論文の概要: Fundamental Mathematics in the Age of AI -- The Residue, the Journey, and the Ecology
- arxiv url: http://arxiv.org/abs/2608.12816v1
- Date: Thu, 13 Aug 2026 04:46:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-14 18:29:38.398456
- Title: Fundamental Mathematics in the Age of AI -- The Residue, the Journey, and the Ecology
- Title（参考訳）: AI時代における基礎数学 -残響, 旅, エコロジー-
- Abstract要約: 現在生産されている機械は数学の可算な部分である。
製品は人間の理解であり、結果のシェアではない。
機械は可算弧に強く、それを供給しているもの以外は存在しない。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Large language models have begun refuting long-standing conjectures and, for a few thousand dollars of tokens, solving long-open problems (OpenAI, August 2026). The introspection this has prompted about the future of mathematical discovery is overdue, and the anxiety accompanying it legitimate -- but both are attached to the wrong loss. What machines now produce is the countable part of mathematics -- theorems, proofs, refutations -- which was always the \emph{residue} of the work, not its product. The product is human understanding: not a stock of results but a collective, hard-won way of deciphering the world and acting upon it. The two are arcs of a single loop -- looking produces the residue; taking it up again, one journey at a time, is what rebuilds the shared understanding. Machines are strong on the countable arc, absent from the one that feeds it. The peril is to leave the loop open. AI did not create the confusion between residue and product; it has called a bluff long on the books, driving the cost of the residue towards zero and making the scarce thing visible at last. The pressing questions are therefore institutional: who can check the claims of AI companies, what the work becomes for the next generation of researchers, and whether the one thing that cannot be mass-produced -- the journey that nourish a shared understanding -- continues to be funded. Mathematics, we argue, is uniquely placed among the sciences on the first question -- a proof answers to no one's permission -- and uniquely exposed on the last: the journey has never had a price our institution knew how to pay. The decision is ours.
- Abstract（参考訳）: 大規模な言語モデルは、長年の予想に反論し始め、数千ドルのトークンで、長いオープンな問題を解決する(OpenAI、2026年8月)。
数学の発見の未来について、これが引き起こしたイントロスペクションは時代遅れであり、それに伴う不安は正当であるが、どちらも間違った損失に結びついている。現在、機械が生成している機械は、数学の可算な部分である定理、証明、難読化である。それは、常に作品の「emph{residue"」であり、その製品ではない。
製品は人間の理解です – 結果のストックではなく,世界を解読して行動するための集合的かつ強固な方法なのです。
2つは1つのループの弧で、残余を発生させます。
機械は可算弧に強く、それを供給しているもの以外は存在しない。
危険はループを開いておくことです。
AIは残余と製品の間の混乱を生んだのではなく、書物に長いブラフと呼ばれ、残余のコストをゼロへと押し上げ、最後には希少なものを見えるものにした。
AI企業の主張、次世代の研究者にとって仕事が何になるのか、そして大量生産ができないもの、つまり共有された理解を育む旅が資金提供され続けているかどうか、といった問題だ。
数学は、最初の質問 ― 人の許可に答える証拠 ― で科学界に一意に置かれており、最後の質問で一意に露呈している。
決定は我々のものだ。
関連論文リスト
- LeanMarathon: Toward Reliable AI Co-Mathematicians through Long-Horizon Lean Autoformalization [104.06650149974585]
信頼性の高い研究レベルのLean AutoformalizationのためのマルチエージェントハーネスであるLeanMarathonを紹介します。
4つのコントラクトスコープエージェントがこの青写真を構築し、監査し、証明し、修復する。
我々は4つのErds問題にまたがる最近の2つの研究論文でLeanMarathonを評価した。
論文 参考訳（メタデータ） (2026-06-03T20:09:39Z) - Artificial Intelligence and the Structure of Mathematics [5.327210719701061]
人工知能(AI)の最近の進歩は、数学の変換能力を解き放つことである。
我々は、数学のtextbf論理を補完する新しい経路を造ることによって、AIが数学の壮大な視点を開こうと考えている。
私たちはAIエージェントをプラトン数学の世界を横切るために送ります。
論文 参考訳（メタデータ） (2026-04-07T17:19:33Z) - Towards Autonomous Mathematics Research [48.29504087871558]
Aletheiaは、自然言語のエンドツーエンドの解を反復的に生成し、検証し、修正する数学研究エージェントである。
具体的には、AletheiaはGemini Deep Thinkの高度なバージョンで、推論の問題に挑戦している。
我々は、オリンピアード問題から博士レベルのエクササイズまで、AI支援数学研究におけるいくつかのマイルストーンを通じて、アレクシアを実証する。
論文 参考訳（メタデータ） (2026-02-10T18:50:15Z) - In Reverie Together: Ten Years of Mathematical Discovery with a Machine Collaborator [0.0]
自動推論システム textttTxGraffiti によって生成されるグラフ理論における4つの開予想を示す。
各予想は簡潔で、自然グラフ不変量に基づいており、数百のグラフに対して経験的に検証されている。
私たちは、人間数学者とAIシステムの両方に、それらに取り組むよう促すことを目指しています。
論文 参考訳（メタデータ） (2025-07-23T00:49:32Z) - Formal Mathematical Reasoning: A New Frontier in AI [60.26950681543385]
我々は公式な数学的推論を提唱し、AI4Mathを次のレベルに進めるには不可欠であると主張している。
既存の進捗を要約し、オープンな課題について議論し、将来の成功を測るための重要なマイルストーンを想定します。
論文 参考訳（メタデータ） (2024-12-20T17:19:24Z) - Apriori Knowledge in an Era of Computational Opacity: The Role of AI in Mathematical Discovery [0.7673339435080445]
我々は、現代のLLMとDNNの不透明さは、それらの数学的知識を得るのに障害をもたらすと論じる。
しかし、人間の証明チェックを自動化した証明チェッカーがそのような機械に取り付けられている場合、それらからアプリロリの数学的知識を得ることができる。
論文 参考訳（メタデータ） (2024-03-15T21:38:26Z) - Machine learning and information theory concepts towards an AI
Mathematician [77.63761356203105]
人工知能の現在の最先端技術は、特に言語習得の点で印象的だが、数学的推論の点ではあまり重要ではない。
このエッセイは、現在のディープラーニングが主にシステム1の能力で成功するという考えに基づいている。
興味深い数学的ステートメントを構成するものについて質問するために、情報理論的な姿勢を取る。
論文 参考訳（メタデータ） (2024-03-07T15:12:06Z) - AI for Mathematics: A Cognitive Science Perspective [86.02346372284292]
数学は人間によって開発された最も強力な概念体系の1つである。
AIの急速な進歩、特に大規模言語モデル(LLM)の進歩による推進により、そのようなシステム構築に対する新たな、広範な関心が生まれている。
論文 参考訳（メタデータ） (2023-10-19T02:00:31Z) - Understanding Natural Language Understanding Systems. A Critical
Analysis [91.81211519327161]
自然言語理解システム(Natural Language Understanding (NLU) system)としても知られる usguillemotright(英語版) のようなギユモトレフトークを持つ機械の開発は、人工知能の聖杯(英語版) (AI) である。
しかし、Gillemottalking machineguillemotrightを構築することができるという信頼は、次世代のNLUシステムによってもたらされたものよりも強かった。
私たちは新しい時代の夜明けに、ついに砂利が我々に近づいたのか?
論文 参考訳（メタデータ） (2023-03-01T08:32:55Z) - Epistemic Phase Transitions in Mathematical Proofs [0.0]
我々は,認知的に証明可能な信念形成機構の下では,数学的議論に対する信念は,不確実性からほぼ完全に近い信頼まで,合理的なクレーム・トゥ・クレーム・トゥ・フレーム・エラー・レートで劇的かつ急激な飛躍を経験できることを示した。
我々の結果は、証明を理解する方法に関する数学の歴史と哲学における最近の研究と、複雑な信念を正当化する方法に関する基本的な認知科学に関する疑問の両方に関係している。
論文 参考訳（メタデータ） (2020-03-31T18:39:56Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。