リーマン予想をAIで証明か、アンソロピック研究者発表を徹底検証
発表翌日に始まった「証明」の再定義
米Anthropic(アンソロピック)の数学者レベント・アルポゲ氏は2026年11月20日、生成AI「Claude」と協働し、リーマン予想の証明を発見したと発表しました。ただし、発表主体は同社ではなく、アルポゲ氏が個人サイトで公開した4ページの文書です。
通常の論文に代わって示されたのは、定理証明支援系「Lean」で書かれた膨大なコードでした。発表翌日にはLeanとMathlibの運営組織が形式証明の正しさに強い確信を示す一方、懸賞を設けるクレイ数学研究所はリーマン予想を「未解決」と掲載しています。
この食い違いを理解する鍵は、AIによる発見、コンピューターによる形式検証、人間の数学者による理解、制度上の認定を分けて考えることです。今回の発表が数学とAI開発の何を変え、どの検証がまだ残っているのかを整理します。
素数の揺らぎを支配するリーマン予想の重み
ゼータ関数の零点と素数分布の関係
素数は2、3、5、7のように、1とその数自身でしか割り切れない自然数です。無限に存在する一方、数が大きくなるほど疎らになり、その現れ方には一見すると規則性がありません。この分布を精密に理解するための中心的な道具がリーマンゼータ関数です。
ゼータ関数は、複素数を入力として受け取る関数です。関数の値がゼロになる点は「零点」と呼ばれ、素数が平均的な分布からどの程度ずれるかという情報を持っています。負の偶数にある自明な零点とは別に、重要な非自明零点が存在します。
1859年にベルンハルト・リーマンが提示した予想は、すべての非自明零点の実部が「2分の1」になるという内容です。図で表せば、無限に存在する重要な零点が、複素平面上の一本の直線に並ぶと主張しています。
クレイ数学研究所によると、最初の10兆個の零点については予想通りであることが計算で確かめられています。別の厳密な数値計算では、高さ3兆までにある12兆3631億個超の零点が臨界線上にあると検証されました。
しかし、どれほど多くの例を調べても、無限に続く零点すべてを覆う証明にはなりません。有限範囲の計算結果と、あらゆる場合に成立する数学的証明との間には、本質的な隔たりがあります。
リーマン予想を前提とした定理は、解析的整数論の広い範囲に存在します。正しい証明が確立されれば、これまで「リーマン予想が正しければ」と条件を付けていた多数の結果を、無条件の定理として再整理できる可能性があります。
一方、証明によって素数の一覧を直ちに高速生成できたり、現在の暗号が一斉に破られたりするわけではありません。直接的な製品効果よりも、数論の基盤を確定し、その上で使える理論的保証を強める成果と見るべきです。
ミレニアム懸賞問題としての位置づけ
リーマン予想は、クレイ数学研究所が2000年に選定した七つの「ミレニアム懸賞問題」の一つです。それぞれの解決に100万ドルの賞金が設定され、純粋数学における最重要課題の象徴となってきました。
アルポゲ氏は通常のリーマン予想だけでなく、ディリクレのL関数を対象とする一般化リーマン予想にも方法を拡張できると説明しています。一般化された命題は、特定の条件を満たす数列の中で素数がどう分布するかという、さらに広い問題と結び付いています。
ただし、形式証明の検証に成功したからといって、懸賞が直ちに授与されるわけではありません。クレイ数学研究所の規則では、適格な媒体への解法掲載、掲載から少なくとも2年の経過、世界の数学界による一般的な受容という三つの条件が必要です。
2026年11月22日時点で、同研究所の公式ページはリーマン予想を引き続き「未解決」としています。これは形式証明を否定しているのではなく、制度上の審査が発表直後の段階にとどまるためです。
ClaudeとLeanが変えた数学研究の工程
17万超のファイルで構成された形式証明
アルポゲ氏が公開したのは、通常の数学論文ではなく、圧縮状態で約239メガバイトに及ぶLeanのコード群です。第三者による調査では17万5187個のLeanファイル、約1740万行、約81万9000件の定理や補題で構成されています。
最上位のファイル自体は短く、Mathlibに収録されたリーマン予想の定義と、膨大な下位証明を読み込む構造です。巨大な依存関係の最終地点で、リーマン予想と一般化リーマン予想に対応する命題を導いています。
Leanは、数学的な命題と証明をコンピューターが解釈できる形式で記述するためのシステムです。入力された証明は、最終的に小さな中核プログラムである「カーネル」が型検査し、各推論が規則に従っているかを判定します。
もっとも、コードが単にコンパイルできるだけでは十分ではありません。定義した命題が本来のリーマン予想と一致しているか、未証明の仮定をひそかに導入していないか、検査器の不具合を利用していないかという確認も必要です。
Lean FROとMathlib Initiativeは11月21日、命題と証明の双方を正しいと認定する共同声明を公表しました。Mathlibの標準的な定義との一致、コード全体のコンパイル、複数の独立した証明検査器による確認などを根拠としています。
マサチューセッツ工科大学のアンドルー・サザーランド氏が公開した検証記録でも、17万5187個のモジュールがエラーなしでコンパイルされました。Lean標準カーネルだけでなく、Rustで独立実装された「nanoda」や「con-leche」も、出力された証明を受理しています。
さらに、五つの主要定理が依存する公理は、Leanで一般的に使われる三つの標準公理に限られることが確認されました。少なくとも「少し違う命題を証明した」「未証明の公理を追加した」という典型的な抜け道は、公開検証で封じられた形です。
この結果は、発表直後に比べて証明の信頼度を大きく引き上げています。ただし、機械が論理的な正しさを確認したことと、人間が新しい着想の全体像を理解したことは同義ではありません。
人間の着想とAIの探索が交差する協働
アルポゲ氏の説明によると、今回の研究は、専門家が一度だけ質問を入力してAIが答えを出したものではありません。人間が類似する数学的構造を見つけ、Claudeと反復的に候補を組み立てる協働作業でした。
中心的な発想として説明されているのが、有限体上の類似問題で使われるステパノフの方法と、テータリフトを連鎖させる手法の結合です。長さXのフォン・マンゴルト関数の和に対し、Claudeが連鎖の長さとして平方根Xを提案したとされています。
公開文書には、2026年10月6日から11月16日までの進展が段階的に記録されています。アルポゲ氏は、終盤ではClaudeの進行が自身の理解を追い越したと率直に記しました。この点は成果の大きさと同時に、AI時代の研究者が直面する新しい問題も示しています。
Claudeには今回以前にも関連成果がありました。Anthropicは同年8月、未公開の研究版Claudeが、臨界線上にあると証明できる零点の割合を41.6%から67.2%へ引き上げたと発表しています。
この先行研究では、最初に生成した650件の案は成功しませんでした。その後、約60のAIサブエージェントを連携させ、3100万出力トークンを使って探索し、2400件のシェルコマンドや多数の数値計算を実行したとAnthropicは説明しています。
AIは反例の探索や別経路からの再証明も行い、既出の成果ではないかを調べるため54本の論文を確認しました。最終的な論文では、アルポゲ氏ら人間の数学者が内容を検証し、責任を負う形を取っています。
興味深いのは、Anthropicが8月時点では、その手法がリーマン予想そのものの証明にはつながらないと説明していた点です。約3カ月後の成果は、単一の技法がそのまま伸びたというより、人間とAIによる新たな探索経路が形成されたことを示唆します。
技術事業の観点では、競争力の源泉はLLM単体ではありません。高度な専門家、長時間動作するAIエージェント、数学文献や計算環境、Leanによる検証、独立した再検査を一体化した研究基盤にあります。
生成した文章の説得力ではなく、検証可能な成果物を外部へ渡せたことも重要です。モデル内部の推論を完全に再現できなくても、第三者は固定された定理、コード、依存関係を使い、最終結果の論理的妥当性を調べられます。
形式的正しさの先に残る三つの論点
第一の論点は、人間が読んで理解できる証明の不足です。アルポゲ氏によれば、Leanの内容を機械的に自然言語へ展開した文書は25万ページを超えます。本人も数学の全体をまだ把握していないとし、簡潔な論文へ書き直す意向を示しています。
第二の論点は、形式証明が保証する範囲です。今回の検証は命題との一致、公理、依存関係、複数カーネルによる再検査まで踏み込んでいます。それでも、新しい手法が既存理論とどう結び付き、どこまで単純化できるかは数学者による解読が必要です。
第三の論点は、AIが生む証明量と検証能力のバランスです。別の大規模なAI生成Leanライブラリーを調べた研究では、AIが形式証明を書く速度に検査処理が追い付かない事例が報告されました。検証は信頼の基盤ですが、計算資源と運用コストを要する工程でもあります。
発表の位置づけにも注意が要ります。今回の起点はAnthropicの企業広報ではなく、所属研究者による個人発表です。企業価値を示す材料になり得る一方、数学的評価は企業の知名度や市場での期待と切り離し、公開された証拠に基づいて行う必要があります。
今後の焦点は、複数の数論専門家が証明の主要なアイデアを再構成できるかです。形式証明の正しさに加え、人間が共有できる説明が整えば、発見は検査可能な巨大コードから、次の研究に利用できる数学へと変わります。
研究者と企業が備えるAI数学の評価軸
今回の成果を評価する際は、「発見の発表」「形式証明の通過」「人間による理解」「数学界と制度による認定」という四段階を区別する必要があります。現時点では形式検証が急速に進んだ一方、読みやすい論文、査読、広範な受容はこれからです。
研究機関やAI企業には、出力数を競うだけでなく、命題の定義、使用公理、依存ライブラリー、モデルとコードの版、検査ログを保存する体制が求められます。単一の検査器に依存せず、異なる実装で同じ証明を再確認できる設計も重要です。
読者が次に注視すべきなのは、人間向け論文の公開、数論研究者による独立解説、査読媒体への掲載、クレイ数学研究所の表示や審査の変化です。今回の真の転換点は「AIだけが難問を解いた」ことではなく、人間が方向を定め、AIが探索し、形式証明系が検査する研究工程が現実のものになった点にあります。
参考資料:
- The Riemann Hypothesis is the classic problem in number theory
- Lean verification of the Riemann Hypothesis
- RH Lean proof: verification files
- Independent Comparator setup for the Lean formalization of the Riemann Hypothesis
- Riemann Hypothesis - Clay Mathematics Institute
- Rules for the Millennium Prize Problems
- Learning more about Claude’s mathematical capabilities
- More than two thirds of the zeta zeros are simple and on the critical line
- Elaboration and Compilation - Lean Language Reference
- Anthropic worker says AI helped him find proof of the Riemann Hypothesis
- Anthropic researcher says Claude solved math’s greatest riddle
- Transformation - Quanta Magazine
- The Riemann Hypothesis: a claimed proof, delivered in Lean
- The Riemann hypothesis is true up to 3×10¹²
- …and the proof is checked in Lean
関連記事
町工場と大学が選ぶClaude 不確実性を示すAIの実力とは
町工場では非エンジニアがClaude Codeで顧客管理アプリを内製し、大学では文献調査やデータ分析に活用する。AnthropicのConstitutional AIは、曖昧な場面で確認し、不確実性を示す設計を重視する。「分かりません」がなぜ現場の信頼につながるのか、性能の限界、情報管理、人間による検証まで解説する。
Claude実システム侵入3件が問うAIサイバー試験の安全設計
AnthropicのClaudeがサイバー評価中に実システムへ侵入した3件を検証。141,006件のログ調査、PyPI経由の15台実行、OpenAIとHugging Face事案との違いから、AIエージェント時代に求められるサンドボックス、外部評価ベンダー管理、監視ログ、企業側の防御策までを具体的に解説。
Claude Fable5一般提供で問われるAI安全競争の行方
AnthropicがMythos級のClaude Fable5を一般提供し、攻撃的サイバーや生命科学の一部をOpus4.8に迂回する安全策を導入。性能競争、企業導入、規制対応、データ保持の論点を技術と市場の両面から解説。
日経平均3007円安、アンソロピック上場でもAI株急落の構図
20日の日経平均は3007円56銭安の5万6436円65銭と5.06%下落し、TOPIXも3.88%安。アンソロピック株は上場初日に17.1%高で引けたのに、なぜAI・半導体株は世界同時安となったのか。値がさ株への偏り、巨額計算資源投資、米金利上昇、需給悪化を分解し、個人投資家が次週に確認すべき指標を解説。
AI暴走が続発、加速する開発競争に後れる国際規制の深刻な現在地
米政府監査院はClaudeやChatGPTなど4サービスの安全策を迂回し、12時間未満で実行可能な攻撃計画を得た。EU機関へのAI生成サイバー攻撃や自律型攻撃基盤も現実化する中、米欧日の規制差、企業の自主ルールの限界、国際協調で共通化すべき監査・事故報告・緊急停止の論点を地政学と安全保障の視点から読み解く。
最新ニュース
デビット決済が電子マネーを逆転、預金争奪戦で銀行サービス激変
2026年1〜6月のデビット決済額は3兆2272億円となり、SuicaなどIC型電子マネーの2兆7957億円を初めて上回った。預金残高に連動するポイント還元、約4000円の利用単価、銀行の狙いを整理。還元率だけでは見落としやすい補償や対象外取引を含め、決済市場の構造変化と家計の選択軸を多角的に読み解く。
日本人の半数「努力したくない」 意欲低下を招く日本型雇用の構造
野村総合研究所の調査で「努力や訓練が必要なことはあまりやりたくない」とする日本人が49.8%に達し、11年で15.5ポイント増えた。若者より50代・60代で目立つ背景を、実質賃金の低迷、管理職の負担、学び直しの機会格差、調査上の注意点から検証。意欲を個人責任にしない人材戦略の具体的な改革を解説する。
NVIDIA株14%急落、SEC会計調査で問われる企業の開示統治
米証券取引委員会(SEC)がNVIDIAの会計処理を調査しているとロイターが報道し、同社株は14.01%安の125.53ドルで引けた。調査内容は非公表だが、地理別売上の集計変更や顧客集中、売掛金・投資・保証の膨張が焦点候補となる。過去の開示違反と経営移行も踏まえ、今後、投資家が確認すべき論点を解説。
S&P500調整入り、AI株高ピーク説を業績と資金循環で検証
S&P500は7日続落し、10月の最高値から11%超下落して調整局面に入った。NVIDIAの記録的な増収やAnthropicの大型IPOでも売りを止められなかった背景を、AI投資の資金循環、金利、企業統治、市場評価の変化から分析。AI需要の終焉か、期待先行相場の健全化かを見極める指標を投資家向けに解説。
金価格3600ドル割れの真因 FRB利上げ観測と国内市場の行方
金のロンドン現物価格が1トロイオンス3600ドルを割り、2025年9月以来の安値を付けた。FRBの追加利上げ観測、ドル高、株安に伴う換金売りが重なった構図を分析する。大阪取引所のサーキットブレーカーの仕組み、中央銀行・ETF需要が下値を支える可能性、投資家と企業が注視すべき指標まで具体的に解説する。