AI-Assisted Completion of CertiGC Proofs: An Experience Report
この経験報告は、可変更新を処理するために新しい記録された後退エッジ不変量（recorded-backward-edge invariant）に基づいて検証を再構成することにより、RocqにおけるCertiGC検証済み世代型ガベージコレクタの証明を安定化および完成させるために、AI支援ツール（Codex）がどのように使用されたか、そして人間が専門家として不変量の裁定と正当性を確保するための証明パスの監査にどのように集中したかを詳述するものである。
原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
あなたは、CertiGCと呼ばれる巨大で魔法のような図書館の主任建築家であると想像してください。この図書館は単に本を保管するだけでなく、新しい本のためのスペースを作るために、古くて使われていない本を自動的に片付ける、生きている、呼吸しているシステムです。長年、図書館は単純なルールに基づいて運営されてきました。「本が棚に置かれたら、誰もそれを動かしたり、新しい本を指し示すメモを書いたりしない」というルールです。このルールのおかげで、清掃員の仕事は簡単でした。彼らは、古い本が突然新しい本を指し示すことはないと知っていたので、安心して棚を掃き掃除することができたのです。
しかし、その後、図書館は刺激的な変化を求めるようになりました。**ミュータブル（可変）**な更新、つまり、司書が古い本の中に新しい到着本を指し示す新しいメモを書くことを許可することに決めたのです。突然、古いルール（「古い本から新しいものへの参照は禁止」）が破られました。清掃員の地図は狂ってしまいました。もし彼らが古い地図に基づいて掃除を続ければ、古いメモが指していた新しい本を見逃してしまい、それらの本を誤って捨ててしまうことになるでしょう！
これは、超スマートなAIアシスタントであるCodexを使って、図書館の清掃マップを修正したチームの物語です。しかし、ここにはひねりがあります。Codexは、ゼロから魔法のように新しい地図を創り出したわけではありません。その代わりに、Codexは、何千ページもの資料を読み、新しいアイデアを試し、何度も「清掃シミュレーション」を実行できる、疲れを知らない、超整理整頓されたインターンのように振る舞ったのです。その間、人間の専門家は傍らに立ち、「そのアイデアは正しい」「いや、それはルールを壊している」と判断を下していました。
大きな問題：壊れた地図
元の地図は「逆方向エッジ禁止」というルールに依存していました。これは、時間の経過とともに前進することしかできない一方通行の道路システムのようなものです。しかし、新しい「ミュータブル」な更新により、古い領域から新しい領域へと「バックワード（逆方向）」に走行することが突然可能になりました。古い地図は、「これは不可能だ！」と言っていました。しかし、新しい現実では、「そんなことは日常茶飯事だ！」となったのです。
もしチームが古い地図を無理やり機能させようとすれば、そのバックワード走行は決して起きなかったことにしなければなりません。そうなると、図書館は、面白い新しいことが起きない退屈なバージョンの図書館としては「正しい」かもしれませんが、それは目的ではありませんでした。彼らに必要だったのは、バックワード走行が可能であることを認めた上で、それが記録されている場合に限るという新しいルールでした。
AIの役割：疲れを知らないインターン
人間の専門家は、新しいルールが必要であることを理解していました。それは、**「古い本が新しい本を指すたびに、それは『Remembered Set（記憶された集合）』というログブックに書き込まれなければならない」**というルールです。
彼らはCodexに、この新しいルールが図書館の安全を守ることを証明する手助けを依頼しました。Codexは単に最終的な答えを書いたのではありません。Codexは次のような探偵として動きました：
- コードを読み込む： 図書館の設計図をスキャンしました。
- ルールを提案する： 「Recorded-Backward-Edge（記録された逆方向エッジ）」という概念を提案しました。
- ルールをテストする： 図書館の清掃シミュレーション（「Rocqカーネル」）を何千回も実行しました。
- バグを修正する： シミュレーションがクラッシュすると、Codexは証明スクリプトを微調整し、別の角度から試み、再び実行しました。
人間の専門家の仕事は、最も重要な部分でした。それは**「審判」**です。Codexはルールを提案できますが、そのルールが現実世界の挙動と本当に一致しているかどうかを判断するのは人間でした。例えば、Codexが「最終報告では、ログブックが存在しないことにしておきましょう」と提案したとしても、人間は「ダメだ！ログブックは実在する。隠してはいけない」と答えるのです。
結果：清潔な図書館
多くの作業を経て、チームは成功しました。
- 修正： 彼らは壊れた「No-Backward-Edge」ルールを、新しい「Recorded-Backward-Edge」ルールに置き換えました。
- 証明： 図書館の清掃プロセスは、新しい更新が行われても安全であることが証明されました。最終的な定理（「グランド・サーティフィケート」）は、外部の世界に対しては以前と同じ姿を見せます。「図書館は清潔で整理されている」という姿です。しかし、その内部では、論理はよりスマートになっていました。
- 片付け： メインの証明が受理された後も、チームは手を止めませんでした。古い、壊れた仮定がコードの中に隠れていないかを確認するために、5月1日から5月3日までかけてルールの監査を行いました。彼らは、古い退屈なバージョンの図書館から残っていた「陳腐化した」条件を取り除きました。
これが教えてくれること
この論文は、CodexのようなAIツールがメンテナンスと修理において極めて優れていることを示唆しています。AIは、以下のような作業において人間の専門家にとって完璧なパートナーになり得ます：
- 不変条件の伝播（Propagating Invariants）： 新しいルールを取り込み、それが巨大なコードベースのあらゆる隅々にまで正しく機能するようにすること。
- クリーニング： 乱雑な証明スクリプトを修正し、古くて不要なコードを取り除くこと。
- テスト： 小さな変更が何かを壊さないかどうかを確認するために、シミュレーション（コンパイラ）を何度も何度も実行すること。
しかし、論文はAIが単独ではできないことについても非常に明確に述べています。
- 解決策全体を発見したわけではない： 図書館のセマンティクス（意味論）を理解し、新しいルールが何であるべきかを決定したのは人間でした。
- 人間の審判に取って代わることはできなかった： AIはルールを提案できましたが、そのルールが図書館の安全保証を誤って弱めてしまわないかを検証したのは人間でした。
- 「魔法の杖」ではなかった： AIは一度にすべての証明を書き上げたわけではありません。それは「監督された、チェッカー駆動型」のプロセスでした。人間は常にループの中に存在し、AIを導き、悪いアイデアを拒絶し、最終的な結果が本当に正しいものであることを保証していました。
数字
チームはこれにしばらく時間を費やしました。AIが重労働を行っていた「Codex支援フェーズ」は、2026年4月22日から5月3日の間に行われました。
- この期間中、51回のgitコミット（コードの更新）がありました。
- AIは13,305回のツール呼び出し（ファイルの読み込み、テストの実行、コードの編集などのアクション）を行いました。
- 人間は415回のプロンプト（AIへの指示）を与えました。
- AIはこの問題に対して59.3時間の稼働時間を費やしました。
論文は、これがAIがすべてを一人で行った「解決済み問題」ではなく、AIが退屈で反復的なチェックと修正を担当し、人間が深い理解と真実についての最終決定を提供した、成功したコラボレーションであったことを強調しています。その結果、図書館は安全で、検証され、未来へと備える準備が整ったものとなりました。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。