2026-05-27 — views

OpenAI の推論モデルが 80 年来のエルデシュ予想を反証 — しかも数学専用モデルではない

読む理由見出しは「AI が数学をやる」。本当のシグナルは、それが数学専用システムではなく汎用推論モデルから生まれ、80 年間誰も見つけなかった反例を構成して通説を覆したこと。一つの結果は革命ではないが、汎用性こそが核心だ。

OpenAI は内部の推論モデルがエルデシュ 1946 年の単位距離予想を自律的に反証したと発表（5/20）——AI として初、数学者が独立に検証。

2026 年 5 月 20 日、OpenAI は内部の推論モデルが離散幾何の中心的な予想を自律的に反証したと発表した——ポール・エルデシュが 1946 年に提起した単位距離問題だ。およそ 80 年間、数学者は答えがほぼ確定していると信じてきた。このモデルはそうでないことを示した。

問題を一段落で

平面に n 個の点を置く。ちょうど距離 1 離れたペアは最大いくつ作れるか？エルデシュは 1946 年にこれを問い、数十年にわたって格子状の配置がほぼ最適で、数え上げは既知の上界付近で頭打ちになるという認識が一般的だった。OpenAI のモデルは無限の点配置族を構成することでこの通説を覆した——固定の δ > 0 に対しておよそ n^(1+δ) の単位距離ペアを達成する。その構成は代数的数論の深い道具（Golod–Shafarevich 理論と無限類体塔）に依拠した。プリンストンの数学者 ウィル・ソーウィンが後に指数を δ ≈ 0.014 へ精密化した。

なぜ今回は違うのか

AI は以前にも「数学をやった」——だがほぼ常に数学のために作られたシステムを通じてだった：定理証明器、証明コーパスで微調整したモデル、特定問題を探索するようスキャフォールドされたパイプライン。OpenAI の今回の主張は二つの軸でより鋭い：

専用ではなく汎用。 結果は、数学のために特別に訓練されたわけでも単位距離問題に向けられたわけでもない、新しい汎用推論モデルから生まれた。
検証された証明ではなく反例。 長年の予想を反証するとは、誰も見つけなかった構成を見つけることだ——既知の道筋の検証ではなく、創造的・生成的な行為。これは数学のより難しく、より「研究的」な半分だ。

ソーウィンを含む外部の数学者、そして ギル・カライの論評がこの結果を精査し発展させた——この反証は OpenAI の言だけで受け取られたのではなく、独立に吟味された。

なぜ重要か

意義は一つの予想が倒れたことではなく、転移にある：広く推論するよう訓練されたモデルが、そのために作られていない領域で、真に新規な数学的対象を生み出した。汎用推論能力が前沿の研究数学に染み出すなら、同じ能力はアルゴリズム設計・材料・プロトコル検証にも染み出しうる——ボトルネックが膨大な構成空間から機能する一つを探すことであるあらゆる場所に。

実務メモ

外挿する前に枠組みを丁寧に読め。「自律的に反証」は強い主張で、誠実な範囲は、一つの問題・一つの構成・事後に人間が検証、だ。作り手にとっての持続的な学びは「モデルはもう数学ができる」ではなく、解を検証することと非自明な解を生成することの差が、少なくとも一つの難領域で縮みつつある、ということだ。ワークフローに、答えが見つけるのは高価だが検証は安いという段があるなら、それこそこの種のモデルが価値を出し始める形だ。検証器を作り、モデルに探させよ。

あまり論じられない視点

これが静かに提起する問いはセンスについてだ。有効な反例を生成するには、無数の行き止まりの中でどの風変わりな道具（類体塔）に手を伸ばすかを選ぶ必要があった——数学者が研究のセンスと呼ぶ判断であり、長く還元不能に人間的だと考えられてきた。一つの結果でモデルがそれを持つとは証明できない。だがそれは議論を「AI は証明を追えるか？」から「AI は何を試すか決められるか？」へ動かす——そしてこれらの系が協働者になるのか、ただ非常に速い計算機にとどまるのかにとって、後者こそより重大な問いだ。