数学トップ誌にふさわしい初のAI証明が登場、これで終わりではない

OpenAIの内部推論モデルが、ハンガリーの数学者ポール・エルデシュによる単位距離予想を反証した。OpenAIはこの結果とともに、9人の外部数学者によって執筆された姉妹論文を発表し、彼らは証明を検証、短縮し、コメントを加えた。

問題自体は欺くほど単純である：一枚の紙の上に一定数の点を置く。正確に1単位離れた点のペアはいくつあるか？1946年、エルデシュはわずかに傾いた正方格子の単純な配置がすでに最適に近いと予想した。その配置は、点の数よりもわずかに速くしか増加しないペア数を生み出す。数学者トーマス・ブルームによれば、エルデシュは反証に500ドルの懸賞金をかけていた。この問題は、標準的な参考文献『離散幾何学の研究問題』によれば、「組合せ幾何学で最もよく知られ（かつ説明が最も簡単な）問題」と考えられている。

80年を経てのより良い構成

OpenAIのモデルは、古典的な正方格子よりも著しく多くの単位距離ペアを生成する新しい点配置を発見した。プリンストン大学のウィル・サウィン氏は、点の数が2倍になるごとに約1%の増加と見積もる。それは小さく聞こえるが、文脈においては重要である。なぜなら、エルデシュの予想はそのような増加はほとんど不可能としていたからだ。だが問題は完全に解決されたわけではない。1984年以来知られている理論的上限は、依然として新しい構成が達成する値をはるかに上回っている。

注目すべきは、ツールがどこから来たかである：幾何学ではなく、代数的整数論である。モデルは古典的な点格子ではなく、その内部対称性が特に密集した点パターンに変換される複素数体系を使用した。これらのツールは数論では何十年も標準的であったが、平面幾何学の基本問題に適用することは、関与した数学者にとっては無理があると考えられていた。

人間が見逃した理由

トーマス・ブルームは姉妹論文への寄稿で、人間がこの解を見つけるには4つの条件が揃わなければならなかったと書いている：問題に真剣に取り組む時間を費やすこと、エルデシュの確立された意見に逆らって反証を試みること、元の構成を数体の世界に翻訳したいと思うこと、そしてかなり専門的な類体論に十分精通していること。ブルームは「AIはこれらすべての基準を満たした」と書く。それは「超人的な忍耐力と、膨大な技術的機構への精通を兼ね備えている」。

サウィンは、なぜ明白な一般化が失敗したのか、技術的な理由を追加する。自然なアプローチは、拡張された数体系を1つ選び、そのより大きな塊を見ていくこと、つまり複雑な数の世界で古い格子を膨らませることだっただろう。サウィンによれば、それは古いエルデシュの限界に戻るだけだ。モデルの鍵となるトリックはその逆だった：各数体系内でスケールを固定し、代わりに各ステップで次第に豊かな数体系に切り替えた。なぜその特定の切り替えが機能するのか、人間には明らかではなかったとサウィンは書く。

ブルームはAIが解くわずか1か月前のブログ記事で、この問題を彼の「エルデシュ問題トップ10」の1つとしてリストアップしていた。彼の動機は、一部の観察者が初期のAIによるより単純なエルデシュ問題の解決を見て、数学者の質問はすべて些末だと結論付けたことだった。ブルームは、多くのエルデシュ問題が数十年にわたる深い手法を生み出してきたことを示したかった。単位距離予想は、まさに「数十年にわたって証明に抵抗してきた」ため、彼のリストで唯一の離散幾何学問題だった。ブルームは、1984年にスペンサー、セメレディ、トロッターによって確立された上限が40年以上改善されていないことを指摘した：「この問題は、近年の離散幾何学における目覚ましい成果にもかかわらず、最も基本的な質問のいくつかを理解するにはまだ長い道のりがあることを示す素晴らしい例です。」彼はAIがわずか1か月後にこの特定の問題を解くとは予想していなかった：「AIがそのリストの少なくともいくつかの問題でいつか進歩を遂げると信じていたが、それがわずか1か月後に起こるとは予想していなかった！」

数学コミュニティの反応

第一線の組合せ論学者ノガ・アロンは、この結果を「傑出した業績」と呼び、その驚くべき発見を「代数的整数論のかなり洗練されたツールをエレガントで賢い方法で応用した構成とその分析」と述べている。フィールズ賞受賞者のティモシー・ガワーズ氏は、もし人間が論文を『数学年報』に提出し、迅速な評価を求めたならば、「私はためらうことなく受理を勧めただろう」と書く。これまでのAI生成の証明でこれに近いものはない。ガワーズ氏はこれを「AI数学のマイルストーン」と呼ぶ。

数論学者のアルル・シャンカー氏は、この研究は現在のAIモデルが「人間の数学者の単なる助っ人を超えている——独創的なアイデアを生み出し、それを実現する能力がある」という証拠だと見る。ブルーム氏はそれを限定する：この証明は、予想の完全な証明に必要となるような、根本的に新しい幾何学的ツールを提供するものではない。しかしそれは「数論的構成がこれらの種類の問題について、私たちが考えていた以上に多くのことを語っている」ことを示している。彼は「今後数ヶ月のうちに、多くの代数的整数論者が離散幾何学の他の未解決問題を詳しく調べることになるだろう」と予想する。

なぜ今回が異なるのか

AIシステムはここ数ヶ月ですでに一連のエルデシュ問題を解決または部分的に解決してきた。ブルームが管理するプラットフォームerdosproblems.comは約1000の問題をカタログ化している。フィールズ賞受賞者のテレンス・タオ氏によれば、2025年9月までに約380が解決された。2026年初頭の混乱した時期にさらに約50が、人間、AI、またはそれらの混合によって解決された。それらの解決策のいくつかは数ページに収まるか、挑戦的な宿題の演習レベルだった。

それがまさにブルームがトップ10リストをまとめる動機となった。彼は「残念ながら、最近一部の数学者がエルデシュ問題を軽視するようになっているのを見てきた。おそらくAIがこのサイトで非常に簡単な問題を解決するのを見て、誤ってすべてのエルデシュ問題は面白い目新しいもので、オリンピック問題レベルだと一般化したのだ」と気づいた。

単位距離の反証は、姉妹論文でもOpenAI側でも、明確に異なるカテゴリーに置かれている。OpenAIによれば、これは「AIが数学のサブフィールドの中心的な未解決問題を自律的に解決した初めてのケース」である。ブルームは自身の反応を説明する：彼の大きな驚きは「それが反証だと知ってやや薄れ」、構成を見てさらに薄れた。それでも、この発見は確かである：以前のエルデシュ問題とは異なり、これは簡単にアクセスできる演習ではない。80年にわたって難しいと考えられ、1984年以来上限が変わらず、その解決には遠い分野のツールを必要とする問題である。

ガワーズ氏は要約する：もし人間がこの研究を提出したなら、彼はためらうことなく『数学年報』に受理しただろう。これまでのAI生成の証明でこれに近いものはない。

この結果が数学自体について示すこと

関与した数人の数学者は、姉妹論文を利用して、AIの彼らの分野への貢献の構造的結果について考察している。共著者のダニエル・リット氏は不快な質問を投げかける：なぜ比較的短く、巧妙な議論で解ける有名な問題が存在するのか？彼の推測：研究者が次善の仮定に固執するか（エルデシュ自身が自分の予想が正しいと信じていたように）、あるいは解決策がほとんどの関連分野の人々がよく知らない領域からのアイデアを必要とするかのいずれかである。

「これらの説明が正しければ、私たちに不快感を与えるべきです」とリット氏は書く。「それらは、専門化とサイロ化へのインセンティブが、理解できるものではあるが、私たちにいくつかの高品質の科学を犠牲にさせたことを示唆しています。」リット氏は、個人の好奇心から少数の問題を深く掘り下げる人間のアプローチと、現在のAIのシステム的に関連問題リスト全体を処理するモードを対比させる。それは「数学的問題に向けられた注意の大幅な拡大」に相当する。

ガワーズ氏は自身の反応について率直である。彼が当初、AIが予想を反証ではなく証明したと想定したとき、彼はその夜を「世界観を調整して過ごした：もしAIがそのような証明を思いつくなら、数学者にとってはすぐに終わりが来るかもしれない。」翌朝、誤解が解けたとき、それは「大きな安堵」だった。反証は忍耐と試行錯誤の結果として想像できる。真の証明は「深い洞察」を必要とし、それは不安をかき立てるものだっただろう。

姉妹論文の中で、ガワーズ氏は証明の難しさを測る独自の尺度を開発している。彼はそれを「専門家を基準としたコルモゴロフ複雑性」と呼ぶ——専門家が独立して証明を再構築するのに必要な最短のヒントの列。彼の暫定的な見解：AIはまだ全体的に人間より優れているわけではないが、特定の問題タイプでは利点がある。それは「百科事典的な数学知識」を持ち、時間管理についてあまり心配せず、したがって「真実とは思えない命題を証明するためにかなり努力する余裕がある」。

それでも、進歩は停滞しないだろうと彼は言う。すぐに、「後から考えると、私たちはそれを予想より簡単だったと説明するのが難しいと感じる」AI解決策が現れるだろう。たとえAIが長く複雑な証明を見つけられなくても、「私たちはおそらく、人間が数学の問題解決でAIと競争するのが非常に困難になる時代に足を踏み入れた」のだ。

ブルーム氏は中間の立場を取る。彼自身のテスト質問——証明が問題について分野に何か新しいことを教えたか——に対して、彼は「穏健なイエス」と答える。数論的構成は、これらの種類の質問について誰もが考えていた以上に多くのことを語るらしく、必要な数論は非常に深くなりうる。分野の一部の人々は、証明が「強力な新しい幾何学的ツール」や予想外の構造的結果を提供しないことに失望するかもしれない——予想の完全な証明にはそれらが必要だろう。解決策は「後知恵で」自然な一般化だが、「高度に非自明」である。人間が見つけるには4つのまれな偶然が必要だった。

ブルーム氏はAIの強みを次のように説明する：それは「超人的な忍耐力」と「膨大な技術的機構への精通」を兼ね備え、「人間が探求する価値がないとして退けたかもしれない道」を頑固に追求する。彼の見通し：「知識のフロンティアは非常に凹凸があり、間違いなく今後数ヶ月から数年のうちに、AIが予期せぬつながりを明らかにし、既存の技術的機構を限界まで押し上げることで、長年の未解決問題が解決される同様の成功が数学の他の多くの分野でも見られるでしょう。」

人間と機械の分業

OpenAIが発表した姉妹論文自体は、今後AIと研究者の間でどのように労働が分割されるかのプレビューである。ブルーム氏によれば、モデルによって生成された元の証明は「完全に有効」だったが、人間の著者はそれを「大幅に改善」した。サウィン氏の精密化だけが具体的な改善の尺度を生み出した。姉妹論文に印刷されたバージョンは、オリジナルより短く、より一般的である。

この第二段階は、最近スタンフォード大学の「数学の未来」シンポジウムでのタオ氏の講演の焦点だった。タオ氏は、数学的実践は現在「証明の消化不良」を経験していると主張する：AIシステムはますます速く証明を生成・検証するが、人間の消化——理解、説明、文脈化、結果の構築——は追いつかない。解決策が本当に完全かどうかの彼の基準は：誰かがそれについて講演し、質問に答えられるかどうかである。単位距離反証の場合、9人の著名な数学者がその仕事を正確に行うことに同意した。その基準が拡大可能かどうかはまったく別の問題である。