数学という、人類にとっての「知の迷宮」がAIによって攻略され始めているようだ。
2026年1月、OpenAIの最新モデル「GPT-5.2」は、20世紀を代表する天才数学者、別名「放浪の数学者」として有名なPaul Erdősが遺した未解決問題の一つを「自律的」に解き明かしたことが報告された。この事実は、現代最高の数学者でありフィールズ賞受賞者のTerence Tao氏によって確認・検証され、全世界の科学コミュニティに衝撃を与えている。
しかし、このニュースは単なる「AIが賢くなった」という単純な成功譚ではない。そこには、数学という学問の在り方が根本から覆される「産業化」の予兆と、Tao氏自身が警鐘を鳴らす「生存者バイアス」という深い陥穽が存在する。本稿では、GPT-5.2が成し遂げた快挙の技術的詳細と、それが示唆する科学の未来、そして我々が冷静に見据えるべき「限界」についてを見ていきたい。
伝説への挑戦：AIが解き明かした「エルデシュ問題」とは
放浪の天才が遺した1000の謎
Paul Erdősは、生涯に1500本以上の論文を発表し、スーツケース一つで世界中の数学者の家を渡り歩いた伝説的な人物だ。彼は訪れた先々で数々の難問を提示し、その解決に対して少額の賞金を懸けた。これらが「エルデシュ問題」であり、数論、組合せ論、グラフ理論など多岐にわたる分野で、現代数学のベンチマークとして機能してきた。
これらは、単に「難しい」だけではない。解けそうで解けない、あるいは一見単純に見えて深淵な数学的構造を含んでいるため、多くが数十年放置されてきたのだ。
陥落した要塞：問題#728と#281
今回、GPT-5.2をはじめとするAIシステムが攻略したのは、主に以下の二つの問題である。
- エルデシュ問題 #728（数論）：
これは中心二項係数（central binomial coefficients）を含む特定の方程式に、無限の解が存在するかどうかを問う問題だ。これまでの数学的手法では決定的な証明に至らなかったが、GPT-5.2はこの問題に対し、数学的検証言語を用いて論理的に整合性のある証明を構築した。 - エルデシュ問題 #281（被覆合同系）：
1980年代から未解決だったこの問題に対し、AIは「エルゴード理論（Ergodic Theory）」という、数論とは本来距離のある物理学的・統計的な手法を持ち込んで解決への道筋をつけた。これは、人間が陥りがちな「専門分野の縦割り思考」をAIが飛び越え、異なる領域の概念を結合させた象徴的な事例である。
ただ、興味深い指摘としてRogersの定理とHalberstam-Rothによる研究を組み合わせれば、Erdős自身が数十年前にこの281問題に関しては解決できたのではないかと言われており、Tao氏も「Erdősは1980年には間違いなくこの2つの事実を知っていたはずなので、今となっては本当に困惑しています」と述べ、この問題は広範囲にわたる解決の試みなしに提起されたか、あるいは関連する関連性が単に見落とされたのではないかと推測されている。
自律的解法のメカニズム：AIはいかにして証明したか
メディアの見出しは「AIが解いた」と単純化しがちだが、その裏側には複数の特化型AIが協調する高度なパイプラインが存在する。これは、単一のチャットボットが答えを吐き出したわけではない。
1. 「直感」を担う GPT-5.2
まず、大規模言語モデル（LLM）であるGPT-5.2が、問題に対するアプローチの「戦略」を立案する。過去の膨大な数学文献を学習したこのモデルは、「この問題にはこの定理が使えるのではないか」という数学的直感に近い推論を行う。特筆すべきは、これまで人間が見落としていた文献（1966年のHalberstamとRothの結果など）や手法を再発見し、適用した点だ。
2. 「論理」を担う Aristotle (Harmonic)
GPT-5.2が生成したラフな証明案は、Harmonic社が開発した数学特化型AI「Aristotle」に引き渡される。Aristotleは、自然言語で書かれた曖昧な証明を、「Lean」と呼ばれる形式的検証言語（プログラミングコードのような厳密な数学記述）に翻訳する。
3. 「検証」を担う Lean
最後に、Leanコンパイラがその証明コードを実行し、論理的な飛躍や矛盾がないかを1行ずつ自動判定する。ここでエラーが出れば、Aristotleが修正を行い、再度検証にかける。この「生成→形式化→自動検証」のループこそが、かつてのAIが犯していた「もっともらしい嘘（ハルシネーション）」を排除し、Terence Tao氏をして「明確な事例」と言わしめた核心技術である。
テレンス・タオの評価と警告：数学の「産業化」と「1%の真実」
現代数学の頂点に立つTao氏は、今回の成果を「極めて重要なマイルストーン」と評価した。しかし同時に、過熱する期待に対して冷静な分析と警告を発している。
AIが得意なのは「下等な果実」のみ
Tao氏の分析によれば、現在AIが解くことができるのは、エルデシュ問題全体の中でも「最も低い位置にある果実」に限られるという。
- 競技数学レベル（IMO）： 明確なルールと解法パターンが存在する問題において、GPT-5.2は77%の正答率を誇る。
- 研究レベル（Research）： 未知の洞察や概念の創造が必要な問題において、その能力は25%程度に留まる。
今回解かれた問題も、50年間「人類が全力を出しても解けなかった難問」というよりは、「標準的な手法で解けるものの、誰も本気で取り組んでこなかった問題」である可能性が高い。Tao氏は、これを「問題のロングテール」と表現している。
生存者バイアスとデータベースの罠
AIによる数学研究には深刻な「生存者バイアス」がある。つまり、「解けた事例」だけがニュースになり、「失敗した数千の試行」は報告されない。
新たなデータベース分析によると、AIのエルデシュ問題に対する実際の成功率はわずか1〜2%に過ぎない。残りの98%は、AIが解法を捏造するか、あるいは既存の文献検索に失敗している事例である。
「数学の産業化」という未来図
それでもなお、Tao氏がこの技術に希望を見出す理由は「速度」と「スケーラビリティ」にある。
これまで、数学者が数日かけて行っていた「証明の草案作成」や「細部の計算チェック」を、AIは数分で完了させる。Tao氏はこれを「数学の産業化（Industrialization of Mathematics）」と呼ぶ。
AIは、天才的なひらめきで難問を解決する「魔法使い」になるのではなく、膨大な数の「中程度の難易度の問題」を片っ端から処理し、人間がより創造的なタスクに集中できる環境を整える「超高機能な助手」として機能し始めているのだ。
我々はどこに立っているのか
2026年の現時点で、AIは「数学者の代替」にはなり得ない。しかし、その役割は「単なる検索ツール」を遥かに超えた領域に達している。
GPT-5.2が示したのは、AIが異なる数学分野の知識を結合させ、人間が見落としていた「盲点」を突くことができる可能性だ。エルデシュ問題#281の解決において、数論の問題にエルゴード理論を適用した事例は、AIがもはや既存知識のコピー＆ペーストマシンではないことを証明している。
我々は今、科学的発見のプロセスそのものが再定義される瞬間に立ち会っている。AIが何千もの「忘れ去られた問題」を掃除し、人間がその上に新たな知の伽藍を築く。この協働関係こそが、これからの科学を加速させるエンジンとなるだろう。
Sources
