OpenAIのAIが80年来の数学難問を解いた|エルデシュ予想の反証・証明の全容・AI推論の現在地【2026年5月速報・10月の続報まで】

この記事のポイント
2026年5月20日、OpenAIの非公開の汎用推論モデルがエルデシュの単位距離予想(1946年)を反証しました。問題の中身、証明の仕組み、9名の数学者による検証、Lean形式化やClaude Mythos・AlphaProof Nexusなど10月までの続報、業務への影響を整理します。
2026年5月20日、OpenAIは社内の汎用推論モデルが、数学者ポール・エルデシュが1946年に出した「平面の単位距離予想」を反証したと発表しました。予想が誤りであることを示す点配置を見つけたもので、9名の数学者が確認し、その後 Lean による機械検証(形式化)も済んでいます。
OpenAI社長の Greg Brockman は、この件を「数学の一分野で中心的な位置にある有名な未解決問題を、AIが自律的に解いた初めての例」と位置づけています。ただし、問題そのものが完全に解けたわけではなく、人間の数学者が担った部分もあります。
この記事でわかること
- 単位距離問題とエルデシュ予想の中身(何が反証され、何がまだ残っているか)
- AIが使った証明のアイデアと、9名の数学者による検証
- 2025年10月の「誤主張」騒動と今回の違い
- 5月から10月までの続報(指数の改善、Lean形式化、Claude Mythos・GPT-5.5 Proによる再現、AlphaProof Nexus の Science 掲載、FrontierMath Erdős)
- ビジネス・業務への影響と、AIの数学成果のニュースを読むときの確認ポイント
こんな人向けの記事です: AIの推論能力が今どこまで来ているかを知りたいビジネスパーソン、AI/MLエンジニア、数学・科学の研究者、AIツールの将来性を業務判断に使いたい人。
要点:今回の出来事を3点で把握する
① 80年近く残っていたエルデシュの予想を、AIが反証した
エルデシュは「正方格子を使った配置が、単位距離の組をほぼ最も多く作れる」と予想していました。OpenAIのモデルは、代数的整数論の道具を使って格子を上回る点配置の族を構成し、この予想が誤りであることを示しました。
② フィールズ賞受賞者が「AI数学のマイルストーン」と評価した
ケンブリッジ大学の Tim Gowers(フィールズ賞受賞者)は、人間が書いた同等の論文がトップ誌に投稿されたら掲載を推薦する水準だと述べ、それ以前のAI生成の証明はその水準に届いていなかったとしています(Quanta Magazine、Understanding AI の報道による)。
③ 5月以降の続報で、結果の確からしさと再現性が上がった
5月28日には Lean 4 による形式化(機械検証)が報告されました。ほかにも、Anthropic の Claude Mythos が別ルートの証明を出したという報告や、公開モデルの GPT-5.5 Pro が関連予想を反証した論文が出ています。OpenAI の発表の翌日に発表された Google DeepMind「AlphaProof Nexus」は、10月8日に査読付きの学術誌 Science に掲載されています。一方、OpenAI の証明そのものは、2026年10月25日時点で学術誌への掲載を確認できていません。
エルデシュの「単位距離問題」とは:なぜ80年間解けなかったのか
単位距離問題は「平面にn個の点を置いたとき、ちょうど距離1になる点の組は最大でいくつ作れるか」を問う問題です。今回反証されたのは、その最大数が「正方格子の構成とほぼ同じ程度にしか増えない」というエルデシュの予想です。

問題を日常語で理解する
紙の上にn個の点を打ち、ちょうど同じ長さ(1単位)だけ離れた点のペアを数えます。3点なら正三角形の頂点に置けば3組すべてが同じ長さになります。点が増えると全ペアを同じ長さにはできないので、「うまく配置したとき、同じ長さのペアは最大何組まで作れるか」が問題になります。この最大数を u(n) と書きます。
「下からの構成」「上限」「予想」の3つを分けて考える
この問題で混乱しやすいのは、次の3つがそれぞれ違う内容だという点です。
項目 | 内容 | 今回の結果で変わったか |
|---|---|---|
下からの構成(作れる組数) | エルデシュ(1946年)が、うまく縮めた正方格子で n^(1 + c / log log n) 組を作れることを示した | 変わった。格子を多項式のオーダーで上回る n^(1+δ) の構成が見つかった |
上限(これ以上は作れない) | Spencer・Szemerédi・Trotter(1984年)の O(n^(4/3)) が現在も最良 | 変わっていない |
エルデシュの予想 | 格子の構成が本質的に最良で、u(n) は n^(1 + O(1/log log n)) 程度に収まる(n^(1+ε) にはならない) | 反証された |
つまり、今回は「格子より本質的に多く作れる配置がある」ことが示され、予想が崩れました。一方で上限 n^(4/3) との差は残っており、u(n) の正確な増え方は今もわかっていません。「80年来の難問を解いた」という見出しは、正確には「80年来の予想を反証した」という意味です。
なぜ長く解けなかったのか
格子の構成は自然で強力なため、多くの研究者は「格子がほぼ最良」という見方を前提にしてきました。格子を超える配置を作るには、平面の幾何とは離れた分野(代数的整数論)の道具を持ち込む必要があり、その組み合わせを試した人がほとんどいなかったことが大きな理由です。
AIはどうやって解いたのか:代数的整数論という「意外な鍵」
モデルは高次元の格子を作り、それを平面に射影する方法で、正方格子より多くの単位距離を持つ点配置の族を構成しました。元になっているのは代数的整数論の「類体塔」の理論です。手法は全く新しい理論ではなく、既存の道具の意外な組み合わせです。

AIが使った手法の流れ
ステップ1: 高次元の格子を作る
2次元の格子から出発するのではなく、高い次元で特別な対称性を持つ格子を用意します。
ステップ2: 普通の整数の代わりに代数的整数を使う
正方格子の議論で使われるガウス整数を一般化し、より複雑な数体(代数体)の整数を使います。コンパニオン論文は、議論の中心を Golod–Shafarevich、Ellenberg–Venkatesh、Hajir–Maire–Ramakrishna の仕事にさかのぼれるアイデア(無限類体塔)だと説明しています。
ステップ3: 平面に射影する
作った格子を2次元平面に落とすと、正方格子を上回るペースで単位距離の組が増える点配置が得られます。
成果の数値
指標 | 値 | 補足 |
|---|---|---|
従来の構成(正方格子) | n^(1 + c / log log n) | 指数の上積みが n とともに0に近づく |
AIの構成 | n^(1 + δ)(δ は正の定数) | モデルの出力自体は δ の値を明示していなかった |
Will Sawin が明示した値 | n^1.014 より多い(δ = 0.014) | arXiv:2605.20579(2026年5月20日) |
その後の改善の報告 | 指数 約1.03(その後 δ > 0.036 の報告もある) | erdosproblems.com のフォーラムや MathOverflow での報告。査読済み論文では未確認 |
「log log n の分だけの上積み」と「定数 δ の上積み」の差は、n が大きくなるほど開きます。逆に言えば、効果が出るのは n が非常に大きいときです。報道で紹介された例では、この方法で作った1,345点の配置の単位距離は5,916組で、同じくらいの規模の正方格子(1,296点で7,632組)より少なくなっています。小さな n で格子に勝つ配置ではなく、「漸近的に格子を上回る」ことを示した結果です。
数学者はアイデアをどう見たか
Jacob Tsimerman(コンパニオン論文の共著者)は「本当に見事な仕事」と評し、自分も似た方法を考えたものの、時間がかかって失敗しやすいため諦めていたと述べています(Quanta Magazine、Understanding AI)。人間が「割に合わない」と避けがちな方向を試し続けられる点が、AIの強みとして表れた例です。
9名の数学者が証明を検証:信頼性の裏付け
OpenAIは発表前に証明を外部の数学者に渡し、9名が検証・簡略化した短い版と考察をまとめたコンパニオン論文(19ページ)を同日に arXiv で公開しました。
コンパニオン論文の著者
arXiv:2605.20695「Remarks on the disproof of the unit distance conjecture」の著者は次の9名です。
著者 | 補足 |
|---|---|
Noga Alon | 組合せ論の第一人者 |
Thomas F. Bloom | エルデシュ問題のデータベース erdosproblems.com の運営者。2025年10月の誤主張を批判した当人 |
W. T. (Tim) Gowers | フィールズ賞受賞者 |
Daniel Litt | 代数幾何・数論 |
Will Sawin | 同日、指数 1.014 を明示した論文を別に公開 |
Arul Shankar | 数論 |
Jacob Tsimerman | 数論 |
Victor Wang | 数論 |
Melanie Matchett Wood | 数論・確率 |
数学者の評価
- Tim Gowers: 「AI数学のマイルストーン」。同等の論文を人間が書いてトップ誌に投稿してきたら掲載を推薦する水準で、それまでのAI生成の証明はそこに届いていなかった、という趣旨を述べています。
- Daniel Litt: AIが自律的に出した結果のうち、「将来を占う指標」としてではなく、それ自体として面白いと感じた初めての例だとしています。
- Jacob Tsimerman: 「本当に見事な仕事」。
参照できる公開資料
資料 | 内容 |
|---|---|
発表ページ(英語) | |
モデルが出した証明(英語) | |
9名によるコンパニオン論文(英語) | |
Will Sawin による指数 1.014 の明示(英語) | |
Lean 4 による形式化の報告(英語) |
過去の「誤主張」と今回の違い:2025年10月インシデントの教訓
今回の発表は、7か月前の誤主張と比べると、検証の手順がまったく違います。批判した側の数学者が検証に加わっている点が最大の違いです。
7か月前の失敗
2025年10月17〜18日ごろ、OpenAI の Kevin Weil(当時 VP of Science)が X に「GPT-5 がエルデシュの未解決問題10件の解を見つけた」と投稿しました。しかし実際は、すでに論文になっていた解を見つけ出しただけでした。Thomas Bloom が「dramatic misrepresentation(劇的な誤った説明)」と批判し、投稿は削除されています。Google DeepMind の Demis Hassabis は「embarrassing(恥ずかしい)」と反応し、Meta の Yann LeCun も揶揄しました(TechCrunch、2025年10月19日)。
なお、OpenAI の Sébastien Bubeck は「見つかったのは文献上の解だけ」と認めたうえで、文献を探し当てる能力自体にも価値があると主張しています。
2025年10月と2026年5月の比較
比較項目 | 2025年10月(誤主張) | 2026年5月(今回) |
|---|---|---|
中身 | 既存論文にあった解の発見 | 新しい反例の構成と証明 |
検証 | なし(投稿後に批判) | 発表前に9名の数学者が確認し、論文を同日公開 |
批判者の立場 | Thomas Bloom が批判 | Thomas Bloom がコンパニオン論文の共著者 |
その後 | 投稿を削除 | Lean による形式化、他社モデルによる別証明の報告が続いた |
Google DeepMindも翌日9問解決:AI×数学の競争時代へ
OpenAI の発表の翌日、Google DeepMind は「AlphaProof Nexus」でオープンなエルデシュ問題353問のうち9問を解いたと発表しました。この論文は2026年10月8日に Science に掲載され、査読を通った点で OpenAI の結果と扱いが分かれています。

各社のAIによる数学成果の比較
5月以降は、Anthropic のモデルや一般向けに提供されている GPT-5.5 Pro でも、近い成果が報告されています。
比較項目 | OpenAI(社内モデル) | Google AlphaProof Nexus | Anthropic Claude Mythos | GPT-5.5 Pro(公開モデル) |
|---|---|---|---|---|
発表時期 | 2026年5月20日 | 2026年5月21日(論文は10月8日 Science 掲載) | 2026年5月26日ごろ(社員のXで報告) | 2026年7月9日(arXiv) |
成果 | 単位距離予想の反証 | エルデシュ問題353問中9問、OEIS の予想44件など | 単位距離予想の別ルートの証明 | 実数上の Erdős–Szemerédi 和積予想の反証 |
検証方法 | 9名の数学者が確認、後に第三者が Lean で形式化 | Lean で機械検証 | 数学者による評価(Daniel Litt は「OpenAI の結果より少し劣る」と評価) | 出力とコードを公開。8回中7回で正しい証明 |
査読 | 学術誌掲載は未確認 | Science に掲載(査読済み) | 正式な論文は確認できず | arXiv(査読前) |
使ったモデル | 非公開(名称も未公表) | Gemini 3.1 Pro ベースのエージェント | Claude Mythos(一般非公開) | 一般提供モデル |
Claude Mythos の件は、互いに隔離した複数の Claude Code インスタンスで解いたと報じられています(The Decoder)。ただし Anthropic がサイトに載せた証明は Mythos ではなく Opus 4.7 で作成したものとされ、Anthropic からの正式な論文は確認できていません。Claude Mythos 自体についてはClaude Mythosとはで整理しています。
「どちらが上か」ではなく、アプローチの違いを理解する
OpenAI: 数学に特化して訓練していない汎用推論モデルが、自然言語で証明を書いた点が評価されています。正しさの確認は、当初は人間の数学者に頼っていました。
Google: 証明を Lean で書くため、機械的に正しさを確かめられます。The Decoder によると、9問は AlphaProof を使わなくても Gemini 3.1 Pro ベースのエージェントで解けたとされます。解いた数は多い一方、問題の知名度や難しさは単位距離予想とは比べにくいものです。Gemini の基本はGeminiとはを参照してください。
5月以降の続報:Lean形式化・他社の追随・Astra

出典: Lean 公式サイト
発表から5か月で、証明の確からしさは大きく上がり、同じ水準の成果を出すモデルも増えました。
1. Lean 4 による形式化(機械検証)
2026年5月28日、Logical Intelligence の「Aleph Prover」が反証を Lean 4 で形式化したと発表しました。arXiv:2606.31134 では、未証明部分(sorry)のない14,831行の形式化が報告されています。ただし、Golod–Shafarevich 理論に関する既存の結果2つは前提として認めています。erdosproblems.com の問題#90 は「DISPROVED (LEAN)」と表示されています。
比較項目 | 自然言語の証明+数学者の確認 | Lean による形式化 |
|---|---|---|
正しさの確認 | 専門家が読んで判断 | 証明支援系がすべての推論を機械的にチェック |
読みやすさ | 人間が理解しやすい | 長く、人間が読むのは大変(今回は約1.5万行) |
弱点 | 確認者の見落としがありうる | 前提として認めた結果や、定義の書き方が正しいかは人間が確かめる必要がある |
今回の状況 | 9名が確認 | 第三者が形式化(既存結果2つは前提) |
2. 指数の改善と、人間による関連予想の反証
Sawin の n^1.014 のあと、フォーラムや MathOverflow で指数を約1.03まで上げたという報告が続きました(いずれも査読済み論文では未確認)。また、この反証に触発されて、Bloom・Sawin らが実数上の和積予想を、Pohoata が Elekes–Rónyai 問題を、人間主導で反証したと Gil Kalai のブログが伝えています。
3. 公開モデルでの再現
数学者 Xiao Ma によると、GPT-5.5 に小さなヒントを与えると同じ反証にたどり着けました(Understanding AI)。7月には、GPT-5.5 Pro が「証明の計画→証明→レビュー」という3段階の汎用プロンプトで和積予想の反証を8回中7回正しく出したという論文(arXiv:2607.20525)も出ています。1回あたり平均約13.2万トークンの推論を使っています。GPT-5.5 の概要はGPT-5.5とはで解説しています。なお GPT-5.5 は、2026年10月14日に ChatGPT と Codex から外れています(GPT-5.5の提供終了)。
4. OpenAI「Astra」と FrontierMath Erdős
2026年8月1日、OpenAI は未公開の次期モデル「Astra」で、エルデシュ問題#183・#146・#180 を含む10件の数学的な前進を発表し、Lean 4 の証明を GitHub で公開しました(Quanta Magazine、SiliconANGLE)。ただし、単位距離予想を反証したモデルと Astra の関係は公表されていません。Astra の詳細はOpenAI Astraとはにまとめています。
9月には Epoch AI と Bloom が、未解決のエルデシュ問題68問で測るベンチマーク「FrontierMath Erdős」を公開しました。論文によると、GPT-6 Astra の正答率は約3%で、他のモデル(Claude Fable 5・5.1、GPT-5.5 など)は0%でした。最上位のモデルでも、未解決問題を解ける割合はまだ一桁%です。最新モデル同士の違いはGPT-6 Astra vs Claude Fable 5.1で比べています。
このツールを自社のシステムや業務にどう組み込むか、ご提案します
初回相談は無料・30分(オンライン)。要件が決まっていなくても大丈夫です。改修100万円〜・PoC300万円〜(税別)
AI×数学の発展タイムライン(2024〜2026年)
時期 | 出来事 |
|---|---|
2024年1月 | Google DeepMind の AlphaGeometry が、国際数学オリンピック(IMO)レベルの幾何問題を解いたと Nature で発表 |
2025年10月17〜18日 | OpenAI の Kevin Weil が「GPT-5 がエルデシュ問題10件を解いた」と投稿。既存論文の発見と判明し削除 |
2026年1月 | GPT-5.2 Pro と Harmonic の「Aristotle」でエルデシュ問題#728 を解いたと報道 |
2026年5月20日 | OpenAI が単位距離予想の反証を発表。同日、9名のコンパニオン論文と Sawin の n^1.014 論文が arXiv に公開 |
2026年5月21日 | Google DeepMind が AlphaProof Nexus でエルデシュ問題9問を解いたと発表 |
2026年5月22日ごろ | フォーラムで指数を約1.03に改善したとの報告 |
2026年5月26日ごろ | Claude Mythos が別ルートで反証できたと Anthropic 社員が報告 |
2026年5月28日 | Logical Intelligence が反証の Lean 4 形式化を発表 |
2026年7月9日 | GPT-5.5 Pro による和積予想の反証論文が arXiv に公開 |
2026年8月1日 | OpenAI が未公開モデル「Astra」で10件の数学的前進を発表 |
2026年9月 | GPT-6 Astra の段階提供が始まる(報道ベース)。FrontierMath Erdős が公開され、GPT-6 Astra が約3% |
2026年10月8日 | AlphaProof Nexus の論文が Science に掲載 |
この発見がビジネス・産業に与える影響
今回の反証そのものが日々の業務を変えることはありません。変わりつつあるのは、「推論モデルに長い検証付きの作業を任せられるか」という見通しのほうです。
直接的な現在の影響:一般ビジネスには「ほぼなし」
離散幾何の予想の反証は純粋数学の成果で、すぐ製品になるものではありません。文章作成、データ分析、コーディング支援といった、いまのAIツールの使い方が変わるわけでもありません。ChatGPT や Claude の基本はChatGPTとは・Claudeとはを参照してください。
中長期で影響が出そうな分野
一般的には、「長い推論を組み立て、それを機械で検証する」という組み合わせが、次の分野で役立ってくると見られています。時期の見通しは公式には示されていません。
分野 | AIの役割 | 現時点の状況 |
|---|---|---|
形式的ソフトウェア検証 | 仕様どおりに動くことを証明付きで示すコードの作成支援 | Lean などの証明支援系とAIの組み合わせが、数学で実績を出し始めた段階 |
研究開発(材料・創薬など) | 仮説の数理的な裏付け、文献の横断調査 | 2025年10月の件のように、既存文献を探す用途での価値はすでに認められている |
理論物理・数理科学 | 式変形や証明の下書き、別分野の道具の持ち込み | 個人研究者が公開モデルで成果を出す例が増えている(Quanta Magazine) |
暗号・セキュリティ | 方式の弱点探し(防御と攻撃の両面) | 単位距離問題自体は無関係。ただしAIの推論能力全体の向上は評価に影響し始めている |
推論モデルを自社の業務システムに組み込む場合、モデルの能力より先に、出力の検証方法・API費用・既存システムとの連携をどう作るかで費用と期間が大きく変わります。開発の進め方と金額の目安はAI開発の費用相場にまとめています。
暗号技術・セキュリティへの影響(現時点の評価)
今回の成果は、RSA や楕円曲線暗号を脅かすものではありません。単位距離問題は、これらの暗号が頼っている素因数分解や離散対数の難しさとは関係がないためです。
一方で、AIの数学的な推論能力の向上は、別の形でセキュリティ評価に影響しています。Claude Mythos が耐量子署名方式 HAWK への新しい攻撃法を見つけた件(Claude MythosとHAWK暗号)や、Astra のサイバー能力が OpenAI 自身の基準で Critical に達した件(OpenAI AstraのCritical判定)がその例です。社内の対策の考え方は生成AIのセキュリティで整理しています。
AIの数学成果のニュースを読むときの確認ポイント
AIが「難問を解いた」という発表は2026年に入って急に増えました。2025年10月の誤主張や、Quanta Magazine が指摘した「AIの解が実は1977年の論文にあった」例のように、見出しどおりでないこともあります。次の5点を確かめると、発表の確からしさを判断しやすくなります。
確認ポイント | 見るところ | 今回の単位距離予想 |
|---|---|---|
検証した数学者の名前が出ているか | 論文の著者・コメントした研究者 | ○ 9名が論文を公開 |
Lean などで形式化されたか | 形式化の有無と、前提として認めた結果 | ○ 第三者が形式化(既存結果2つは前提) |
既存の文献に解がないか | 「新しい解」か「文献の発見」か | ○ 新しい構成 |
査読を通ったか | 学術誌への掲載 | × 2026年10月25日時点で掲載を確認できず |
使ったモデルを外部の人が使えるか | 再現できるか | × モデルは非公開(公開モデルでの再現例はある) |
AIにできること・まだできないこと
今回わかったのは、AIが専門家の確認に耐える長い証明を書けるようになったことです。ただし、成功率や「何を問うか」を決める部分には、まだはっきりした限界があります。

今回で明らかになったAIの能力
- 長い推論を最後まで組み立てる: 1手の答えではなく、何段階もある証明を専門家の確認に耐える形で書いた
- 分野をまたいで道具を持ち込む: 離散幾何の問題に、代数的整数論の類体塔を使った
- 人間が避けがちな方向も試す: 時間がかかり失敗しやすいアイデアでも、試行を重ねられる
- 他のモデルにも広がっている: 公開モデルの GPT-5.5 Pro が、関連する予想を高い成功率で反証した
現時点での限界(過大評価しないために)
モデルは非公開: 証明を出したモデルの名前は、2026年10月25日時点でも公表されていません。一般のユーザーが同じモデルで同じ実験をすることはできません。
成功率は約半分: OpenAI が示したグラフでは、最大のトークン予算を使っても解けたのは試行の約半分でした(Understanding AI の報道による)。
指数の明示や整理は人間が担った: モデルの出力は δ の値を明示しておらず、n^1.014 を導いたのは Will Sawin です。証明の簡略化も数学者が行いました。完全なAI単独ではなく、人間との協業と見るのが妥当です。
新しい理論を作ったわけではない: コンパニオン論文が示すとおり、既存のアイデアの組み合わせです。「数学の革命」ではなく「非常に重要な一歩」と見るのが正確です。
問題全体はまだ解けていない: 上限 n^(4/3) は動いておらず、u(n) の正確な増え方は未解決です。
問いを立てるのは人間: Gowers らは、少なくとも当面は「何を問うか」「新しい技法を作るか」の部分で、AIは人間に頼ると見ています。FrontierMath Erdős で最上位のモデルが約3%という数字も、AIが未解決問題を次々に解ける段階ではないことを示しています。
査読は未完了: OpenAI の証明もコンパニオン論文も、学術誌への掲載は確認できていません。Lean による形式化で正しさへの信頼は高まっていますが、「査読済み」ではありません。
この発見に関心を持つべき人・特に変化がない人
今すぐ詳しく追うべき人
- 数学・理論物理・計算科学の研究者: 代数的整数論と離散幾何の新しいつながりは、そのまま研究材料になります。和積予想など関連する反証も続いています
- AI/ML研究者・エンジニア: 汎用推論モデルの能力を測る代表的な事例です。Lean との組み合わせや、FrontierMath Erdős のような新しいベンチマークも追う価値があります。AIが複数の手順を自律的にこなす仕組みはAIエージェントとはで解説しています
- ソフトウェア形式検証・暗号のエンジニア: 証明生成と機械検証の組み合わせが実用に近づいています
- AI投資・事業開発の担当者: OpenAI・Google・Anthropic のどこが科学分野で先行しているかを見る材料になります
- 生成AIの将来を理解したい学習者: 生成AIの全体像は生成AIとはから押さえると、この事例の位置づけがわかりやすくなります
今すぐ行動を変える必要はない人
- AIツールを業務で使っている一般ユーザー: ChatGPT や Claude の日常の使い方は変わりません
- AIの業務導入を検討中の担当者: ツール選びの基準(使いやすさ・料金・日本語対応・セキュリティ)は変わりません。AIツールおすすめも参考にしてください
- セキュリティ担当者(暗号の設定を見直そうとしている人): 今回の成果は既存の暗号への直接の脅威ではありません
よくある質問(FAQ)
Q. 使われたモデルは GPT-5.5 や Astra ですか?
OpenAI は「新しい汎用推論モデル」とだけ説明しており、名前は2026年10月25日時点でも公表されていません。8月に数学の成果を発表した「Astra」との関係も示されていないため、同じモデルだとは言えません。
Q. ChatGPT で同じことはできますか?
同じモデルは使えません。ただし続報では、GPT-5.5 にヒントを与えると同じ反証にたどり着けた例や、GPT-5.5 Pro が関連予想を反証した例が報告されています。とはいえ研究レベルの問題では、正しく見える誤った証明を出すことも多いため、専門家の確認や Lean による検証が前提になります。
Q. 結局、単位距離問題は「解決」したのですか?
エルデシュの予想は反証されましたが、問題全体は解決していません。作れる組数の下からの評価は n^1.014 以上(報告では約 n^1.03)に上がった一方、上限は1984年の n^(4/3) のままです。
Q. Google DeepMind は9問解いたのに、OpenAI の1問のほうが注目されたのはなぜですか?
単位距離予想が、離散幾何の中心にある有名な予想だったためです。数学に特化していない汎用モデルの成果だった点も注目されました。一方、査読を通ったのは AlphaProof Nexus のほうが先で、評価の基準によって見え方が変わります。
Q. AIの証明に誤りが見つかる可能性はありますか?
可能性はかなり低くなっています。9名の数学者が確認したうえで、第三者が Lean 4 で形式化し、機械的なチェックを通っています。ただし形式化では既存の結果2つを前提にしており、学術誌の査読もまだ確認できていません。
Q. 「世界初」という表現は正確ですか?
Brockman の言い方に沿えば、「数学の一分野で中心的な位置にある有名な未解決問題を、AIが自律的に解いた初めての例」です。AIがエルデシュ問題を解いた例はそれ以前にもありますが、問題の重要度と、数学者がトップ誌の水準と評価した点で区別されています。
Q. この発見で暗号技術は危なくなりますか?
今回の成果に限れば危なくなりません。単位距離問題は、RSA や楕円曲線暗号が頼っている数学の問題とは関係がありません。ただし、AIの推論能力全体の向上は、暗号方式の攻撃研究やサイバー能力の評価にすでに影響しています。
まとめ
OpenAI の社内モデルが2026年5月20日に反証した「エルデシュの単位距離予想」は、AIの推論能力の節目として広く認められました。数学に特化していない汎用推論モデルが、代数的整数論の道具を離散幾何に持ち込み、正方格子を多項式のオーダーで上回る点配置を見つけた結果です。
10月までの続報で、評価はさらに固まりました。Lean による形式化、Claude Mythos や GPT-5.5 Pro による関連成果、Science に掲載された AlphaProof Nexus など、AIによる数学の成果は一社だけのものではなくなっています。
一方で、限界もはっきりしています。モデルは非公開で成功率は約半分、指数の明示と証明の整理は人間が担い、上限 n^(4/3) との差は残ったままです。未解決のエルデシュ問題で最上位モデルでも約3%という数字が示すように、問いを立て、新しい技法を作る部分は、当面は人間の仕事として残ります。
このツールを自社のシステムや業務にどう組み込むか、ご提案します
この記事の著者

AI革命
編集部
AI革命株式会社の編集部です。最新のAI技術動向から実践的な導入事例まで、企業のデジタル変革に役立つ情報をお届けしています。豊富な経験と専門知識を活かし、読者の皆様にとって価値のあるコンテンツを制作しています。
最新記事

Sakana AI App(仮)とは?初のモバイルアプリのテスター募集(11/15まで)と応募の注意点
2026/11/09

新Siriは有料化される?Tim Cook氏が示唆したiCloud+課金・無料で使える範囲・iOS 27での提供時期【2026年11月最新】
2026/10/06

B2B発注ポータル(BtoB受発注サイト)の開発|取引先専用の発注サイトで決める価格・権限・受注後の業務
2026/10/10

PHP2Shell脆弱性(CVE-2026-109618)とは?PHP RCEの修正版と対策・悪用状況
2026/10/22

Anthropic目論見書(S-1)の中身|2025年純損失420億ドル・営業損失81億ドル・支払い義務5180億→8954億ドル・リスク要因・上場時期【2026年11月】
2026/10/01

Anthropicが法人顧客に情報閲覧を通知|見られた情報・対象外の情報・管理者が今やること
2026/11/09


