——バビロニアのタプティの蒸留器から今日のロボット実験室まで、スペクトルの意味を決めるのは常にこの人だ。
AI耐性 70 📊データからパターンを見つけ予測モデルを構築する職業――2008年生まれの肩書きだが、その土台には数値を数え、検証し、可視化してきた3世紀分の営みがある。
AI耐性 38 🔭バビロニアの粘土板から宇宙望遠鏡まで、宇宙を測り続ける科学者。今もデータの中のどの揺らぎが発見なのかを見極めている。
AI耐性 70 🧿コンピューティング、センシング、通信、材料研究のために量子状態を利用する装置を構築し、測定し、制御する。
AI耐性 78 🧫臨床データ、治験データ、医療システムのデータを用いて、より安全な医療、研究、業務上の意思決定のための信頼できるエビデンスを生み出す。
AI耐性 68