問題の中にある易しい問題を見つけよ
ベストセラーとなった数学的発想法の指南書、ジョージ・ポリアの『いかにして問題をとくか』(1945年)は、この分野の作業手法を体系化した――問題が解けなければ、特殊な場合、類似物、条件を一つ外した問題など、関連する易しい問題を見つけてそれを先に解け、というものである。研究数学者はこれを本能的に行うが、ポリアはその本能を教えられるものにし、この本は百万部を超えて売れた。
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。
核となるスキルは計算ではない――それはとうの昔に機械が引き受けた――そうではなく、厳密に定義された対象について隙のない論証を構築すること、そしてそれ以上に難しいメタスキルである、どの論証に取り組む価値があるかを見極めることである。働く数学者たちは自分たちの日々を正直に「行き詰まっている」ものだと表現する。アンドリュー・ワイルズは研究を、何ヶ月も暗い部屋を手探りで進み、明かりのスイッチを見つけてはまた次の暗い部屋に移ることに例えた。
この仕事が求める気質はそれゆえ独特である。ほとんどのアプローチが難問に対して死に絶えるため、持続的な失敗への耐性。一行の欠陥が百ページを無効にするため、執拗な正確さ。そして見込みのない方向を早く見切るだけのセンスである。学校が評価する速さは最も重要ではなく、この分野の偉大な人物の何人かは自らを「遅い」と評した。
定義から結論まで、隙のない完全な論理の連鎖を築くこと――他のどの分野にもない確実性の基準を満たす、この職業の産物である。
どの問いが重要でありかつ既存の道具で攻略可能かを見極める能力――キャリアを最も分ける技能であり、指導教官が教えることが最も難しいと語る技能である。
何ヶ月も何年も進展のない同じ壁に何度も戻ること。ワイルズはフェルマーに七年を費やしており、研究の日常の質感は失敗した試みの連続である。
個人的な理解を、査読者が検証でき同僚が発展させられる論文に変えること――この分野全体の記憶は書かれた証明であり、うまく書かれなかった結果は失われる。
SageMath、Mathematica、Pythonで実験を行いデータを生成し予想を検証すること、そして次第にLeanで形式証明を書くこと――現代の実験台である。
研究職の大半は教授職である。講義、博士課程の学生の指導、そして徒弟修業の連鎖に技芸を伝えることは、実際の仕事の半分を占める。
一日は前夜からの自分の分野の新しいプレプリントを掲載するarXiv一覧の確認と、時差を越えた査読依頼や共著者からのメールで始まる。
現在の問題に取り組む保護された午前のブロック。ページと黒板を埋め、具体例を計算し、昨日失敗した同じ補題に再び挑む。ハーディは一日四時間の創造的な時間が数学者の限界だと考えていた。
学科の昼食とお茶は休憩ではなく仕事の一部である。協働の半分は廊下でのふとした一言から始まり、強い学科はこの儀式を熱心に守っている。
学部生への講義、その後は博士課程の学生との面談――主張された証明を一行ずつ確認したり、行き詰まった学生に彼らの問題の小さな版を手渡したりする。
誰かの新しい研究を一時間発表し質疑を行う研究セミナーの後、共著者とのチョークセッションが続く。共著論文の多くは実際にはここで生まれる。
夕方は論文の執筆と校正に費やされる。休息もまた真の仕事である。ポアンカレは意識的な努力が止まった後に解が浮かび上がってくる様を記録しており、数学者たちは眠る前にわざと問題を頭に詰め込んでおく。
現場で実際に伝えられる技術知 — モチベーション文句ではない。
ベストセラーとなった数学的発想法の指南書、ジョージ・ポリアの『いかにして問題をとくか』(1945年)は、この分野の作業手法を体系化した――問題が解けなければ、特殊な場合、類似物、条件を一つ外した問題など、関連する易しい問題を見つけてそれを先に解け、というものである。研究数学者はこれを本能的に行うが、ポリアはその本能を教えられるものにし、この本は百万部を超えて売れた。
ガウスは十代の頃、表にある素数を一回に何千個も手で数え上げることで素数定理の内容を発見した――誰かがそれを証明できるようになる何十年も前のことである。この技芸は今も生きている。現代の研究者はコンピュータ実験を走らせてデータを構築し、パターンを推測し、その後で初めて証明を試みる。具体例から正直に得られた良い予想は定理の半分だ、というのがこの分野の格言である。
アレクサンダー・グロタンディークはナッツを開ける二つの方法を語った――ハンマーとノミを使うか、あるいは何週間も水に浸けて自然に開くのを待つか。彼の方法――一般理論を辛抱強く構築し、難問が目に見える苦闘なしにやがて開いてしまうようにする――は代数幾何学を再構築し、今も現代数学の多くの背後にある意図的な戦略であり続けている。すなわち問題を力ずくで解くのではなく枠組みを広げるということである。
アンリ・ポアンカレは、フックス関数について何週間も実を結ばずに研究した後、コータンスでオムニバスに乗り込む瞬間、数学とは無縁のことを考えていたときに解が完全な形で浮かんできたと記した。意識的に飽和させた後、休息中に潜伏作業をさせよという彼の処方は、この分野全体で意図的な技術となっており、数学者たちが散歩、シャワー、睡眠を働く時間として大切にする理由である。
G・H・ハーディは朝食から昼食まで働き、午後はクリケット観戦に費やした。一日四時間の創造的な仕事が数学者の限界であり、それを超えると翌日修正すべき誤りを生むと考えていたのである。証明への深い集中は生理学的に高くつく。規律とは絶頂の時間を延ばすことではなく守ることである。
テレンス・タオの広く読まれるキャリア助言は現代の作業手法を体系化している――難問をその最も単純で非自明な場合に切り詰め、あらゆる都合の良い仮定を加えてそれを解き、その後で仮定を一つずつ取り除いていくというものである。彼はまた途中経過や失敗したアプローチを書き留めることを勧める。なぜ明白な攻め方が失敗するのかを知ることそれ自体が持ち運び可能な財産になるからである。
今もこの分野を定義する道具である。チョークの速さは説明される思考のペースに合い、消せることが挑戦を後押しする。敬愛される日本の羽衣チョークは、2015年のメーカー閉業を、韓国企業がその製法を買い取ったことでのみ生き延びた。
数学の普遍的な組版システムであり、ドナルド・クヌースのTeX(1978年、自著の校正刷りの醜さに我慢できず開発した)とレスリー・ランポートのマクロを基盤とする。この分野のあらゆる論文誌、プレプリント、学位論文がこれで書かれている。
形式化された証明のあらゆる論理ステップを検証するソフトウェア。2017年以来オープンなコミュニティが構築してきたLeanのmathlibライブラリは百万行の形式化された数学を超え、2022年のペーター・ショルツェの成果を含む研究レベルの定理を検証した。
Mathematica、Maple、MATLAB、Magma、そしてオープンソースのSageMathは、予想が生まれる元となる具体例やデータを生成する記号的・数値的実験――因数分解、プロット、行列計算など――を担う。
1991年にポール・ギンズパーグがロスアラモスで創設したプレプリントサーバーで、今や新しい数学のほぼすべてが論文誌への掲載前にここに現れる。朝の一覧を確認することはこの職業の共通の日課であり、そこに投稿することが優先権に時刻印を刻む。
取り出せる部分的成果への戦略もないまま、リーマン予想やコラッツ予想に何年も費やすことは、キャリア初期の破滅として知られている。パウル・エルデシュはコラッツについて数学は「まだそれに対して機が熟していない」と語った。ワイルズが七年をフェルマーに賭けられたのは、モジュラー性に関する部分的進展がそれ自体で発表可能だったからにすぎない。
教室で一番速いことの上に築かれたキャリアは、しばしば研究の最前線で崩れる。そこでは誰もが自分の教室で一番速かった人であり、問題は分ではなく月単位の時間を要する。速さから粘り強さへの適応は博士課程の学生の少なからぬ割合を挫折させ、指導教官は知識の欠落以上にこれを注視する。
この分野の絶対的な正しさの基準は、研究者を優先権が失われていく中で結果を際限なく磨き続けるよう誘惑する。九割方完成した論文が詰まった引き出しは、本物の犠牲を伴う定番の冗談である。arXivはこの競争を先鋭化させた。投稿されていない成果は明日にも誰か別の人に独立して発見され時刻印を押されうるのである。
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