あの中学校の実験、実は化学の世界ではかなり重要な「小さなエネルギー革命」を体験していたんです。細い試験管のようなものに集めて、最後に「ポン！」となる瞬間は、理科好きの人には忘れられない場面ですね。
なぜ水から水素が出てくるのか？
水の化学式は H₂O です。
つまり、
- 水素（H）が2個
- 酸素（O）が1個
くっついたものです。
でも水は燃えませんよね。不思議です。
これは「水素」と「酸素」が結合して、非常に安定した水という形になっているからです。そこへ電気エネルギーを入れると、逆向きの反応を起こせます。
2H₂O → 2H₂ + O₂
つまり、
水 ↓（電気を流す） 水素ガス＋酸素ガス
になります。
細いやつに集めた理由
たぶん使ったのは「試験管」や「集気管」のようなものですね。
水の中で逆さにしておくと、発生した気体が水を押しのけて上にたまります。
水素は非常に軽い気体なので、昔から「一番軽い元素」として有名でした。
雑学ですが、宇宙では……
- 宇宙の物質の約4分の3は水素
- 太陽も主成分は水素
- 星は水素を核融合させて光っています
つまり、中学校の実験で作った少量の水素は、実は「宇宙で一番多い元素」を手のひらサイズで扱っていたわけです。
「ポン！」の正体
あの音は、水素そのものが爆発したというより、
水素＋空気中の酸素＋火
が一瞬で反応した音です。
反応式は、
2H₂ + O₂ → 2H₂O + エネルギー
です。
水素が燃えると、また水に戻ります。
つまり実験では、
水 → 水素 → 水
という小さな循環を見ていたわけです。
水素は炎を出して燃えるというより、条件によっては「青白い目立たない炎」で燃えることもあります。試験管に少量たまった水素へ火を近づけると、空気との混合比によって「ポン」という音になります。
実は先生が見せたかった本当のポイント
中学生には「水素は燃える」と教える実験ですが、科学者の目線ではもっと深いです。
① 水はエネルギーの貯蔵庫になる
水素は燃やすとエネルギーを出します。
だから、
電気 ↓ 水素 ↓ 燃料電池 ↓ 電気
という使い方ができます。
現在の水素産業では、この考え方を「水素エネルギー」として研究しています。
② ただし「作るところ」が問題
業界の人がよく言う話ですが、
「水素は燃えるから未来の燃料！」
だけではありません。
問題は、
その水素を何の電気で作るか
です。
石炭や天然ガスで作った電気で水を電気分解すると、結局CO₂が出る場合があります。
一方、太陽光や風力などの再生可能エネルギーで作れば、「グリーン水素」と呼ばれます。
業界小話：昔の飛行船も水素だった
有名な話ですが、昔の大型飛行船には水素が使われていました。
理由は単純で、
「水素は軽いから浮く」
からです。
ただし、水素は燃えるため、安全面の問題がありました。
現在の大型飛行船では燃えにくいヘリウムが使われることが多いです。
もう一つの理科教師あるある
水の電気分解では、普通、
水素：酸素＝2：1
の割合で出ます。
「水素のほうが倍たまる試験管がある」
という観察で、生徒に「本当に水はH₂Oなんだ」と納得させる狙いもあります。
あの「ポン！」は、単なる火遊びではなく、
水という身近な物質の中に、宇宙で最も多い元素（水素）が隠れていることを初めて体験する実験
だったんですね。中学校の理科実験としては、かなりロマンのあるものです。
はい、非常に良い疑問です。 結論から言うと、福島第一原発事故などで言われた「水素爆発」は、基本的には「水素に火がついて、酸素と急激に反応した爆発」です。 ただし、中学校の実験の「ポン！」と比べると、規模も発生の仕組みも大きく違います。
まず、中学校の水素実験と同じ部分
中学校でやった、
水素 ＋ 酸素 ＋ 火 → 水 ＋ 大きな熱
という反応です。
化学式では、
2H₂ ＋ O₂ → 2H₂O ＋ エネルギー
ですね。
試験管の水素に火を近づけて「ポン！」となるのは、水素と空気中の酸素が一瞬で反応するからです。
原発事故の水素爆発も、根本の化学反応は同じです。
では、原発ではなぜ大量の水素が出たのか？
ここが重要なところです。
原子炉の燃料棒は、核燃料そのものだけではなく、外側を**ジルコニウム合金の管（燃料被覆管）**で覆っています。
ジルコニウムは通常の運転では優秀な材料です。
理由は、
- 中性子を吸収しにくい
- 高温に耐える
- 腐食しにくい
という特徴があるからです。
しかし、事故で冷却ができなくなり、燃料棒が非常に高温になると……
ジルコニウム ＋ 水蒸気 → 酸化ジルコニウム ＋ 水素
という反応が起こります。
つまり、
「水を分解して水素を作った」
というより、
高温になった金属が、水蒸気から水素を取り出してしまった
というイメージです。
なぜ爆発したのか？
発生した水素が原子炉建屋内にたまり、
- 水素
- 空気中の酸素
- 着火する何らかのきっかけ
がそろうと爆発します。
水素は非常に軽いので上へたまりやすいです。
ここも面白いところで、中学校の実験で、
「水素は軽いから上に集まる」
と習ったことが、そのまま巨大な施設でも関係していました。
業界でよく言われる話：「水素爆発」と「核爆発」は全く別物
ニュースで「原発で爆発」と聞くと、
「核爆発が起きたの？」
と誤解されることがあります。
しかし、
- 水素爆発 → 化学反応（燃焼・爆発）
- 核爆発（水爆など） → 原子核の反応
で、まったく別世界です。
例えるなら、
ガソリン車のエンジン爆発と、太陽の核融合くらい違います。
もう一つの業界雑学：なぜ水素対策が重要になったか
原発業界では、福島事故以降、
- 水素を外へ逃がす設備
- 水素を燃やして減らす装置（再結合器）
- 建屋内の水素濃度管理
など、水素への対策が大きく重視されるようになりました。
実は航空宇宙や化学工場でも、水素は昔から「便利だけど扱いが難しいガス」とされています。
理由は、
- 分子が小さい → 漏れやすい
- 燃焼範囲が広い
- 点火エネルギーが小さい
という性質があるからです。
面白いのは、最初に話された中学校の「水の電気分解」と、原発事故の「水素爆発」が、実は同じ元素 水素（H） でつながっていることです。
学校では「未来のエネルギーになる水素」を学び、 一方で原子力事故では「管理しなければ危険になる水素」を経験した――
同じ水素でも、扱い方によって「夢の燃料」にも「事故要因」にもなる、という化学の奥深いところですね。
全体の流れ
動画では、2026年にAIが関わった代表的な成果を、- エルデシュ問題
- 距離1問題
- ヤコビアン予想
- アダマール行列
- ナビエ・ストークス方程式
- OpenAIの372件の数学成果
という順番で紹介しています。 実はこれらは全部、 というより、 という意味があります。一番大きなポイント
昔のAIは 「試験問題を解く」 のが得意でした。 例えば- 東大入試
- IMO（数学オリンピック）
- Putnam試験
などです。 ところが2026年になると 「まだ誰も答えを知らない問題」 に取り組み始めます。 これは将棋で言えば AIが藤井聡太に勝つことよりも 「誰も知らない新しい定跡を作った」 くらい大きな変化です。エルデシュ問題
ここは数学者がかなり驚いたところです。 エルデシュ（Paul Erdős）は 「問題を大量に残した数学者」 として有名です。 実は数学界では だけで論文になることがあります。 動画でも紹介されていますが AIが出した証明をLeanで形式化できたという点が重要です。 つまり AIが 「たぶん合ってる」 ではなく 「機械でも検証可能」 なレベルに達し始めています。業界話①
最近のトップ数学者は 論文を書くより Leanなどで 形式化する人が増えています。 なぜなら 100ページの証明は 人間でもミスを見落とします。 AI時代は という流れになりつつあります。ヤコビアン予想
これは特に衝撃でした。 1940年代から残る超有名問題です。 動画でも説明されていますが 「3変数では反例」 が見つかったという話です。 ただし 2変数版はまだ未解決。面白い業界話
数学では 反例が1個見つかるだけで 80年の研究が終わることがあります。 例えば 1000人が 「きっと正しい」 と思っていた予想でも 1個反例があれば終了です。 数学は 多数決ではありません。アダマール行列
これは一般にはあまり知られていませんが 工学では超重要です。 例えば- 通信
- レーダー
- CDMA
- 誤り訂正
- 実験計画法
などで使われています。 つまり 純粋数学と思われがちですが 通信技術にも関係しています。業界話②
GoogleやMicrosoftでは こういう離散数学の研究者が大量にいます。 AI研究というより 情報理論のためです。ナビエ・ストークス
ここが一番センシティブです。 動画でも慎重に説明しています。 OpenAIは ある条件付きで 有限時間特異点の例を構成した と主張しています。 しかし 数学界では です。 これは非常に大事です。 数学では 論文が出た＝証明された ではありません。業界話③
超難問では 5〜10年後に 「証明が間違っていた」 ということも珍しくありません。 有名なのは- P≠NP関連
- リーマン予想
- abc予想を巡る議論
- Navier–Stokes関連
などです。 なので トップ数学者ほど 慎重になります。OpenAIの372件
ここは動画のタイトルにもなっています。 実は重要なのは 372という数字ではありません。 数学界では 「結果(result)」 は 必ずしも定理ではありません。 例えば- 補題
- 計算
- 反例
- 構成
- 実験
- 新しいアイデア
全部含みます。 つまり AIが数学研究を大量に進めた という意味になります。タオの「Math 2.0」
ここが動画の核心です。 タオは AIを 電卓の延長 とは考えていません。 彼の考えは 数学研究そのものが変わる というものです。 つまり 昔 紙だけ ↓ LaTeX ↓ arXiv ↓ Lean ↓ AI という流れです。 数学の道具が進化しています。業界話④
最近の若い数学者は 毎日- ChatGPT
- Claude
- Gemini
を使っています。 昔なら 「共同研究者」 がやっていた相談を AIに投げることが普通になっています。 もちろん最終的な責任は研究者自身が負いますが、「壁打ち相手」としてのAIは急速に浸透しています。フィールズ賞受賞者が声明を出した理由
動画にもありますが AIには かなり強い危機感があります。 理由は 能力が高すぎるからではありません。 逆です。 もっともらしい間違いを大量に生み出せるからです。 数学では 99％正しい は 0％と同じです。 1か所でも間違えば証明は成立しません。 だから 数学者は 「AIを信用する」 ではなく 「AIを検証する」 という姿勢になります。この動画であまり触れられていない話
実は現在の数学AI競争は OpenAIだけではありません。- Anthropic（Claude）
- Google DeepMind（Gemini系やAlphaProofなど）
- xAI
- 大学研究グループ
もかなり激しく競争しています。 特に最近は **「AIが証明を書く能力」よりも、「AIが証明を形式検証できる形に落とし込める能力」**が重視される傾向があります。まとめ
この動画が伝えたいメッセージは、「AIが数学者を置き換えた」ということではありません。 むしろ、- AIが未解決問題の探索や証明のたたき台を作る
- 人間の数学者が内容を吟味し、修正し、意味づけを行う
- Leanのような形式証明システムで厳密性を確認する
という新しい研究スタイルが現実になりつつある、という点にあります。 テレンス・タオが「Math 2.0」と呼ぶのも、この人間・AI・形式検証が協力する新しい数学のエコシステムを指していると考えると、この動画全体の流れが理解しやすくなります。紹介されている動画（MathVis「【AIが難問を次々】2026年に数学は変わった？テレンス・タオたちの声」）のトピックについて、2026年における「数学×AI」の劇的な変容背景や数学界のリアルな空気感を交えて解説します。
1. なぜ「2026年」が歴史的転換点になったのか？
2024〜2025年頃までのAIは「競技プログラミングや国際数学オリンピック（IMO）の過去問を解く」といった既存問題への最適化（試験問題レベル）がメインでした。
しかし、2026年に入り「人間が長年解けなかった未解決問題（エルデシュ問題、ヤコビアン予想の反例、アダマール行列の未知サイズなど）」に対して、AIが実質的なアウトプットを連発する段階へ突入しました。
SATソルバーやLean（形式検証言語）の成熟：単なる文章生成（LLM）だけでなく、AIが提示した証明を自動検証プログラマー（Leanなど）で厳密にチェック・証明固定するエコシステムが完成したことが決定打になりました。
2. トピック別：裏側と業界の受け止め
① エルデシュ問題（#728, #90）
ポール・エルデシュ（1913–1996）は「懸賞付きで大量の未解決問題を遺した」伝説の数学者です。
業界の雑学：エルデシュの問題は「直観的で美しいが、泥臭い論理構成が必要な組み合わせ数学」が多く、AI（特にLLM＋自動証明探索）と相性が抜群に良かったといえます。
タオのコメントの真意：タオが「人の指摘を1回受けた後、おおむね自律的に解いた」と評価した背景には、「AIがゼロから閃いたというより、人間のヒントと膨大な文献データ（2014年のPomeranceの論文など）の類似構造を結びつける検索・推論能力が突出していた」という冷めた分析と感嘆の双方が混ざっています。
② ヤコビアン予想の「3変数7次」反例
数学界でも屈指のメガトン級ニュースです。ヤコビアン予想（2変数以上で局所的に可逆な多項式写像が全体でも可逆か）は、代数幾何学の超有名問題です。
業界話：過去にも「解けた！」という誤った論文が何十本も発表されてきた「トラップの多い問題」でした。Claude Fable 5が弾き出したのは「手計算でヤコビアンが −2 であるとすぐ確かめられる concrete（具体的）な3変数7次式」という点です。反例の式さえ出されてしまえば、検証は人間でも容易なため、一気に反証が確定しました。
③ ナビエ–ストークス方程式（ミレニアム懸賞問題）とOpenAI
動画内でも触れられている通り、最も議論と摩擦を生んでいるトピックです。
背景と物議：「外力を加えた設定での爆発（有限時間での非有界化）」という例をOpenAIが発表しましたが、クレイ数学研究所が真に求めている「外力なし（純粋な流体）での解のなめらかさ」の根本解決になっているかについては、数学者の間で慎重な意見・批判が噴出しました。
証明のブラックボックス化問題：Bastounis–Circelli–Hansenらの論文が「Leanでのコード証明と論文テキストの証明が噛み合っていない」と指摘したように、「巨大AIが解を出したが、人間がその直観や構造を読解・追体験できない」という新たな課題を浮き彫りにしました。
3. テレンス・タオとフィールズ賞数学者たちの「葛藤」
動画中で言及されている「A Severe Misalignment of AI in Mathematics（数学におけるAIの深刻なミスマッチ）」（2026年9月11日、タオを含む25名のフィールズ賞受賞者らによる声明）は、数学史に残る声明です。
なぜ彼らは警戒しているのか？
「理解のない証明」への危機感 数学の本質は「答え（Theorem）を知ること」ではなく、「なぜそうなるのかという新しい概念やフレームワーク（Scaffolding）を人間が獲得すること」にあります。AIが巨大な探索空間からブルートフォース（力任せ）的に反例や解法を見つけても、人間の知性が進化しないという危惧です。
AI企業とアカデミアの目的のズレBig Tech（OpenAIやAnthropicなど）は「自社モデルの賢さをアピールするためのベンチマーク」として数学の未解決問題を消費しがちですが、数学コミュニティにとっては持続的な学問の発達を揺るがす事態となり得ます。
「数学 2.0」への移行 タオ自身はAIを全否定しているわけではなく、自らも日常的にLeanやAIツールを駆使しています。彼は「人間が思考の建築家となり、AIが施工を担当する『Math 2.0』の時代」への移行を提唱しつつも、教育や評価システムの再構築を訴えています。
まとめ
このMathVisの動画は、単なる「AIスゴイ」ニュースではなく、「人間が数千年間続けてきた『数学をする』という営みの定義が、2026年を境界にして変わってしまった」という歴史的瞬間のドキュメンタリーと言えます。
「答え合わせ」はAIに任せられるようになった
しかし「どの問題が美しく、次に何を考えるべきか」という問い立ては、まだ人間側に委ねられている
数学ファンにとっても、AIエンジニアにとっても、2026年の出来事は非常に味わい深いパラダイムシフトです。
2026年に何が起きたか（時系列で整理）
タオが言っていること（ここが本質）
タオは「証明が希少だった時代（Math 1.0）」が終わったと明確に言っています。 これまで数学の制度・評価・コミュニティは「難しい問題を解くことが希少で価値がある」という前提で設計されてきた。ところがAIは、その希少性を一気に壊し始めた。
だから彼が提唱するMath 2.0は、
という方向です。
フィールズ賞受賞者たちが出した「A Severe Misalignment of AI in Mathematics」という声明も、この流れの中で出たものです。「AIが大量に証明を出しても、人間の理解が追いつかないし、コミュニティが壊れる」という危機感が背景にあります。一方で、Timothy Gowersは「署名しなかった」理由を説明していて、数学者コミュニティ内部でも温度差があることがわかります。
雑学・業界話的な補足
要するにこの動画が伝えているのは、「AIが数学を解けるようになった」という表面的な話ではなく、「解が大量に出てくるようになったことで、数学という営みそのものの価値基準が揺らぎ始めている」という、より深い転換点です。タオが「Math 2.0」という言葉をわざわざ作ったのも、その危機感と希望の両方を表しています。
動画の概要欄に書かれた内容と、私が知っている背景知識を組み合わせて解説します。なお、2026年7月以降の出来事（ヤコビアン予想、ナビエ–ストークス、372件の公開など）は、私の知識の範囲外です。ここでは概要欄の記述をそのまま前提にしており、独自には確認していません。
1. エルデシュとタオ：なぜこの二人が象徴なのか
動画に出てくる「エルデシュと10歳のタオ（1985年）」の写真は、実は業界では有名な一枚です。
2. 業界話：「AIが解いた」は実は何度かこじれている
動画のエルデシュ問題 #728 の補足に、「証明がPomeranceの2014年の論文とよく似ていた」とあります。これは今のAI数学の核心的な論点です。
2025年10月には、AIが「エルデシュ問題を解いた」と発表されたものの、実際には既存文献に答えがあり、AIはそれを見つけただけだった、という騒ぎがありました。Bloom 氏が「誇大な表現だ」と指摘し、話題になりました。それ以来、「新しい証明なのか、文献の再発見なのか」が常に問われます。
この動画が #728 を丁寧に書いているのは、そのためでしょう。「ほぼ自律的に解いた」けれど「似た先行研究が後で見つかった」という、ありのままの書き方です。
もう一つの業界用語が Lean（形式証明） です。Aristotle が Lean で形式化した、とあります。Lean は証明を計算機が機械的に検証できる形で書く言語で、これがあると「AIがもっともらしい嘘を書いた」という疑いを減らせます。ただし後述のように、Lean の証明と論文の証明が食い違うという指摘もあり、形式化も万能ではありません。
3. ヤコビアン予想：80年以上の「偽の証明」の墓場
動画の反例は、ヤコビアンがどこでも −2（定数）なのに、異なる3点を同じ点に移す、というものです。これだけなら手計算で検算できるのがポイントです。AIが出した結果でも、検証は人間にできます。説明が通りやすい理由はここにあります。ただし2変数の場合は未解決のままです。
4. アダマール行列：668という「数字の因縁」
5. ナビエ–ストークス：「解いた」と言うには注意が必要
クレイ数学研究所の7つのミレニアム懸賞問題の一つで、賞金は100万ドルです（同じ懸賞のポアンカレ予想を解いたペレルマンは受賞を辞退しました）。
動画の説明で大事なのは、次の三点です。
私の理解では、クレイの公式問題文には外力を含む形の述べ方が含まれているので、OpenAI は「問題文が認める答え方の一つ」と主張しているのでしょう。ただ、数学者の多くが関心を持つのは外力なしの場合なので、「問題文の文言上は解いたが、本丸ではない」という温度差が出ます。動画がここを丁寧に切り分けているのは好印象です。
6. 「食い違い問題」：動画の最後で出てくる、計算機の先輩の話
補足の最後に出てくるエルデシュの食い違い問題は、AI以前に計算機が数学を動かした例として面白い話です。
動画で「やってみる」として取り上げられているのは、AI時代の数学を考える導入にちょうどいいからでしょう。
7. 全体の見どころ
補足
動画の主張を鵜呑みにしないための読み方としては、次の点が役立ちます。
この動画はそのあたりを自分から書いているので、情報の質は高い部類に見えます。
もし特定のパート（ヤコビアン予想の反例の中身や、Lean の仕組みなど）を深く掘りたければ、教えてください。2026年7月以降の出来事については、検索で最新情報を確認することもできます。