AIはなぜ既存理論へ回収したがるのか — B13ノードと√をめぐる対話の記録

数学の新しい定理を発見したわけではない。むしろその逆だ。AIと対話を重ねるなかで、ある観察が浮かび上がった。B13ノード理論では、各ノード内で残渣は加法的なのに、ノードを遡ろうとすると√2や√5といった無理数が必要になる。つまり、ノード内では成り立つ規則が、ノードを超えると崩れるということだ。この矛盾を二つのAI（ClaudeとChatGPT）に投げかけたとき、両者ともに同じ方向へ収束していった。既存の数学理論のどこかに、この現象を説明するフレームワークがあるはずだ。既知の枠のなかに納めようとしたのだ。

ここが引っかかるポイントだ。AIは未知の問題に直面したとき、無意識のうちに「既存理論への回収」という方向へ歩を進める。学習データの大部分が確立された理論だからだろう。新しい観察をぶつけても、AIの思考は「これは何の応用か」「どの既知の理論の延長か」と問い直し始める。建前では「新しさを探索する」と言っても、本音では「既存の枠に無理やり納める」という圧力がかかっているわけだ。ここまで思考過程が記録されると、AIが何に躓くのか、どこで選択肢を狭めるのかが透ける。

AIに未知の問題を任せるときの心構えが変わる。AIエージェント時代には、AIが各種の判断や計算を自動実行する。だが、その過程で「既知の枠への回収」が起きていないか、ときどき疑ってかかる必要がある。何か奇妙な回答や、予想外の結論が出たら、AIが本当は何を考えていたのか、その思考の折れ目を問い直す。新しい問題こそ、AIの限界を教える最良の教材になる。