OpenAI汎用推論モデル、80年来のエルデシュ単位距離予想を自律的に反証——AI数学推論の新マイルストーン

概要

※本記事は公開情報をもとに編集部が再構成したサマリです。一次情報は出典欄をご参照ください。

OpenAIは2026年5月20日、同社の内部汎用推論モデルが、1946年にポール・エルデシュ（Paul Erdős）が提起した離散幾何学の中心的問題「単位距離予想（Unit Distance Conjecture）」を自律的に反証したと発表した。「単位距離予想」は、グラフ理論と幾何学が交差する問題として80年間にわたり未解決のままだった。特定の数学タスク向けにファインチューニングした専用モデルではなく、汎用推論モデルによる反証成功例は今回が初となる。

事実のポイント

• 対象問題: エルデシュの単位距離予想（n個の点をユークリッド平面に配置したとき、単位距離（距離 = 1）となる点対の個数の最大値に関する予想）
• 反証手法: モデルが既存の数学的手法を参照しつつ、新たな組み合わせ論的構造を生成して反例を構築
• 評価: フィールズ賞受賞者のTim Gowers氏がXにて「この成果はAI数学研究の重要なマイルストーン」と評価
• 汎用モデル: 数学専用の事前学習・ファインチューニングを施していない汎用推論モデルによる反証は、AIの汎用的な数学推論能力の向上を示す
• 比較: Google DeepMindのAlphaProof/AlphaGeometryが数学オリンピック問題を解いた取り組みとは異なり、未解決の研究レベル問題への適用が特徴
• 検証: 複数の数学者による独立した検証を経ており、形式的証明として認められる見込み

用語・背景の補足

エルデシュの単位距離予想: ハンガリーの数学者ポール・エルデシュが1946年に提起。n個の点を2次元平面に配置したとき、ちょうど距離1の点対の数が最大でどれくらいになるかを問う問題。エルデシュはその上限をO(n^{4/3})と予想していた。離散幾何学の根本的な未解決問題の一つとして知られる。

汎用推論モデル（General-Purpose Reasoning Model）: 特定のタスクに特化せず、幅広い問題を解くことができるAIモデル。GPT-4以降の大規模言語モデルはこのカテゴリに属する。数学・コード・文章生成など多様なタスクを単一モデルで処理できる。

フィールズ賞: 4年に一度、40歳以下の数学者に与えられる数学界最高の賞。ノーベル賞が数学を対象外にしているため、実質的に数学のノーベル賞と称される。

注意点

• AIによる反証の内容は現在、数学コミュニティにおける精査・検証プロセスの途上にある（発表時点での情報）
• AIが生成した証明・反証は、人間の数学者が読み解いて「数学的に正当」と確認する作業が必要であり、完全自律ではない側面もある
• 今回の成果はエルデシュ予想の「反証」（予想が誤りであることの示示）であり、予想を証明したわけではない（反例の発見）
• 他の未解決数学問題（リーマン予想・P≠NP問題など）への適用可能性は未定

編集部見解

（追記予定）