未公開のAnthropicモデルがリーマン予想に前進—AIが数学の限界をどう変えつつあるのか

Anthropicモデルが達成したこと

2026年8月10日から11日にかけて、Anthropicは未公開の研究用Claudeモデルがリーマン予想に関連する問題で大きな進展を見せたと発表しました 。具体的には、リーマンゼータ関数の非自明なゼロ点のうち、臨界線上にある割合の下限を41.6%から67.2%に引き上げたのです 。これはこの下限に対する史上最大の単一ステップ改善です 。

ただし、このモデルはリーマン予想そのものを証明したわけではありません（リーマン予想は7つのClayミレニアム問題の1つで、100万ドルの賞金がかかっています）。今回の成果は解析的整数論における正真正銘の定理です 。

自律的な探索プロセス

この成果は画期的なマルチエージェントワークフローによるものでした：

• 数学の本格的な訓練を受けていないAnthropicのスタッフが、モデルに対して「本気で証明に挑んでみて」と指示 。
• モデルは約1.5日間の間に、60の調整されたサブエージェントを使っておおよそ650の候補アプローチをテスト 。
• この実行には2回のセッションで31Mの出力トークンが消費され、2,400のシェルコマンドが実行され、54本のarXiv論文がレビューされました 。
• 60のサブエージェントのうち、数学的ブレークスルーを開発したのはわずか2つ 。
• 勝利したアプローチは、2000年のEnrico Bombieriの論文と最近の結果を統合したもので、これまで誰も組み合わせていなかった手法でした 。

検証プロセス

社内の数学者Levent Alpöge氏とRalph Furmaniak氏が証明を精査して確認しました 。さらに、この議論は対話型定理証明器Leanで形式化され、機械的にチェック可能な正しさの証明書が生成されました 。この二重の検証（専門家による人間のレビュー＋形式検証）は、AIが生成した数学的結果に対するベストプラクティスと広く見なされています。

2026年の広がり：AI数学の転換点

Claudeによるリーマン境界の改善は孤立した出来事ではありません。2026年にはAI主導の数学的ブレークスルーが加速しています：

• 2026年5月 — OpenAIが未公開の汎用推論モデルにより、80年来の未解決問題であるエルデシュの単位距離予想を自律的に反証したと発表 。
• 2026年5月 — Google DeepMindのAlphaProof Nexusが9つの未解決エルデシュ問題（中には56年間未解決だったものも）を解決し、整数列のオンライン百科事典から44の予想を証明。すべてLeanで形式化 。
• 2026年7月 — Anthropicの数学者Levent Alpöge氏が未公開の「Fable 5」モデルを使い、1939年に提起されたヤコビアン予想への反例を発見 。
• 2026年8月 — OpenAIのAstraモデルが、約2,000ドルの計算コストで10の数十年にわたる未解決問題を解決。機械検証可能な証明がLean形式でGitHubに公開 。

複数の論評者は、2026年半ばに分野が閾値を超えたと指摘しています。AIシステムは競技レベルの数学を解く段階から、発表可能な未解決問題レベルの研究を生成する段階へと移行しました 。

議論：著作者性、基準、そしてライデン宣言

AIによる急速な数学研究の進展は激しい議論を引き起こしています：

• 2026年6月、16人の数学者のグループが**「ライデン宣言：人工知能と数学について」**を発表。証明の構造、著作者の帰属、AI生成結果に対する人間の監視に関する新しい基準を提唱 。この宣言はその後、国際数学連合でも議論されました 。
• 主な緊張点として：AIが証明を生成した場合、誰に著作者権が帰属するのか？ 証明が従来の人間には検証不可能なほど長大または斬新である場合、分野は認識的信頼を維持できるのか？ 単独の人間が生産し得なかった結果を、ジャーナルはどのように査読すべきか？
• 一部の数学者は、AI支援による証明は理解や説明の洞察を損なうリスクがあると指摘。証明が正しくとも、その背後にある意味が不透明になる可能性があります 。一方で、Leanによる形式検証は従来のピアレビューよりも厳格な基準を提供するとの見方もあります 。

これがAIの科学的発見能力に意味すること

Anthropicのリーマン結果は、いくつかの具体的な点で議論を前進させます：

1. 自律的探索の規模が重要。 650のアイデアを60のサブエージェントでテストしたことは、マルチエージェントアーキテクチャが人間の研究グループでは同じ時間枠で不可能な規模の系統的探索を実行できることを示しています 。これにより質問は「AIは数学をできるか？」から「いかにAIを科学的発見のパイプラインに統合すべきか？」へと移行しました。

2. 偶発的な統合が可能。 数学的訓練を受けていないモデルが、Bombieriの論文（2000年）と最近の結果を結びつけたことは、AIが異なる文献間の非自明な概念的接続を行えることを示しています 。この能力は、LLMが単に補間しているだけなのか、それとも真に発見しているのかという核心的な懸念に直接答えるものです。

3. 形式検証が信頼問題を解決。 Leanによる形式化により、結果は「ブラックボックス」の主張ではありません。これは機械的に検証可能な正しい定理であり、どんな数学者でも機械的に検査できます 。これはAIが生成した科学的結果を検証可能にするためのテンプレートを提供し、AI主導の発見に対する最も強い反論の1つに対処します。

4. 著作者性と基準の議論は建設的であって麻痺させるものではない。 驚くべき結果（DeepMind、OpenAI、Anthropic）とコミュニティ主導の制度的対応（ライデン宣言）が同時に出現したことは、数学コミュニティが退却ではなく適応していることを示唆しています 。現在の会話は規範とクレジットの配分に集中しており、AIの出力を全面的に拒否するものではありません。

5. 発見のコストと速度が崩壊している。 OpenAIのAstra結果の計算コストが約2,000ドル、Claudeのリーマン境界改善が36時間のターンアラウンドであることは、発表可能な数学的発見の限界費用がほぼゼロに近づいていることを示しています 。これは研究者がどのような質問を追求するか、誰が数学研究に参加できるかに深い意味を持ちます。

まとめ： Anthropicによるリーマン境界の改善は、AIシステムが自律的に発表可能で形式的に検証可能な数学的結果を発見できることを示す画期的なデモンストレーションです。2026年の一連の類似のブレークスルーと相まって、議論は「AIが科学的発見に貢献できるか」から「科学コミュニティは新たなクラスのAI共同発見者に対して、インセンティブ、帰属、検証をどのように構造化すべきか」へと移行しています。