中国の研究者がTongGeometryを発表：AIによる数学的推論のパラダイムシフト

世界の人工知能分野における重要な進展として、中国の合同研究チームがTongGeometryという、Google DeepMindのAlphaGeometryを上回ると報告されている汎用人工知能（Artificial General Intelligence, AGI）システムを発表しました。権威ある学術誌『Nature Machine Intelligence』に掲載されたこの突破は、人間レベルの論理的推論と自律的創造を目指す取り組みにおける転換点を示しています。

このシステムは、Beijing Institute for General Artificial Intelligence (BIGAI) を中心とする共同研究によって開発され、Peking University の複数の著名な学部（School of Psychological and Cognitive Sciences や Institute for Artificial Intelligence を含む）と協働して作られました。従来は主に既存の問題を解くことに注力していたものと異なり、TongGeometry は解決者としての役割と創作者としての役割という二重の能力を備え、機械が複雑な数学的課題に取り組む方法を根本的に再形成します。

AlphaGeometryのベンチマークを超えて

長年にわたり、国際数学オリンピック（International Mathematical Olympiad, IMO）は機械知能を試す「ゴールドスタンダード」として用いられてきました。2024年初頭、DeepMind はAlphaGeometryで幾何学問題における卓越した能力を示して話題になりました。しかし、TongGeometryの登場は前モデルの固有の非効率性に対抗するものです。

核心的な違いは計算効率とアーキテクチャの哲学にあります。研究者たちはAlphaGeometryを「受動的な解法器（passive solver）」と表現しており、結果を得るために巨大な合成データセットと大規模な計算クラスタに大きく依存していました。対照的に、TongGeometryは「少量データ・大規模課題（small data, big task）パラダイム」に基づいて動作します。

研究チームによれば、TongGeometryは2000年から現在までの国際数学オリンピックの幾何学問題を、38分未満で全て解いたといいます。特に注目すべきは、この偉業が単一のコンシューマー向けGPUで達成された点であり、DeepMindの対応システムが要求する産業規模のリソースと比べて計算コストが劇的に削減されていることを示しています。

技術的アーキテクチャ：「模倣的解法（Imitative Solving）」から「自律的創造（Autonomous Creation）」へ

TongGeometryの技術的飛躍は、その革新的な正規化表現技術（normalized representation technology）に起因します。従来のAI解法器はしばしば「パス爆発（path explosion）」問題に直面し、可能な論理的ステップの数が指数的に拡大してシステムを圧倒してしまいます。TongGeometryは独自の表現手法を用いてこの探索空間を桁違いに圧縮し、力任せの計算を必要とせずに迅速かつ精密な推論を可能にします。

主要な数学系AIシステムの比較

BIGAIの研究者で本論文の筆頭著者であるZhang Chiは、単なる問題解決を超えるシステムの能力について説明しました。「我々は研究の中で深い二重性を認識しました：幾何学命題の証明の難易度がその構成の複雑さを大きく上回る場合、それはオリンピアードレベルの問題として『美的価値』を持つのです」とZhangは述べました。

この二重性をモデル化することで、TongGeometryは人間の数学者の美的基準に合致する高品質な問題を識別し生成することができます。この能力は、AIが学習したパターンを単に模倣する「模倣的解法」から、操作する論理の根底にある優雅さを理解して独自に生み出す「自律的創造」への転換を示しています。

実世界での「マスター教師」能力の検証

TongGeometryが「マスター教師（Master Teacher）」として機能するという主張は単なる理論ではありません。システムの創造的能力は既に高レベルの学術競技で試されており、TongGeometryによって自律的に生成された3題の幾何学問題が正式に**2024年 中国数学オリンピック（北京地区）**に採用されました。

これが人間の競技構造に統合されたことは、システムの出力品質を実証するものです。AIが計算機や検索エンジンの役割を越え、人間の専門家を挑発するような独創的な知的成果を提供できる段階に入っていることを示唆しています。

Peking University のSchool of Psychological and Cognitive Sciencesで助教授を務めるZhu Yixinは、システムが人間の直感を模擬している点を強調しました。「TongGeometryの意義は、単に解決速度が上がった点にあるのではなく、『少量データ・大規模課題（small data, big task）パラダイム』の実現にあります」とZhuは指摘しました。「大量のラベル付きデータに依存するのではなく、内部の論理を通じて進化するこの道こそが、汎用人工知能（AGI）の発展の鍵なのです。」

汎用人工知能（AGI）の未来への示唆

TongGeometryの発表は、2026年のAI産業に対する広範な予測と整合します。AGIの父と称されるDr. Ben Goertzelのような業界の古参たちは、現在の分野が真の認知アーキテクチャ（長期記憶、目標志向の自律性、データについて信頼できる推論を行う能力）を備えたシステムへと向かう競争の最中にあると指摘しています。

TongGeometryの成功は、AGIへの道が単にデータと計算を拡大することにあるのではなく、人間の推論プロセスを模倣する専門化された論理コアを開発することにある可能性を示唆します。単なるパターンマッチングではなく「内部論理」で機能する能力は、個別化された知能教育から自動化された科学的発見に至るまで、幅広い応用の鍵となります。

AIセクターへの主な影響：

• 研究の民主化： コンシューマー向けハードウェアで最先端の推論モデルを実行できる能力は、独立研究者の参入障壁を下げます。
• 教育の変革： カリキュラムに適した問題を生成できるAIシステムは、個別化学習に革命をもたらす可能性があります。
• 科学的発見： こうした論理コアに支えられた「サイエンス大規模言語モデル（Science Large Language Models）」は、定理の証明や新しい物理法則の発見を支援するかもしれません。

結論

TongGeometryの公開は、AIイノベーションの地理的分布が多様化していることを強く示しています。生の計算能力よりもアルゴリズム効率と人間の美的直観のシミュレーションを優先することで、中国の研究チームは汎用人工知能（Artificial General Intelligence）の探求において独自の道筋を切り拓きました。チームが「Tong」シリーズのモデルをさらに反復改良していく中で、この「論理優先（logic-first）」アプローチが次世代のAI開発にどのような影響を与えるか、業界は注視していくでしょう。 汎用人工知能