数学者はなぜ未発表論文をOpenAIに預けられないのか
発端は小さな投稿だった。
8月22日、ドレスデン工業大学の数学者Andreas Thom氏が Mathstodon にこう問いかけた。「未発表の数学証明をChatGPTに投げる勇気があるか?」。
問いそのものは単純だが、AI各社が正面から答えたがらないグレーゾーンを的確に突いていた。
48時間以内に、このMastodon投稿は Valerio Capraro氏によってXへ、Bluesky上の did:plc:ckaz32jwl6t2cno6fmuw2nhn へと波及し、最終的に HNのフロントページ に到達した。
複数プラットフォームを横断して拡散したこと自体がシグナルだ。特定の集団が本当に心に刺さったときだけ、こうした形で何度も運搬される。
研究者が恐れていること
コメント欄で繰り返し議論されたのは、大きく分けて三つの不安だ。
第一に、未発表の結論が学習データになるリスク。
数論分野の助教はこう書いている。「GPT-5に証明ドラフトを磨いてもらった翌日、そのアイデアを論文に載せて投稿した。もし向こうのモデルが6か月先にこの手筋を覚えていたら、論文が公開されたとき、査読者がモデルの出力で似た発想を既に見ていることになる」。
これは被害妄想ではない。AI各社は入力データの取り扱いについて、ずっとブラックボックスを抱えてきた。APIコールはデフォルトで30日間、悪用監視のために保持される。エンタープライズユーザーならZDR(Zero Data Retention)を申請できるが、その適用範囲や監査の粒度、違反時の証拠採取経路を公表しているAIベンダーは一つもない。
第二に、推論経路そのものが再現可能な形で漏洩するリスク。
さらに繊細なのは、証明の着想そのものだ。ある匿名コメントが端的に指摘していた。「結論は書き直せる。だが、あのreductionの構成には2年かけた。モデルに投げた瞬間、自分の管理が及ばないシステムに、まだ発表していない鍵を渡すようなものだ」。
第三に、撤回が事実上不可能なこと。
GDPRの第17条は「忘れられる権利」を認めているが、前提としてデータが特定の米国企業にあると証明しなければならない。推論リクエストに含まれた200行のLaTeXドラフトについて、それがサーバーのログに残っていること、そしてすでに削除されたことを、どうやって立証するのか。
Valerio Capraro氏がXに投稿を転送したとき、冷静な一言を添えている。「我々は研究者のキャリアをAI企業の無償アノテーション作業にさせている」。
OpenAIのプライバシーポリシーで実際に書かれていること
印象論を避けるため、OpenAIの現行利用規約 と APIデータ利用ポリシー を直接確認した。
要点は以下の通り。
- デフォルトで、API入力データは30日後に削除され、悪用・セキュリティ監視のみに用いられる。
- ZDR(ゼロ保持)を申請できるエンタープライズユーザーでも、学術研究者向けのセルフ申請窓口は存在しない。エンタープライズ営業プロセスを通す必要がある。
- 「未発表の学術成果」を個別に隔離すると明言した条項は一切ない。
- 学習データのオプトアウトはデフォルトでオンだが、ChatGPTのWeb/モバイル版のみが対象。API経由では、オプトアウトもエンタープライズアカウントでなければ自動で効かない。
つまり、OpenAIの保証体系は「一般消費者」と「大企業」の二段構えで設計されており、中間層——独立研究者や博士研究員、小規模ラボ——は空白地帯に置かれている。
この議論で繰り返し出てくるキーワードがある。信頼できること(trustworthy) と検証できること(verifiable) は別の問題だという点だ。AI企業はデータを悪用しないと「信じさせる」が、研究者が実行可能な監査経路は提供していない。
研究者が取りうる選択肢
この不確実性に巻き込まれたくない研究者に向けて、現実的に取れるルートを整理する。
選択肢1:ローカルオープンソースモデル + プライベートデプロイ。
もっとも言及が多かったのがこの方法だ。Qwen3(Alibaba)、DeepSeek-V3(DeepSeek)といったオープンソースシリーズは、数学推論タスクにおいてクローズドのフラッグシップモデルに迫る性能を持っている。数学コミュニティの議論では、70B級モデルをローカルで動かすことがハードウェアの目安としてよく挙がる。
最小構成のデプロイ例(vLLMベース。モデルとパラメータは手元の環境に合わせて調整):
pip install vllm
python -m vllm.entrypoints.openai.api_server \
--model Qwen/Qwen3-235B-A22B-Instruct \
--tensor-parallel-size 2 \
--gpu-memory-utilization 0.92 \
--host 127.0.0.1 \
--port 8000
これで数学証明のドラフトはすべて自分のGPUサーバー内に留まり、第三者は一切アクセスできない。代償は、自分でGPUを買うか、H100搭載のクラウドホストを借りるかのいずれかになる。
選択肢2:APIを使うが、opt-out + 能動的な合意形成を組み合わせる。
ローカル推論では要件を満たせない場合、最低限やるべきことが三つある。
- OpenAIのZero Data Retentionを申請する(ChatGPTのWeb版ではなく、エンタープライズ経由)。
- モデルに送信する前に証明ドラフトを匿名化する。変数名を意味のない記号に置き換え、未証明の結論はプレースホルダーに置き換える。
- 論文のMethodsセクションに「XXモデルをZDRモードで使用」と明記し、査読者やコミュニティにデータの取り扱いを明示する。
import re
def sanitize_proof(proof: str) -> str:
# 変数 a, b, c, ..., z を置換
proof = re.sub(r'\b([a-z])\b', lambda m: f'x{ord(m.group(1))-97}', proof)
# 結論を示唆する語をマスク
proof = re.sub(r'\b(qed|theorem|lemma)\b', '[REDACTED]', proof, flags=re.IGNORECASE)
return proof
raw = r"By lemma 3, a divides b. Therefore b = a * q. QED."
print(sanitize_proof(raw))
選択肢3:クラウドLLMを完全に避け、コード補助ツールだけを使う。
数学という領域には特有の利点がある。「AI支援」の多くは Lean 4 / Coq / Isabelle といった対話型証明アシスタントで完結する。これらのツールはコードが完全にローカルで動作するため、データ漏洩のリスクはゼロだ。Lean 4の mathlib はすでに学部レベルの数学を広くカバーしており、LLMにtactic提案だけさせる組み合わせが、現時点ではっとも無難な選択肢となっている。
編集部の視点
この出来事は、「AIが研究を加速する」という主流のナラティブより報道に値する。精巧に維持されてきた幻想を突いているからだ。AI企業は研究者にモデルを「無償のポスドク」として扱ってほしいが、その立場に付随する責任を引き取ろうとはしない。
私の見立てでは、今後12か月で「機微な研究者の離脱」が顕在化する。主要な流出先は、学術専用に隔離チャネルを開いたベンダーだ。副次的な流れはローカルオープンソースへの移行になるだろう。数学、暗号、創薬の三分野は、最先端のラボから率先して意思表明が出る可能性が高い。研究成果が一度漏えいすれば再現コストが他の分野よりずっと高いためだ。
この議論は、過去1年間の「AI著作権論争」とは質的に異なる。著作権論争には判決があり、賠償交渉の余地がある。一方、未発表の学術成果が背負う「信頼コスト」は、量化も遡及もできない。AI企業が利用規約の中で独立研究者への対応をこのまま黙殺すれば、失うのは数学者数人ではない。「AI for Science」というナラティブ全体の正当性そのものだ。