何が指摘されたのか
The Decoderが2026年8月16日に報じた「LLMs can’t jump, Part II」によると、数学者のティモシー・ガワーズとピーター・サーナックは、LLMが本格的な数学的能力を備えていることを認めつつ、「genuinely new ideas（真に新しいアイデア）」の生成には明確な限界があると述べています。
ガワーズの見立てはこうです。今のモデルは既知の手法を組み合わせ、多数の探索経路を試すことに長けている。しかし、広大な探索空間の中から「実りのある少数の道」を選び取る直感が欠けている。サーナックも、既存理論から結果を導出することはできるが、初等的な問いから出発して大定理の土台となる抽象概念を組み立てることはできない、と評価しています。
DeepMindのトム・ザハビは論文「LLMs Can’t Jump」で同様の結論に至り、ボトルネックを「manipulative abduction」と呼ばれる能力——言語上の前例がまったくない新しい基礎的前提を発明する力——の不在に置きました。打開策としては世界モデル（world models）が挙げられています。
なぜ重要か
この指摘の本質は「AIは数学が苦手」ではありません。むしろ逆で、技術的な処理能力は十分に高い。にもかかわらず、能力の伸び方が「既知の空間の中での探索効率」に偏っている、という構造の話です。
注目すべきは、限界の所在が計算量やパラメータ数ではなく「前例のない前提を置けるか」に置かれている点です。LLMは言語データの分布から学ぶ以上、まだ誰も言葉にしていない概念を自ら定義する行為とは相性が悪い。ガワーズの言う「直感」もサーナックの言う「抽象化」も、突き詰めれば同じ場所を指しています。
ベンチマーク論争との接続
これらの評価は、LLMが本当に汎用性を高めているのか、それとも「ベンチマークと見慣れた問題空間で上手くなっているだけ」なのか、という広い議論に流れ込みます。数学は正誤が厳密に判定できる領域であり、能力の実像を測る試験紙として機能しています。そこで「探索は強いが跳躍はできない」と観測されたことは、他分野の評価にも読み替えが効く材料です。
つまり、スコアの上昇を「汎用知能への接近」と読むか「既知空間の踏破率向上」と読むかで、投資判断も導入設計も変わってきます。
出典: The Decoder
💼 事業会社視点：これは自社にどう効くか
この評価は、日本企業のAI投資の「置き場所」を修正する材料になります。示されたのは、LLMが既知の手法の組み合わせと大量の試行に強く、前例のない前提の発明に弱いという非対称性です。ならば投資対効果が最も出るのは、正解の型が既に社内に存在する業務——受託開発なら要件定義書からの実装・テスト生成、SaaSならサポート応答やオンボーディング、ECなら商品説明文・レビュー要約・在庫と需要の突き合わせです。逆に、新規事業のコンセプト創出や競合が誰も採っていない戦略の立案をLLMに委ねる設計は、ガワーズの言う「探索空間から実りある道を選ぶ直感」の欠如に正面からぶつかります。
経営者・事業責任者への実務的な示唆は3点です。第一に、AI導入のKPIを「アイデアの新規性」ではなく処理量・リードタイム・品質のばらつき低減に置き直すこと。第二に、ベンダーやツールの評価で公開ベンチマークのスコアを鵜呑みにせず、自社データによる社内評価セットを持つこと——「見慣れた問題空間で上手い」だけの可能性を切り分けられるのは自社評価だけです。第三に、跳躍を担うのは当面ヒトである以上、抽象化と問いの設定ができる人材の配置を削らないこと。ザハビが挙げた世界モデルが実装として成熟するまでは、この分業前提が有効期限内です。