内容は責任を持って目を通していますが、この記事はAIに書いてもらいました。
LLM（大規模言語モデル）で不可能、または著しく困難なタスク
結論：
LLMは言語処理に強みを持つ一方で、暗号解読のような数学的・計算量的に本質的に難しい問題や，物理的センサ情報・リアルタイム制御・高精度の数値計算などは対応できません。
1. 数学的・計算複雑性が極めて高い問題
格子暗号（Lattice‐based cryptography）の解読
格子上の最短ベクトル問題（SVP）や最近点問題（CVP）はNP困難であり、LLMは統計的言語モデルであって数理最適化ソルバーではありません。具体的には暗号文から秘密鍵を復元する計算は不可能です。NP困難／NP完全問題の一般解
例：巡回セールスマン問題の最適解、3-SATの一般的インスタンスの多項式時間解法など。
→ 近似・ヒューリスティック提案はできても、厳密最適解は算出不能。高度な形式検証・定理証明の自動化
大規模定理証明支援（Coq, Leanなど）で補助はできても、全自動で大規模数学論文レベルの証明構築は困難。
2. 現実世界の物理センサ・リアルタイム情報の処理
リアルタイム制御／センサーからの情報取得
LLMは外部センサーを直接読み取れず、物理ロボット制御や自動運転のライブデータ処理はできません。画像・動画のリアルタイム解析
静止画キャプションや単純な画像認識は可能でも，連続フレームからの動作予測や追跡は専門モデルを要します。
3. 高精度の数値計算・シミュレーション
科学的シミュレーションの直接実行
分子動力学シミュレーションや有限要素解析などは専用ソフトウェアが必要で、LLMはソースコード生成までしか寄与できません。
4. セキュリティ・プライバシー保護が必要な操作
暗号鍵の安全な生成・管理
LLMは鍵生成アルゴリズムを提案可能でも、安全にストレージに保存・アクセス制御する機能を持ちません。安全クリティカルなシステムの構成管理
航空機制御や医療機器ソフトのリアルタイム安全保証には認証・監査チェーンが必要であり、LLMによる自動操作はリスクが高すぎます。
5. 倫理・法令遵守を伴う判断／最終責任
法的判断・最終責任のある意思決定
法律文書のドラフトやアドバイスは支援できるものの，最終判断と責任は専門家が行う必要があります。
まとめ
LLMは「テキストの生成・要約・翻訳・対話」には著しく有用ですが、
- 本質的にNP困難な計算問題
- 物理センサ／リアルタイム制御
- 高精度数値シミュレーション
- 安全保証・責任を伴うシステム運用
には対応できません。特に格子暗号の解読は、理論的に困難でありLLMの適用範囲外です。
