🔬Doing Vibe Physics — Alex Lupsasca、OpenAI

理論物理学者でありOpenAIのフェローでもあるAlex Lupsasca氏が、AI、特にOpenAIのGPTモデルシリーズが理論物理学の研究現場にどのような革命をもたらしているかを、自身の具体的な研究プロジェクトを例に語ったエピソードである。Lupsasca氏は、わずか1年半前まではAIを「メール作成に便利なツール」としか見なしていなかったが、o3やGPT-5といった推論モデルの登場により、自身の専門分野である最先端の理論物理学計算においてAIが人間を超えつつあると確信するに至った。本エピソードでは、AIが1年以上もの間、世界の第一線の物理学者たちを悩ませてきた未解決問題を解決した「グルーオン論文」と、その直後に発表された「重力子論文」という2つの具体的な研究成果を中心に、AIがどのようにして「既存知識の再結合」を超え、新たな科学的知見の創出に貢献しつつあるかが詳細に解説される。Lupsasca氏は、この変化を「超現実的」と表現し、AIはもはや単なる計算ツールではなく、創造性と専門知識を持つ共同研究者のような存在になりつつあると主張する。同時に、論文執筆の非効率性やAIが生成した結果の検証という新たなボトルネック、そして次世代の物理学者の育成方法など、AI時代の科学研究が直面する課題についても深く考察している。

0:00AIが理論物理学にもたらした「ムーブ37」の瞬間

Lupsasca氏がAIの可能性に確信を持った決定的な瞬間は、GPT-5がリリースされた直後に訪れた。彼はOpenAIのMark Chen（最高研究責任者）から「最も難しい問題を試してみてほしい」と言われ、自身が数ヶ月前に発表したブラックホールの潮汐応答に関する論文（「Why is there no Love in Black Holes?」）の核心部分をGPT-5に与えた。この論文は、ブラックホールが潮汐力に対してどのように応答するかを記す「ラブ数」がゼロになる理由を、新たな対称性の発見によって説明したものであり、世界中でその計算を理解できる人物は片手で数えるほどしかいないとされる難解な内容だった。

最初の試行では、GPT-5は「対称性は存在しない」と誤った回答を返した。しかしChenの助言で、まずより単純な「平坦な時空」における同じ問題をウォームアップとして解かせた後、再び本題のブラックホール問題に取り組ませたところ、GPT-5は18分間の思考の末、正しい対称性の生成子を完全に導出した。Lupsasca氏はこの経験を、囲碁AI「AlphaGo」が人間には考えられない画期的な一手（ムーブ37）を打った瞬間になぞらえ、「これが私のムーブ37の瞬間だ」と語る。この出来事が、彼をAI Skepticから「AI信者」へと変え、サバティカル中であったにもかかわらずOpenAIにジョインする決断をさせる原動力となった。

このエピソードは、AIが単に既存の知識を検索・再現するだけでなく、適切な「 priming（プライミング）」、すなわち問題の文脈や解法のヒントを与えることで、人間の専門家でも困難な高度な推論を実行できることを示している。Lupsasca氏は、この能力の飛躍的な向上は、特に科学の最前線において顕著であり、一般のユーザーが感じる「メール作成能力の向上」といった指標では測れない、質的に異なる進化であると強調する。

12:44グルーオン論文：AIが1年間の膠着状態を打破した瞬間

エピソードの中心的な話題の一つは、AIが実際に未解決の物理学問題を解決した「グルーオン論文」である。この研究の背景には、素粒子物理学における「散乱振幅」という概念がある。これは、陽子衝突型加速器（LHC）のような実験で粒子を衝突させた際に、どのような確率で特定の反応が起こるかを記述する関数であり、場の量子論の核心をなす対象である。特に「グルーオン」は、強い核力を媒介する粒子であり、その散乱振幅の研究は長年にわたる一大分野である。

問題となったのは、「シングルマイナス・グルーオン・ツリー振幅」と呼ばれる、特定の偏光状態（ヘリシティ）を持つグルーオンの散乱確率である。従来の教科書的な理解では、この振幅はゼロになるとされてきた。しかし、Lupsasca氏の元指導教官であるAndrew Strominger（ハーバード大学）とその共同研究者たち（Alfredo Guevara、David Skinner）は、粒子が完全に一直線に並ぶ「共線的」な特殊な状況下では、この振幅がゼロにならない可能性があることに1年前に気づいていた。彼らはその非ゼロの振幅を計算するための複雑な数式を導出したが、その式は粒子数が増えるごとに項数が階乗的に爆発し、とても扱えるものではなかった。彼らは1年間にわたり、1980年代に発見された「パーク・テイラー公式」のような簡潔な表現を求めて格闘していたが、行き詰まっていた。

ここでAIが登場する。Lupsasca氏がStrominger教授をOpenAIに招待したところ、教授が到着する1週間前から、チームはChatGPT（GPT-5.2 Pro）を使って問題に取り組み始めた。まず、AIは5点関数（5つの粒子が関与する場合の振幅）の複雑な8項の式を、わずか3項の積に簡略化する方法を自ら見つけ出した。さらに6点関数では32項を4項にまで簡略化した。そして最終的に、AIは任意の粒子数nに対して成り立つ一般式を「推測」した。この式は、項数が粒子数に比例するという驚くほど単純なものであり、まさに彼らが探し求めていた「パーク・テイラー公式」のシングルマイナス版に相当するものだった。

しかし、AIはこの式を「証明」することはできなかった。そこで、OpenAIの内部モデル（より長時間思考し、物理に特化した能力を持つモデル）に、問題をゼロから解かせたところ、12時間の思考の末、同じ公式を再発見しただけでなく、その証明までも完全に導き出した。論文の後半部分は、基本的にこのAIが生成した証明で構成されている。Lupsasca氏は、この結果は物理学として独立した価値を持つため、論文のアブストラクトにはAIの関与について一切触れず、脚注でのみ「最終公式はGPT-5.2 Proによって最初に予想され、内部モデルによって証明された」と記載したと説明する。

42:22重力子論文：「バイブフィジックス」による110ページの成果

グルーオン論文の成功からわずか3週間後、チームはさらに野心的な「重力子論文」を発表した。重力子（graviton）は、重力を媒介する仮説上の素粒子であり、量子重力理論の鍵を握る存在だが、直接観測されたことはない。この論文のタイトルは「Single Minus Graviton Tree Amplitudes are Nonzero」であり、グルーオンの場合と同様の現象が、より複雑な重力子についても成り立つことを示したものだ。

この研究の驚くべき点は、そのスピードと方法にある。チームは、公開されているChatGPT Pro（GPT-5.2 Pro）に、先に完成したグルーオン論文の内容を読み込ませ、「これを重力子の場合に一般化せよ」というわずか2段落のプロンプトを与えた。AIは20分から30分程度の思考を繰り返し、自ら計算を進め、新しい数学的技法（有向行列木定理など）を適用しながら、110ページにも及ぶ新しい計算と理論を生成した。Lupsasca氏はこのプロセスを「バイブフィジックス（Vibe Physics）」と名付け、AIが「ここに答えがあります。次にこれをやりますか？」と提案し、人間が「はい、やってください」と承認するという、まるでAIエージェントと対話するような感覚だったと振り返る。

人間チームが費やした時間の大半は、AIが生成した結果の検証と論文の執筆（特に導入部と対称性に関する考察の追加）であり、計算自体はAIがほぼ完全に行った。Lupsasca氏は、もしAIの出力をそのまま信頼できるなら、グルーオン論文の発表からわずか3日後には重力子論文を公開できたはずだと述べている。この「検証に時間がかかる」という点こそが、現在のAI活用における新たなボトルネックであり、今後の重要な研究課題であると指摘する。また、重力子論文では、AIがグルーオンの結果を単に焼き直したのではなく、重力子のスピン2という性質に合わせて全く異なる数学的アプローチを自ら選択・適用した点が、単なるパターンマッチングを超えた創造性の表れとして評価されている。

54:44研究の加速と次世代育成のジレンマ

AIの登場は、理論物理学者の研究スタイルを根本から変えつつある。Lupsasca氏は、自身の研究における具体的な変化として2点を挙げる。第一に、「混乱している時間」の劇的な減少である。従来の研究では、計算結果と既存の知識の間に矛盾を感じた時、数日間頭を悩ませるのが常だった。しかし現在は、その疑問をそのままChatGPTに投げかけることで、瞬時に原因の説明や関連する理論の提示を得られるため、思考の流れが途切れず、研究が大幅に加速する。

第二に、「偵察」としてのAI活用である。理論物理学者は、問題Aから解決策Cに至るまでに、いくつもの困難な中間ステップ（B1、B2...）を経る必要がある。従来は、実際に計算を始める前に頭の中でルートを綿密に計画する必要があった。しかし現在は、ChatGPTのインスタンスを10個同時に起動し、それぞれに異なるアプローチで問題を探索させることができる。AIは高速で未知の領域を探り、「このルートは有望」「このルートは行き止まり」というシグナルを返してくれる。これにより、人間は最も有望なルートに集中できるようになり、研究の効率が飛躍的に向上した。

しかし、この強力なツールの登場は、次世代の物理学者の育成という深刻なジレンマも引き起こしている。従来、大学院生は非常に困難な計算を何ヶ月もかけて自力でやり遂げるという「通過儀礼」を通じて、自身の能力への自信と深い理解を獲得してきた。しかし、AIがそのような問題を瞬時に解いてしまう現在、この伝統的な教育モデルは成り立たなくなりつつある。Lupsasca氏は、教授として、かつては学生に与えていた「解けると分かっている簡単な研究課題」の多くが、今やAIによって容易に達成されてしまうと指摘する。その一方で、AIは「最高の教師」として、学生が研究の最前線に到達するまでの「砂漠」を横断するための強力なガイドにもなり得る。彼は、AIと効果的に協働するスキル（適切な質問を立てる能力）は、優れた教授が学生やポスドクを指導する際に培われるスキルと非常に似ていると述べ、この変化を脅威ではなく、人類の知性を拡張する「AIスーパーパワー」を得る機会として捉えるべきだと主張する。

1:01:48「味覚」と「正しい問い」：人間の役割の変化

AIが計算能力において人間を凌駕しつつある今、理論物理学者に求められる役割は「計算を実行すること」から「正しい問いを立てること」へとシフトしている。Lupsasca氏は、優れた物理学者と偉大な物理学者を分けるのは、「次に取り組むべき実りある問いは何か」を見極める能力、すなわち「味覚（taste）」であると語る。これは、科学の「知のフロンティア」がどこにあるかを深く理解し、そのすぐ先にある、手が届きそうでまだ解かれていない本質的な問題を選び取る能力のことである。

現在のAIは、与えられた明確な問題を解くことに関しては超人的な能力を持つ「非常に有能な大学院生」のような存在だが、自ら「次に何を問うべきか」を考え出す創造性や直感はまだ十分に備わっていない。しかし、Lupsasca氏は、この状況も急速に変わりつつあると指摘する。彼自身の経験では、自身の論文をChatGPT Proに読ませて「次にやるべきトップ3の研究課題は何か」と尋ねたところ、AIが挙げた3つの課題は、自分が考えていた次の研究課題と完全に一致したという。つまり、AIはすでに、ある研究分野において「次に何をすべきか」を人間と同等のレベルで提案できるようになりつつあるのだ。

このことは、科学研究のあり方に根本的な問いを投げかける。AIが自律的に研究課題を設定し、それを解決し、論文を執筆するようになった時、人間の科学者の役割は何になるのか。Lupsasca氏は、AIが生成する無数の「論文」の中から真に価値あるものを選別し、その結果をより大きな物理学的な枠組みの中に位置づけ、意味づけることこそが、人間に残された重要な役割かもしれないと示唆する。また、AIの創造性を引き出すためには、モデルが常に「平均的な答え」を返すように訓練されている現状を変え、より突飛で外れたアイデア（分布の裾野）を積極的にサンプリングするような調整が必要になるかもしれないとも述べている。

1:23:02論文執筆のボトルネックと未来の科学コミュニケーション

AIによる研究の加速が進む一方で、Lupsasca氏は「論文を書く」という行為自体が最大のボトルネックになりつつあると指摘する。彼は、現在の研究プロセスを「AIで計算し、結果を得て、それを論文に凝縮し、査読に出す」という流れだと説明する。しかし、AIが瞬時に計算を完了する時代において、人間が時間をかけて論文を執筆し、さらに査読に数ヶ月を費やすというプロセスは、もはや非効率極まりない。特に数学の分野では、論文が極度に圧縮された形式で書かれることが多く、実際の思考プロセスや直感的な理解が失われているという問題がある。

彼は未来の科学コミュニケーションの形として、「インタラクティブな論文」を提案する。それは、単なる静的なPDFではなく、ChatGPTのようなLLMに埋め込まれた動的なドキュメントであり、読者は「この部分をもっと詳しく説明して」「この概念を別の視点から解説して」と質問することで、自分の理解度に合わせて情報の深さを調整できるようなものだ。論文を書くという行為自体は思考を整理する上で有用だが、その形式と流通の仕組みは、AI時代に合わせて抜本的に見直されるべきだと主張する。

さらに、AIが生成した結果の「検証」も、今後ますます重要なボトルネックになると予測する。現在、AIは非常に複雑な計算を正しく実行できるようになったが、時には誤りを犯すこともある。人間の専門家がその結果を検証するには、AIが計算に費やした時間と同程度、あるいはそれ以上の時間と労力が必要となる。この検証プロセスを自動化するための「形式検証（formal verification）」の重要性が再び高まっているとLupsasca氏は指摘する。しかし、彼は同時に、AIの推論能力が向上すれば、人間が自然言語で証明を検証するのと同様に、AIも自身の推論過程を説明できるようになり、形式検証の必要性自体が薄れる可能性もあると、複雑な見解を示している。

1:30:21結びに

本エピソードは、AIが理論物理学という最も知的な領域の最前線に、すでに具体的な影響を与え始めていることを、生々しい研究現場の証言を通じて描き出した点で極めて重要である。Lupsasca氏の語る「ムーブ37の瞬間」から「バイブフィジックス」に至るまでの道のりは、AIの能力が「メール作成の補助」から「科学的発見の共同創造者」へと質的に転換した過程を如実に示している。特に印象的なのは、AIが単に既存の知識を組み合わせるだけでなく、人間の専門家チームが1年間解けなかった問題を解決し、さらにその過程で専門家自身も知らなかった新しい数学的技法を適用したという事実である。これは、AIが「創造性」や「洞察」と呼ばれる領域に足を踏み入れつつあることを示唆する強力な証拠と言える。

同時に、このエピソードは、AIの急速な進歩が科学研究のエコシステム全体に突きつける深い問いを浮き彫りにしている。論文執筆の非効率性、AI生成結果の検証問題、そして何より「次世代の科学者をどう育てるか」という教育の根本的な問いである。Lupsasca氏はこれらの課題に対して楽観的な見方を示しつつも、その解決はOpenAIだけでなく、すべての研究者と教育機関が共に取り組むべき喫緊の課題であると警鐘を鳴らす。このエピソードがリスナーに残すものは、AIがもたらす「超能力」への興奮と、それに伴う責任と変革の必要性に対する冷静な認識である。理論物理学という一見遠い世界の出来事が、あらゆる知識労働の未来を予見させる鏡として機能している。

要点

• Alex Lupsasca氏は、GPT-5が自身の最高傑作の論文を30分で再現した「ムーブ37の瞬間」をきっかけに、サバティカル中にもかかわらずOpenAIにジョインした。
• AIは、1年以上もの間、Strominger教授らの専門家チームを悩ませてきた「シングルマイナス・グルーオン振幅」の簡潔な公式を推測し、さらに内部モデルがその証明を完全に導出した。
• グルーオン論文の成功から3週間後、公開モデルのChatGPT Proを用いて、より複雑な「重力子」に関する全く新しい論文（110ページ相当）を生成。人間の作業は検証と執筆が大半を占めた。
• AIの研究活用により、物理学者は「混乱している時間」が激減し、複数のAIインスタンスを「偵察」として未知の領域を探索させることで、研究が劇的に加速した。
• 強力なAIの登場は、従来の「困難な計算を通過儀礼とする」大学院教育のあり方に根本的な疑問を投げかけている。一方で、AIは「最高の教師」としても機能し得る。
• 人間の科学者の役割は「計算の実行」から「正しい問いを立てる」ことへとシフトしつつあり、AIはすでに「次にやるべき研究課題」を人間と同等のレベルで提案できるようになりつつある。
• 現在の最大のボトルネックは、AIが生成した結果の「検証」と、非効率な「論文執筆」プロセスであり、インタラクティブな論文や形式検証の自動化など、科学コミュニケーションの未来像が模索されている。