見出し画像

AIが数学の未解決問題を解き始めた。人間に残される仕事は「答えること」ではなく「問うこと」になるのか

Fuma | AI探索室

── Erdős問題、Lean証明、GPT-5.2、そして“数学研究の自動化”が現実になり始めた話


はじめに：ついにAIが「未解決問題」を解き始めた

「AIが数学の未解決問題を解いた」

この見出しを見たとき、多くの人がこう思ったかもしれません。

「またAIすごい系の話か」
「どうせ大げさなニュースでしょ」
「本当に“未解決問題”なの？」
「リーマン予想とかも解けるようになるの？」

でも今回の話は、単なる煽りでは片づけにくいです。

Yahoo!ニュースでは、47NEWS配信の記事として、2026年に入ってから「AIが未解決の数学定理を証明した」とする論文が相次いで公表され、専門家が「2026年はAIが安定して数学の未解決問題を解けるようになった最初の年」と見る内容が紹介されています。記事では、フィールズ賞受賞者のテレンス・タオ氏が、Erdős Problem #728について「AIが自律的に解決した」と宣言したことも取り上げられています。

このニュースの肝は、AIが「計算を手伝った」だけではないことです。

今回話題になっているのは、AIが証明方針を出し、それを形式証明システムで検証し、人間の数学者が確認する、という流れです。

つまり、AIが単なる検索エンジンや電卓ではなく、数学研究のプロセスそのものに入り込み始めている。

これはかなり大きな転換点です。

まず、何が起きたのか？

今回の中心にあるのが、Erdős Problem #728です。

Erdős問題とは、20世紀の伝説的数学者ポール・エルデシュに由来する多数の未解決問題群です。非常に有名な超難問だけでなく、ニッチで、専門家が長年放置してきたような問題も含まれています。

2026年1月、Nat Sothanaphan氏による論文「Resolution of Erdős Problem #728: a writeup of Aristotle's Lean proof」がarXivに投稿されました。この論文の要旨では、Erdős Problem #728が、OpenAIのGPT-5.2 ProとHarmonicのAristotleを組み合わせたAIシステムによって、自律的に解決された最初のErdős問題と位置づけられています。最終成果はLeanで書かれた形式証明であり、論文ではそれを通常の数学的文章に翻訳して説明しています。

ここで重要なのは、Leanです。

Leanは、数学の証明をコンピューターが検証できる形で書くための証明支援システムです。人間が「なんとなく正しそう」と判断するのではなく、論理の一歩一歩を機械的にチェックできます。TechCrunchも、Leanのような形式化ツールと、HarmonicのAristotleのような自動化ツールが、数学の証明を検証・拡張しやすくする流れを紹介しています。

つまり今回の流れは、こうです。

AIが証明案を出す。
形式証明ツールが厳密にチェックする。
数学者が最終的に確認する。

この3段構えになっているからこそ、「AIがそれっぽいことを言っただけ」とは違う話になっています。

何がすごいのか？ポイントは「検索」ではなく「証明生成」

AIが数学に使われること自体は、以前からありました。

論文検索。
計算実験。
既存結果の要約。
証明の穴探し。
コード生成。
数式処理。

これらはすでに珍しくありません。

でも今回の話は、そこから一段進んでいます。

Erdős Problem #728についてのarXiv論文では、GPT-5.2 ProとAristotleを組み合わせたシステムが、最終的にLean形式の証明を出したと説明されています。証明対象は階乗の割り切りに関する問題で、論文では二項係数の割り切りや、素数ごとの評価、Kummerの定理に基づく桁上がりの数え上げなどを使って議論が展開されています。

もちろん、これは「AIが完全にゼロから新しい数学理論を作った」という話ではありません。

むしろ、既存の数学的道具をうまく組み合わせたものです。

でも、それでも十分に大きい。

なぜなら、数学研究では「既存の道具を、別の問題にうまく適用する」こと自体が立派な知的作業だからです。

AIがそこに踏み込んできた。

ここが今回のニュースの一番おもしろいところです。

「未解決問題」といっても、全部がリーマン予想級ではない

ここはかなり大事です。

「AIが数学の未解決問題を解いた」と聞くと、すぐにリーマン予想、P≠NP予想、ホッジ予想、BSD予想みたいな超大物を想像してしまいます。

でも、未解決問題にはかなり幅があります。

世界中の数学者が何十年も挑み続けている超難問もあれば、
誰かが昔に提案したけど、あまり注目されず残っている問題もあります。

Scientific Americanは、Erdős問題の多くは個別的で、解けても必ずしも大きな波及効果があるとは限らず、そのため論文として投稿されにくかったり、引用されにくかったりすることがあると説明しています。つまり、Erdős問題の一部は「難しすぎて誰も解けない」というより、「ニッチすぎて誰も本気で時間を割いてこなかった」タイプでもあるわけです。

この点を無視して、

「AIが未解決問題を解いた！もう人間の数学者はいらない！」
「次はリーマン予想だ！」

と飛躍すると、ちょっと危ない。

テレンス・タオ氏も、AIはErdős問題の“ロングテール”に向いているという見方を示しています。TechCrunchによると、タオ氏は、AIシステムのスケール性は、実は比較的まっすぐな解法がある obscure なErdős問題に体系的に適用するのに向いている、という趣旨の見方を示しています。

つまり、現時点でAIが強いのは、

  • 既存の技法で攻められる

  • でも人間があまり注目していない

  • 形式化しやすい

  • 探索・検証を大量に回せる

  • ニッチで、数が多い

こういう問題です。

これはこれで、とんでもなく実用的です。

でも、リーマン予想のような数学の根幹に関わる超難問をすぐ解く、という話とは別です。

では、なぜ今AIが数学で効き始めたのか？

理由は大きく3つあります。

1. LLMの推論力が上がった

まず、AIモデル自体の推論力が上がっています。

昔のAIは、数学に弱い印象がありました。
計算ミスをする。
証明っぽい文章を作るけど、よく見ると穴だらけ。
それらしい定理を捏造する。

この問題は今も完全には消えていません。

ただ、GPT-5.2 Proのような高性能モデルが、複雑な数学的方針を出せるようになってきたことは、今回のErdős問題群の事例からも見えてきます。Erdős ProblemsのGitHub Wikiでは、AIシステムが関与した問題の記録が整理されており、#728はAristotleとGPT-5.2 ProによるFull solution（Lean）として掲載されています。

重要なのは、AIが一発で完璧な答えを出すというより、
試行錯誤しながら証明の候補を出せるようになった
ことです。

2. Leanのような形式証明が“AIの嘘”を潰す

LLMは嘘をつきます。

これは数学では致命的です。

文章なら多少あいまいでも読めますが、数学の証明は1ステップ間違えたら崩れます。

そこで重要になるのがLeanです。

AIが出した証明を、人間が雰囲気で読むだけではなく、Leanで形式化して機械的にチェックする。

この仕組みがあるから、AIのハルシネーションをかなり抑えられます。

Erdős Problem #728の論文でも、最終結果はLeanで書かれた形式証明であり、それを人間向けの数学文章に直したものだと説明されています。

この構図は、今後かなり重要になります。

AIが考える。
証明支援システムが検証する。
人間が意味を理解する。

この三角形ができると、数学研究は一気に変わります。

3. 人間が見落としていた“ロングテール”をAIが拾える

人間の数学者には時間がありません。

有名な問題、重要な問題、論文になりやすい問題、研究費やキャリアにつながる問題に注力します。

一方、AIは疲れません。

大量の問題を並列に試せます。
ニッチな問題にも時間を使えます。
既存文献を広く検索できます。
似た問題の技法を試せます。

Scientific Americanは、LLMが専門家も知らないようなプレプリントや古い論文中の結果を見つけ出す能力に触れ、さらに「単なる検索エンジン」と見るのは間違いだという専門家の見方も紹介しています。

ここがめちゃくちゃ大きい。

AIは、数学界の“倉庫整理係”にもなれるし、“補助研究員”にもなれる。

放置されていた問題を拾う。
似た定理を探す。
証明方針を提案する。
形式化する。
検証する。

こういう作業を大量に回せるようになれば、数学の進み方そのものが変わります。

「AIが数学者を置き換える」のか？

ここで出てくるのが、おなじみの不安です。

AIが未解決問題を解けるなら、数学者はいらなくなるのか？

個人的には、これは少し違うと思います。

むしろ変わるのは、数学者の役割です。

これまでの数学者は、

問題を見つける。
仮説を立てる。
証明する。
検証する。
論文を書く。
他の研究とつなげる。

この全体を人間が担っていました。

でも今後は、このうち一部がAIに寄っていきます。

特に、

  • 証明の細部を埋める

  • 既存文献を探す

  • 候補となる補題を作る

  • 形式化する

  • 大量のケースを検証する

  • 反例を探す

こういう部分はAIがかなり強くなるはずです。

一方で、人間に残る仕事はむしろ上流です。

何を問うべきか。
なぜその問題が重要なのか。
その結果が何を意味するのか。
どの分野とつながるのか。
どの証明が美しいのか。
数学全体の地図の中で、どこに位置づけるのか。

これはまだ人間の領域です。

少なくとも現時点では、AIは「解く」力を伸ばしていますが、「何を解くべきか」を決める力はまだ人間側にあります。

これは数学だけの話ではない

今回の話を「数学界のニュース」で終わらせるのはもったいないです。

本質は、AIが厳密な推論を必要とする領域に入り始めたことです。

たとえば、

  • 法律文書の整合性チェック

  • 契約書のリスク検出

  • プログラムの形式検証

  • セキュリティ証明

  • 回路設計

  • 医薬品探索

  • 材料科学

  • 金融モデル

  • 規制対応

  • 研究論文の仮説生成

こういった領域では、単なる文章生成よりも「正しさ」が重要になります。

TechCrunchも、数学における形式化とAIツールの組み合わせは、証明の検証や拡張をしやすくする流れとして紹介しています。

つまり、数学で起きていることは、他分野にも波及する可能性があります。

AIが“それっぽい答え”を出す時代から、
AIが“検証可能な答え”を出す時代へ。

ここが本当に大きい。

ただし、冷静に見るべきポイントもある

このニュースはワクワクします。

でも、冷静に見るべき点もあります。

1. すべての「未解決問題」が同じ重さではない

先ほども書いた通り、未解決問題にはランクがあります。

Erdős問題の中には、解ければ大きな数学的インパクトがあるものもあれば、単体ではそこまで波及しないものもあります。

Scientific Americanも、Erdős問題は個別的で、解決されても大きな波及効果を持たないことがあると指摘しています。

だから、「AIが未解決問題を解いた＝数学の頂点を超えた」とは言えません。

2. AIの証明は検証が必要

AIは間違えます。

実際、Erdős ProblemsのAI貢献リストにも、Incorrect proof found、Argument with major gaps made、Partial resultといった記録が多数あります。AIが出したものすべてが正しいわけではなく、失敗や穴のある証明も多いことが分かります。

だから重要なのは、AIの出力を盲信することではありません。

AIに出させる。
Leanで検証する。
専門家が読む。

このプロセスが必要です。

3. 「AIが単独でやった」の定義は難しい

今回の事例でも、AIシステムを操作した人間がいます。

問題設定、プロンプト、フィードバック、形式化、結果の解釈、論文化。

どこまでをAIの貢献と呼ぶのかは、かなり微妙です。

arXiv論文では、GPT-5.2 ProとAristotleの組み合わせをKevin Barreto氏が操作したと説明されています。

つまり、完全に無人で数学研究が完結したわけではありません。

現時点では、正確には
AI単独というより、人間＋AI＋形式証明ツールの共同作業
と見るのが自然です。

それでも、これは歴史的な変化だと思う

ここまで慎重に見ても、やはり今回の流れはかなり大きいと思います。

なぜなら、AIが「答えを知っているものを返す」段階から、
まだ答えが知られていないものに対して、検証可能な形で貢献する
段階に入り始めたからです。

これは、生成AIに対する見方を変えます。

これまでのAIは、よくも悪くも「既存情報の再構成」と見られてきました。

でも数学の未解決問題に関与するとなると、話は変わります。

もちろん、既存技法を使っている。
もちろん、人間の検証が必要。
もちろん、リーマン予想級ではない。
もちろん、誇張は禁物。

それでも、
新しい証明を作るプロセスにAIが入った
という事実は重いです。

人間に残される仕事は「問いを立てること」

では、これから人間は何をするのか。

僕は、ますます「問いを立てる力」が重要になると思います。

AIが答えを出す力を持つほど、人間に求められるのは、

「何を聞くか」
「どの問題に価値があるか」
「どの結果が面白いか」
「どの方向に研究を進めるべきか」
「社会にどうつなげるか」

になります。

これは数学だけではありません。

ビジネスでも同じです。
開発でも同じです。
記事作成でも同じです。
個人開発でも同じです。

AIが作業を代行するほど、人間は「作業者」から「編集者」「設計者」「問いを立てる人」になっていく。

今回の数学ニュースは、それをかなり象徴しているように感じます。

まとめ：AIは数学を終わらせるのではなく、数学のやり方を変える

AIが数学の未解決問題を解き始めた。

これは間違いなくインパクトのあるニュースです。

ただし、冷静に見る必要もあります。

今回解かれたErdős問題は、リーマン予想級の超難問とは違います。
AIの証明には検証が必要です。
人間の問題設定や確認も欠かせません。
間違った証明も大量に出ます。

でも、それでもすごい。

AIが証明案を出し、Leanが検証し、人間が意味を確認する。
このワークフローが動き始めたことが本質です。

数学の世界では、これまで多くの未解決問題が、人間の時間と注意力の制約によって放置されてきました。

AIはそこに入り込む。

疲れず、広く探し、何度も試し、形式化し、検証に回す。

人間はその上で、より大きな問いを立てる。

もしかすると、これからの数学研究は、
ひとりの天才が黒板の前でひらめく世界
から、
人間とAIと証明支援システムがチームで知識を拡張する世界
へ変わっていくのかもしれません。

AIが数学を終わらせるのではない。

数学の進め方が変わる。

そしてその変化は、数学だけでなく、法律、開発、研究、ビジネス、あらゆる知的作業に広がっていくはずです。

「AIに何ができるか？」という問いは、もう古くなりつつあります。

これから問うべきは、たぶんこっちです。

人間は、AIに何を問わせるべきなのか。

参考ソース


いいなと思ったら応援しよう！