2026年8月、認知科学者のダヴィデ・ピファー（Davide Piffer）は、従来の常識を覆す研究観察を発表した。最高峰の数学競技でAIが優れた成果を収めている主因は、人間を超越した深い思考力を備えたからではなく、圧倒的な記憶容量を保持しているからだという。多くの人は数学的能力を純粋なIQや抽象的推論に帰しがちだが、暗算のプロセスにおいて最も破綻しやすいリンクが「記憶」である点を見落としている。大規模言語モデル（LLM）のコンテキストウィンドウが数百万トークン規模へ拡大したことで、AIは実質的に無限に伸びる外部の計算用紙を手に入れたのだ。
4チャンク vs 200万トークン：暗算が抱える生理的限界
人間が3桁の掛け算2つを暗算しようとするとき、最大の障害は掛け算の法則を知らないことではなく、脳が複数の途中経過の積を同時に保持できないことにある。認知心理学の研究によれば、人間の短期ワーキングメモリの容量はわずか4〜9個の情報チャンクに過ぎない。紙とペンを使わない場合、脳は次のステップを推論しながら、過去に計算した一時的な数値を維持するために膨大な認知リソースを消費せざるを得ず、これが人間知性の生理的ボトルネックとなっている。
対照的に、主要な大規模言語モデルのコンテキストウィンドウは128Kから2M+トークンへと拡張され、一度に数十万文字分の情報を参照できるようになった。この広大な記号空間の中で、モデルは元の問題文、数百ステップに及ぶ途中式の展開、棄却された複数の探求ルート、そして完全な定理の定義を同時に保持することができる。この桁違いの容量差は、人間の暗算者を極めて不平等な対戦競技場へと追いやっている。
図：AIと人間におけるワーキングメモリ機構の相違点。出所：Davide Piffer Substack
1枚の紙があるからといって人間が突然賢くなるわけではないが、それは人間の有効ワーキングメモリを飛躍的に拡張する。LLMのコンテキストウィンドウの本質は、超大容量のメモ帳と高速検索機構の組み合わせである。エンジニアリング的観点から言えば、複雑な推論におけるAIの安定性は、3分前に導き出した係数を決して見落とさないという点に大きく依存している。
記号の帳簿付け：なぜ数学はAIの得意領域となったのか
数学競技は、この「ワーキングメモリの優位性」が最も成果に結びつきやすい領域である。数学の体系においては、前提条件がすべて明示的であり、すべての変換ステップは厳密な記号ルールに従って代入および検証が可能である。これにより、AIは長大な証明プロセスを高精度な記号の帳簿付けゲームへと分解することができる。
人間の競技者が解法の着想を練りながら数値の計算ミスを警戒している間、AIは数テンの推論分岐を並列で探索し、コードインタプリタや形式的証明ツールを活用して即座に検証を行える。仮に99個のルートが行き止まりと判明しても、コンテキストウィンドウはその失敗記録を完全に保持するため、モデルが同じ過ちを繰り返すことはない。この高強度な状態記録とパス選別は、減衰しやすい人間の短期記憶の弱点を正確に突いている。
図：標準的な Baddeley & Hitch 人間ワーキングメモリ多要素モデル。出所：Wikimedia Commons
認知心理学における学術的蓄積もこの観察を裏付けている。Allowayらの2010年の6年間にわたる追跡研究によれば、5歳時点での子供のワーキングメモリ能力は、IQテストのスコアよりも将来の学術的成果を正確に予測できることが示された。また、Friso-van den Bosによる2013年のメタ分析では、記号的ワーキングメモリと数学的能力との間に非常に高い正の相関が存在することが指摘されている。これは、数学という学問において「記憶力の良さ」自体が、長期にわたり過小評価されてきた中核的な競争力であることを物語っている。
拡張版フォン・ノイマンか、未だ見ぬアインシュタインか
物理学者のユージン・ウィグナー（Eugene Wigner）はかつて、2人の天才を対比させた。ジョン・フォン・ノイマンは電光石火の計算速度、驚異的な記憶力、分野を超えた迅速な概念移行能力を有していたのに対し、アルベルト・アインシュタインは深い洞察力と問題そのものを再構築する独自の直観を備えていた。この座標軸をAI領域に当てはめると、現段階のLLMは明らかに、計算インフラによって無限に拡張されたフォン・ノイマンに近い。
LLMは既知の巨大な記号空間内での全件探索、関連付け、高速検証を得意とする。Hacker Newsの議論でhibikirが指摘したように、いわゆる「高IQ的なパフォーマンス」の多くは、本質的には周囲の人々よりも多くのルール構成を記憶していることに過ぎない。しかし、前提条件を根本から変更したり、視点を再定義したりすることが求められる課題においては、膨大なコンテキストが存在しても概念的な躍進が自然発生することはない。
ここで1つの思考実験を試みてみよう。同じ難解な数学的課題に挑む2人の人物がいる。1人は純粋な暗算のみに頼り、もう1人は無限の紙、完璧なノート、複数ルートの並列推導能力、アンド自動検証ツールを備えている。後者が競技で勝利したとき、我々はその勝利を本人の知性の昇華ではなく、コグニティブ・アーキテクチャの優位性に帰するだろう。現在AIが見せている数学での高スコアは、まさにこのような工学化された認知アーキテクチャの重畳による産物なのだ。
記号の紙面上におけるAIの限界の再定義
ワーキングメモリという中核的次元に基づけば、AIの能力限界についてより明確な予測を立てることができる。多重制約の相互作用、長ステップの計算、膨大なケース分けの議論、アンド初期の推導結果を反復参照する必要があるタスクにおいて、AIは圧倒的な効率性を誇る。タスクが正確な記号追跡とルール検証に依存している限り、AIはその巨大なコンテキスト空間によって人間の専門家を凌駕し続けるだろう。
一方で、コンテキストが極めて短く、概念的な飛躍や既存フレームワークの打破を要するタスクでは、AIの優位性は急速に縮小する。この対比は、「記憶力の良さ」に起因する驚異的なアウトプットを、モデルが自己進化する深い直観を獲得したと誤認してはならないという教訓を与えている。
認知科学が提示する視点は、AI神話を解体すると同時に、人間固有の思考の価値を再定立する。AIは数百万トークンの記憶空間によって煩雑な記号追跡と状態維持を引き受けたが、どの方向へ探索を進めるか、いかに問題を再定義するかは、依然として世界の本質に対する人間の直観的洞察に依存している。膨大な外部記憶がもはや稀少なリソースではなくなったとき、真の競争の焦点は、単なる計算用紙の上には載り得ない概念的跳躍へと回帰していくのである。
参考文献：
- Davide Piffer 観察レポート『AI Isn’t Outthinking Mathematicians. It’s Out-Remembering Them.』
- Hacker News コミュニティ議論 (item?id=49312845)
- Alloway & Alloway 学業成績とワーキングメモリに関する追跡研究 (2010)
- Friso-van den Bos 記号的ワーキングメモリと数学的能力のメタ分析 (2013)
