これまでAIといえば、文章を作る、画像を生成する、プログラムを書くといった使い方が中心でした。
しかし、AIの役割はついに「人間がすでに知っている情報を答える」段階から、人類がまだ答えを知らない問題を解く段階へ進み始めています。
OpenAIは2026年8月1日、数学および理論計算機科学における10件の長年の未解決問題について、AIが問題を解決、または大幅な進展をもたらしたと発表しました。
今回の成果は、単に難しい計算問題で高得点を取ったという話ではありません。
世界中の数学者が長年研究してきたにもかかわらず、答えが見つかっていなかった問題に対して、AIが新しい証明や反例、理論的な境界を提示したというものです。
AIが「研究を補助する道具」から、「新しい知識を生み出す研究者」に近づいていることを示す、大きな転換点といえそうです。
OpenAIが発表した「10件の数学的成果」とは
OpenAIによると、今回発表された成果は、同社が開発中の次期主要AIモデル「Astra」の内部版によって生み出されました。
対象となった分野は、次のように多岐にわたります。
- 高次元における球充填問題
- 符号理論
- 群論
- 作用素環
- 算術回路の計算量
- 量子計算量理論
- 格子暗号
- 組合せ数学
- グラフ理論
名前だけを見ると、ほとんど呪文です。
ただし、これらは通信技術、暗号、量子コンピューター、コンピューターの計算効率など、私たちが利用する技術の基礎にもつながる重要な研究分野です。
OpenAIは、今回の10件について、すべてを一律に「完全解決した」と説明しているわけではありません。
長年の予想を否定したもの、未解決問題を解決したもの、新しい上限や下限を示して研究を大きく前進させたものが含まれています。
AIが取り組んだ10件の問題
OpenAIが公表した成果は、以下の10件です。
1．高次元の球充填問題
限られた空間に、同じ大きさの球をどれだけ効率よく詰め込めるかを考える問題です。
AIは、高次元空間における球充填密度について、新しい上限を提示しました。
一見するとボールを箱に詰めるだけの問題に見えますが、高次元になると急激に複雑化し、情報通信や符号理論とも関係します。
2．二元符号と球面符号
デジタル通信で発生するエラーを検出、修正するための「符号」に関する問題です。
AIは、一定の距離を保ちながら作れる符号の最大サイズについて、従来より指数関数的に改善された境界を示しました。
この分野は、データ通信や保存技術の信頼性を高める基礎研究にもつながります。
3．非ソフィック群の存在
群論では、すべての群が「ソフィック群」と呼ばれる性質を持つのかどうかが、長年の大きな未解決問題でした。
今回、AIは非ソフィック群を構成し、そのような群が実際に存在することを示したとされています。
これは、中心的な未解決問題に答えを与える成果です。
4．Connesの剛性予想
特定の群が、その群から作られるフォン・ノイマン環によって一意に決定されるという、長年信じられてきた予想です。
AIは反例を示し、この予想を否定しました。
数学では、予想が正しいと証明することだけでなく、正しくないことを示す反例の発見も重要な成果になります。
5．算術回路の計算量
コンピューターが数式を計算するとき、最低限どれだけの計算が必要になるのかを研究する分野です。
AIは「パーマネント」と呼ばれる計算について、新しい計算量の下限を示しました。
これは、ある問題を効率よく計算することが、どの程度難しいのかを理解するうえで重要です。
6．量子並列反復
複数回のゲームや検証を同時に行ったとき、成功確率がどのように変化するかを扱う理論です。
AIは、一般的な2人用量子ゲームについて、指数関数的な並列反復定理を示しました。
古典的なコンピューター科学で知られていた重要な考え方を、量子分野へ広げた成果です。
7．最近ベクトル問題
格子上で、ある点に最も近いベクトルを探す問題です。
AIは、この問題を近似することの難しさについて、新しい結果を提示しました。
最近ベクトル問題は、量子コンピューターでも破られにくい「耐量子暗号」の基礎と深く関係しています。
8．Ehrhartの体積予想
内部に含まれる格子点が重心だけである凸立体について、最大体積を求める問題です。
AIは、あらゆる次元における最大体積を決定したとされています。
幾何学と数論が交差する、非常に専門性の高い問題です。
9．多色ラムゼー数
複数の色を使ってグラフを塗り分けた場合に、必ず現れる構造を研究する問題です。
AIは、多色三角形ラムゼー数について、超指数関数的な新しい下限を提示しました。
これにより、数学者ポール・エルデシュが残した「問題183」が解決されたとOpenAIは説明しています。
10．極値グラフ理論の予想
グラフの頂点や辺の組み合わせについて、特定の構造が現れる条件を研究する分野です。
AIは、コンパクト性予想と退化性予想に関する結果を提示し、エルデシュ問題146と180を解決したとしています。
以上の成果は、高次元幾何学から暗号、量子計算、グラフ理論まで、幅広い分野に及んでいます。
AIが作った証明は本当に信用できるのか
AIが未解決問題を解いたと聞くと、まず気になるのが「その答えは本当に正しいのか」という点です。
生成AIは、もっともらしい間違いを出力する「ハルシネーション」を起こすことがあります。
普段の会話なら多少のミスで済むこともありますが、数学の証明では一か所でも論理が崩れれば成立しません。
そこでOpenAIは、AIが作った数学的な議論を人間が論文として整理したうえで、定理証明支援システム「Lean」で形式化したと説明しています。
Leanでは、証明をコンピューターが一つひとつ論理的に検証します。
つまり、AIが自然な文章で「たぶん正しそうな証明」を書いただけではなく、機械的に確認可能な証明書まで作成したということです。
ただし、数学的な価値や新規性、既存研究との関係については、今後も数学者による検証と評価が必要です。
OpenAI自身も、数学コミュニティーに対し、今回の成果を詳しく検討してほしいと呼びかけています。
10件を解くためにかかったAI利用料は約2,000ドル
今回の発表でもう一つ興味深いのが、計算コストです。
OpenAIによると、10件の解決策を発見するために必要だったトークン数を、同社のSol API料金に換算すると、合計でおよそ2,000ドルだったとしています。
日本円では為替によって変動しますが、数十万円程度です。
もちろん、AIモデル自体の開発費や研究者の人件費、計算環境などは含まれていないため、「数十万円だけで未解決問題を解けた」という単純な話ではありません。
それでも、一度強力な研究AIが完成すれば、比較的低い追加コストで複数の問題を並行して探索できる可能性を示しています。
AIは休憩も取らず、コーヒーも要求せず、大量の仮説を試し続けられます。
人間の研究者では現実的でなかった規模の試行錯誤を、AIが引き受ける時代が近づいています。
人間の数学者は必要なくなるのか
今回の成果だけを見て、「数学者の仕事がAIに奪われる」と考えるのは早計です。
研究には、問題を解くことだけでなく、次のような作業もあります。
- どの問題を研究するべきか判断する
- 得られた結果の重要性を評価する
- 新しい理論をほかの分野と結び付ける
- 証明を理解しやすい形で説明する
- AIが見落としている前提や問題点を見つける
AIが証明を作れても、その証明が数学全体の中で何を意味するのかを判断するには、人間の知識と洞察が欠かせません。
今後は「人間対AI」ではなく、数学者がAIに大量の探索を任せ、その結果を人間が検証、整理し、さらに新しい研究へつなげる形が中心になる可能性があります。
電卓が登場して数学者が消えなかったように、AIも数学者を消すというより、研究の進め方を根本から変える道具になるのかもしれません。
OpenAIはAIによる研究成果の「著者」をどう考えているのか
今回の発表では、成果の帰属についても重要な考え方が示されています。
OpenAIは、AIが生成した証明を人間だけの成果として発表することは、AIの貢献だけでなく、人間による本来の知的作業の性質も誤って伝えることになると説明しています。
今回、人間は論文の準備や証明の形式化を支援しましたが、数学的な議論そのものはAIシステムが生成したと明記されています。
AIが研究に深く関与するようになれば、論文の著者を誰にするのか、AIの貢献をどこまで記載するのか、誤りがあった場合に誰が責任を持つのかといった、新しいルールが必要になります。
これは数学だけの問題ではありません。
医薬品開発、物理学、材料研究、気候研究など、AIが新しい発見を生み出すあらゆる分野で議論されるテーマになりそうです。
AIは「知識を検索する存在」から「知識を作る存在」へ
これまで生成AIは、インターネットや書籍にある情報を学習し、それらを組み合わせて回答するものだと考えられてきました。
しかし今回の成果は、AIが既存情報を整理するだけでなく、未知の問題に対して新しい数学的アイデアを生み出せる可能性を示しています。
もちろん、OpenAIによる発表段階であり、今後の第三者検証や数学界での評価を慎重に見守る必要があります。
それでも、AIの役割が大きく変わり始めていることは間違いありません。
文章を書くAI。
画像を作るAI。
プログラムを書くAI。
そして今、AIは人類がまだ知らない答えを探す「研究者」になろうとしています。
数年後には、世界的な科学的発見のニュースで「この理論はAIとの共同研究によって発見されました」と紹介されることが、珍しくなくなっているかもしれません。
参考・出典
OpenAI「Ten advances in mathematics and theoretical computer science」（2026年8月1日）
https://openai.com/index/ten-advances-in-mathematics/
OpenAI「An OpenAI model has disproved a central conjecture in discrete geometry」（2026年5月20日）
https://openai.com/index/model-disproves-discrete-geometry-conjecture/
コメント