OpenAIの汎用推論モデルが80年未解決の数学問題を反証——Erdős単位距離問題の突破が示す「AIと数学の新しい関係」

「もし座っているなら、立ち上がる前に読んでほしい」

5月20日火曜日、OpenAIは内部推論モデルが離散幾何学の中心的な予想を反証することで、数学に大きな突破口を開いたと発表した。この問題は1946年にPaul Erdős が初めて提起した平面単位距離問題だ。

発表当日、数学者のコミュニティには「数学者なら、読み続ける前に必ず座っておくべきだ」という言葉とともに共有された。フィールズ賞受賞者のTim GowersはXに「AIが数学のサブフィールドの中心的な著名未解決問題を自律的に解決した初の事例」と書き、動画解説を公開した。

この成果のきっかけとなったのは、驚くほど単純なプロンプトだった。OpenAIの数学者たちはこの予想を大規模言語モデルに入力し、「Erdős は間違っているか？」と尋ねた。

「平面単位距離問題」とは何か——80年間の格闘の歴史

単純な問いの中に潜む深淵

この問題は、表面上は極めてシンプルだ。平面上にn個の点を配置したとき、ちょうど距離1になる点のペアの最大数はいくつか——これが平面単位距離問題だ。

白い紙の上に100個の点を好き勝手に置いていく。そのうち「ちょうど1センチ離れている2点のペア」を最大何組作れるか、と問われたらどうする？適当にランダムに並べるより、何か規則的なパターンの方が良さそうだ。直感的には、正方格子（方眼紙のような格子状の並べ方）が最も効率的に見える。

1946年以来、数学者たちは正方格子のような構成が事実上最適であると信じていた。Erdős自身はこの問題でn^{1+o(1)}という上界を予想した——つまり最大ペア数はnにほぼ比例する、という主張だ。80年近く、この「格子が最善」という常識が崩れることはなかった。

上界については1984年にSpencer-Szemerédi-TrotterによりO(n^{4/3})が示されており、上界と下界の間に長年埋まらないギャップが存在していた。それがついに動いた。

AIが発見した証明——「つながるはずのなかった概念」のつなぎ合わせ

「格子」への固執を捨てた証明

OpenAIのモデルが示した証明はErdős の予想を反証するものだった。ある固定の指数δ > 0に対して、無限に多くのnでn^{1+δ}個以上の単位距離ペアを持つ点配置が存在することを証明した。正方格子が最善という長年の常識を覆したのだ。

この証明のどこが「新しい」のか。鍵は使われた数学的道具にある。Erdős のオリジナルの下界証明はガウス整数（a + bi という形の複素数）を使って格子点配置を構成するものだった。AIはこのガウス整数を、代数的整数論のより複雑な一般化——具体的にはGolod-Shafarevich理論・無限類体タワー——に置き換えた。

arXivに公開されたcompanion paperは、AIが活用した核心的アイデアの帰属をEllenberg-Venkatesh・Golod-Shafarevich・Hajir-Maire-Ramakrishnaによる既知の理論に求めている。

つまりAIが使ったアイデアそのものは数論の専門家には知られていた。AIが行ったのは「ユークリッド平面上の幾何学問題に、数論のある理論が適用できる」という接続を、誰も思いつかなかった形で発見したことだ。「異分野のつなぎ合わせ」こそが今回の成果の本質だった。

δ ≈ 0.014——人間による精緻化

AIの証明はδ > 0の存在を示したが、具体的な値を明示していなかった。プリンストン大学のWill Sawin教授がこの構成を洗練させ、δ ≈ 0.014が達成されることを示した。

これは「n^{1.014}」というオーダーの単位距離ペアが可能だということを意味する。Erdős が予想した「ほぼn（線形）」に対して、多項式的な改善が実現した。

「数学専用ではない」という事実の重み

今回の成果で最も注目されているのは「何が解けたか」ではなく「何が解いたか」だ。

この証明は、数学向けに特化してトレーニングされたシステムからでも、証明戦略を探索するようにスキャフォールドされたシステムからでも、単位距離問題に特化して設定されたシステムからでもなく、新しい汎用推論モデルから生まれた。

本シリーズで取り上げてきた文脈に戻れば、この「汎用性」は重要なシグナルだ。5月10日に本ニュース報じたGPT-5.5 Instantは、「幻覚52.5%削減・簡潔性30%向上」という日常業務の改善だった。

一方、5月18日付けのAndon Labsのラジオ実験では、汎用モデルが長期自律稼働でどう「人格の漂流」を起こすかを見た。今回の成果は同じ「汎用推論モデル」が、数学の未解決問題という全く異なる領域でも、人間が80年かけて辿り着けなかった場所に、単独で到達できることを示したといえるだろう。

数学界の反応——「複雑な感情」と「エレガントな証明」

フィールズ賞受賞者たちの検証

証明はNoga Alon・Tim Gowers・Melanie Matchett Woodをはじめとする著名数学者のグループによって検証された。彼らはただ「正しい/誤り」を判定しただけでなく、AI生成の証明を人間が消化・精緻化・一般化し、「Remarks on the disproof of the unit distance conjecture」というcompanion paperに仕上げた。

反応は二層に分かれた。まず技術的評価として「clever and elegant」「beautiful idea」という称賛が数学コミュニティから上がった。証明の構造それ自体は、数学的センスから見て「美しい」と感じられるものだったのだ。

しかし同時に、一人の数学者は「AIが数学のフロンティアに到達しつつあることへの興奮と、自分の職業の意味への複雑な感情を同時に感じる今日だ」とXに投稿した。

1976年の四色定理との比較——何が違うか

今回の成果は、1976年にコンピュータが四色定理の証明補助を行った瞬間に例えられている。

ただし両者には重要な違いがある。1976年の四色定理では、コンピュータは人間が設計した証明戦略を実行する「計算ツール」として機能した。今回のOpenAIのモデルは、人間が思いつかなかった証明の方針そのものを、最初から自律的に生成した。「ツールとしてのAI」から「発見者としてのAI」へのシフトを、多くの研究者が今回の成果に見ている。

これが「初」である意味と、その先の問い

OpenAI公式が強調するのは「初」という言葉だ——「AIが数学のサブフィールドにとって中心的な著名未解決問題を自律的に解決した初の事例」。 「初」には、いずれは「二番目」「三番目」が来ることが含意されている。

今後問われるのは「AIはどの種類の数学問題を得意とするか」「AIが解けない問題にはどんな特性があるか」という問いだ。

現在数学界で重要な未解決問題はまだ多数残っている。リーマン予想・P対NP問題・バーチ・スウィンナートン=ダイアー予想——これらにAIが挑む日が来るとすれば、それはいつか、という問いが数学コミュニティで真剣に議論され始めている。

「汎用AIが専門知識のフロンティアに到達した」——エンタープライズへの含意

今回の成果をBtoBの文脈で読むと、一つの重要なシフトが見えてくる。

本シリーズで取り上げてきた事例——AnthropicのARR $44B（5月11日）・日立とAnthropicの重要インフラ向け提携（5月20日）・SaaStrでのAIエージェント業務代替実演（5月13日）——は全て、AIが「特定の業務タスクを代替する」という話だった。今回は「専門家でさえ80年間解けなかった問題を汎用モデルが解いた」という話だ。

この違いは大きい。「AIにできる特定の仕事を把握し、その仕事をAIに任せる」という発想の設計論が崩れ始めている。汎用推論モデルが「想定外の問いを想定外の方法で解く」という能力を持ち始めたことは、「AIにどんな問いを投げていいか」という前提そのものを再考する契機となる。

もちろん、数学の証明という「正誤が明確な問題」と、企業の戦略的意思決定という「正解が存在しない問題」は異なる。しかし「代数的整数論と離散幾何学という異分野をつなぐ」という形の創造性が汎用モデルから生まれたのであれば、似た種類の「異なる専門知識の組み合わせによる突破口」が自社の業務にないか問い直す価値はある。

「AIが数学の未解決問題を解く時代」の入口に立って

OpenAIの発表は、「AIが補助を超えて、独自の研究パートナーへと進化した」ことを示している。計算を実行し、理論を構築し、人間が想像もしなかった数学的経路を提示できる。

しかし今回の成果をもって「AIは数学者を置き換える」と結論するのは早計だ。AIが生成した2.5ページの証明は、Gowers・Alon・Woodといった人間の数学者が消化・検証・文脈化することで初めて「数学知識」として定着した。証明の発見とその意味の理解は、まだ人間とAIの協働によって初めて完結する。

今回の成果が示す最も重要なことは「AIが解けた」ではなく「AIがこのような問いに挑戦できるようになった」という事実だ。1946年から80年近く、人間の専門家が全力で挑んだが解けなかった問題に対して、「Erdős は間違っているか？」という一行の問いかけから証明が生まれた——この事実が、AIの推論能力の現在地をかつてないほど鮮明に示している。