Anthropic Claudeはリーマン予想の証明に失敗、その後に大きな成果を発見

Anthropic Claudeは、異例の大規模研究実行で約60のAIエージェントを統率したにもかかわらず、167年来のリーマン予想を解決できなかった。その代わりに、重要な下限を41.6％から約67.2％へ引き上げるとする成果を提示した。

この違いは重要だ。Anthropic Claudeは、リーマンゼータ関数の該当するすべての零点が臨界線上にあることを証明したわけではない。報道によれば、予想を仮定せずに数学者たちがこれまで証明してきたものよりはるかに強い最小割合を確立したという。

Anthropicは2026年8月10日、社内の数学者が検討し、外部の専門家が短期間で論証を精査した後に、この取り組みを公表した。この結果にはなお幅広い専門家の検証が必要だが、ベンチマークのスコアや単発のパズル解答より実質的な意義を持つ。

したがって中心的な対立は、AI対人間の数学者ではない。もっともらしい論証を信頼できる知識へと変える、より遅い数学のプロセスに対する、自律的な証明探索である。

Anthropic Claudeが見つけたのは部分的な成果であり、リーマン予想の証明ではない

報告された成果は証明済みの下限を更新するが、リーマン予想は未解決のままだ。

リーマン予想は、素数の分布と深く結び付く関数であるリーマンゼータ関数の非自明な零点に関するものだ。この予想は、そのようなすべての零点の実部が2分の1であるとする。

この垂直方向の位置は臨界線と呼ばれる。完全な証明には、別の場所に存在するかもしれない極めてまれな零点を含め、すべての非自明な零点を扱う必要がある。

Anthropicは、未公開の研究版Claudeにこの完全問題への本格的な挑戦を求めた。同社の研究報告によると、モデルはこれを解決しなかった。

その代わり、Claudeは臨界線上にあることが知られている零点の割合に関する論証を見つけた。Anthropicは、従来の無条件の下限を41.6％、新たな結果を約67.2％と説明している。

ここで「無条件」という語には正確な意味がある。それは、リーマン予想そのもの、あるいは望む結論を与える別の未証明の条件を、論証の出発点として仮定していないことを意味する。

割合という表現は、進展が段階的なものだという誤解を招きかねない。41.6％から67.2％への上昇は、数学者たちがリーマン予想の67.2％を解き終えたことを意味しない。

ほとんどすべての零点が臨界線上にあると証明できたとしても、それだけで予想が自動的に解決するわけではない。ある集合は密度ゼロであっても、無限個の要素を含み得る。

素数は分かりやすい比較例となる。すべての正の整数に占める素数の割合はゼロに近づくが、素数は無限に存在する。同様に、臨界線から外れた零点の割合が消滅しても、そこには反例が含まれ得る。

新たな主張は、この有名な予想の近くに位置する別個の定理として理解するのが適切だ。個々の零点をすべて特定することなく、零点全体について数学者が確立できる内容を鋭くしている。

この点が、この進展を解決と誤認せずに意義あるものにしている。また、Claudeが「リーマン予想を証明した」とする見出しが、起きたことを誇張している理由でもある。

計算による検証も、この隔たりを埋めることはできない。研究者らは、膨大ではあるが有限の高さまで、零点が臨界線上にあることを厳密に確認してきた。

公開された計算は、厳密な検証で述べられているように、高さ3兆まで予想を検証した。有限の計算では、無限に続くすべての零点の振る舞いを決定することはできない。

Claudeの主張する成果は、有限範囲ではなく無限の割合を扱う。このため理論的な貢献ではあるが、その結論は予想そのものより弱いままである。

重要な変化は、したがって限定的かつ具体的だ。AI研究システムが、既存の数学的手法を十分にうまく結び付け、より強い無条件定理を導いたと報告されている。

この主張こそが、この出来事をめぐる本当の緊張を生んでいる。システムは独創的な研究を行ったように見えるが、数学的な受容は、人間がその成果を正確に理解し検証できるかどうかに依存する。

41.6％から67.2％への飛躍が重要な理由

この数値の飛躍が注目されるのは、この特定の下限に関する進展が遅く、技術的にも厳しいものだったからだ。

数学者たちは1世紀以上前から、無限個のゼータ零点が臨界線上にあることを知っている。しかしこの命題は、それらが全零点のどの割合を占めるかを示していない。

その後、Atle Selbergは正の割合が臨界線上にあることを証明した。Norman Levinsonは既知の割合を3分の1超まで押し上げ、Brian Conreyは5分の2を上回る結果を確立した。

後続の研究は、無条件の数値を約41.6％まで改善した。これらの進展は、零点近傍のゼータ関数を制御するために慎重に設計された関数であるモリファイアに大きく依存していた。

改善のたびに、より繊細な評価が必要になった。その結果、進展の速度は25ポイントを超える飛躍ではなく、百分率の数分の一単位で測られるものだった。

Claudeが提案した論証は、報道によれば別の経路をたどる。近年の対相関に関する研究と、Enrico Bombieriに関連付けられる古い二次形式の手法を組み合わせている。

対相関は、隣接する零点の高さの間にある統計的関係を記述する。関連する人間の研究は、リーマン予想をあらかじめ仮定せずに、これらの関係を研究する方法を発展させてきた。

最近の基盤には、Andrés Chirre、Daniel Goldston、Ade Irma Suriajaya、Caroline Turnage-Butterbaugh、および関連する共同研究者らの仕事が含まれる。報道によれば、Claudeはこの文献を探索し、これまで述べられた無条件下限へと発展していなかった組み合わせを特定した。

この点は慎重に位置付ける必要がある。数学研究はほぼ常に先行研究の上に築かれる。新規性は、既存の二つの手法を正しく組み合わせることで隔たりが埋まると見抜くことにあり得る。

報告された成果は、リーマンゼータ関数、対相関、あるいは二次形式を発明したことではない。新たな統合によって制約となっていた仮定を取り除いた、という主張である。

この種の統合には大きな価値がある。多くの未解決研究分野には、部分補題、条件付きの論証、異なる記法の下で発展した技法が存在する。

人間は多くの場合、分野に長く親しむ中でつながりを発見する。一方AIシステムは、多数の組み合わせを探索し、例を計算し、失敗した経路を高速に捨て去ることができる。

約67.2％という数値にも歴史的な文脈がある。リーマン予想を仮定することで、条件付きの結果は以前から類似した領域に達していた。

単純ゼータ零点に関する古い論文では、RHの下で3分の2を上回る結果が論じられている。関連する規模を無条件に導くことは、異なり、より厳しい主張だ。

読者は、「67.2％」というすべての記述を一つの定理にまとめてはならない。臨界線上の零点に関する結果もあれば、単純零点に関するものもあり、追加の仮定に依存するものもある。

単純零点とは重複度が1の零点、すなわちゼータ関数がその根を繰り返さずにゼロを横切ることを意味する。単純性と位置は関連する研究課題だが、同一ではない。

Anthropicの公開要約は、予想を満たす零点に焦点を当てた分かりやすい説明を用いている。正確な定理、定義、計数上の慣例を判断するには、完全な論文と専門家による注記が必要だ。

この点で、この成果はAI研究所と数学出版社の双方に課題を突き付ける。目を引く割合はすぐに広まる一方、それを規定する留保条件はゆっくりと伝わる。

この数値が注目を集めるのは、その大きさゆえだ。その永続的な重要性は、あらゆる仮定、極限、誤差項が記述どおりに機能していることを独立した専門家が確認できるかにかかっている。

真の進展は自律的な研究ワークフローにある

Claudeのプロセスが重要なのは、単一のチャットボットの回答というより、研究プログラムに似ていたからだ。

Anthropicによると、この取り組みは失敗した約650件の候補アイデアから始まった。この規模の失敗は付随的なものではない。有望な経路を見つける前に、システムが広い探索空間を調べたことを示している。

その後、モデルは約1日半にわたり、約60のClaudeサブエージェントを統率して作業した。これらのエージェントは、研究、計算、批判、検証のタスクを分担した。

Anthropicによると、この実行には約2,400件のシェルコマンドと数百本のPythonスクリプトが含まれた。エージェントはまた、既知のゼータ零点に対して数千回の数値チェックを実施した。

先行研究と重複の可能性を調べるため、54本のarXiv論文をダウンロードした。二つのClaude Codeセッションを通じ、システムは約3,100万出力トークンを生成したと報じられている。

これらの数値はAnthropicによるもので、独立監査は行われていない。それでも、結果の背後にある運用モデルを明らかにしている。

これは、一つの巨大なプロンプトに続いて洗練された証明が得られたというものではない。文献検索、予想の形成、計算、却下、修正、敵対的レビューを含む反復ループだった。

人間のオペレーターであるAnthropic社員Jarred Sumnerは、このプロジェクトの数論専門家として行動していたわけではないと報じられている。彼の主な役割は挑戦を開始し、システムに継続を促すことだった。

この詳細は、専門の数学者がモデルをほぼ完成した論証へ導いた過去の例とは、この事例を分ける。Claudeは経路の多くを自ら選択したように見える。

ただし、自律性を人間の知識からの独立性と混同すべきではない。このシステムは、何世代もの研究者が作り上げた数学的な地形の中で作業していた。

文献検索は、定義、定理、証明技法、未解決の隔たりを供給した。出力が検証段階に達した際にも、人間の専門家は不可欠だった。

このハイブリッド構造こそ、この出来事で最も重要な部分かもしれない。AIは検証されるアイデアの数を増やせる一方、どの論証が信頼と注目に値するかは人間が判断する。

このワークフローは、高スループット実験に似ている。物理的なサンプルを扱う代わりに、エージェントは数学的アプローチを生成し、既知の結果や数値的証拠と矛盾するものを排除した。

数値チェックは無限に関する定理を証明しない。それでも、専門家が時間を費やす前に、符号の誤り、見落とされた場合、不正確な定数、誤った中間主張を明らかにできる。

サブエージェントは互いの作業をレビューし、独立した導出も試みた。この設計は、言語モデルに共通する弱点、すなわち一つのモデルが長い解答の中で誤りを自信を持って保持し続ける可能性に対応している。

アーキテクチャ、学習データ、プロンプトを共有するエージェントは、真に独立しているわけではない。それでも、多様な文脈と割り当てられた役割は、相関した誤りの一部を減らし得る。

したがってこの研究実行は、推論システムにおける新たなスケーリング経路を示唆している。企業は通常、より優れたモデル、より長いコンテキスト、より多くのテスト時演算を追求してきた。

Anthropicの実験は、組織的スケーリングを加えるものだ。モデルは主任研究者として行動し、狭い仕事を委任し、出力を比較し、経路が批判に耐えた場合にはより多くの労力を配分できる。

このパターンは純粋数学を超えて広がる。ソフトウェア検証、アルゴリズム設計、理論物理学、セキュリティ研究はいずれも、大規模でレビュー可能な探索木から恩恵を受ける問題を含んでいる。

企業にとっての教訓は、汎用チャットボットが専門チームを代替できるようになった、ということではない。むしろ、厳格な検証の仕組みがあれば、エージェントシステムは技術的な可能性をより迅速に探究できるということだ。

数学は、主張を行ごとに検証できる場合があるため、特に有利な試験場となる。多くの商業的な意思決定には、このような決定的な正しさの検証手段はない。

したがって、この報告された成果は、話題になった見出しが示すよりも限定的である一方、より重要でもある。Claudeはミレニアム懸賞問題を解決したわけではないが、機械支援型研究のもっともらしいアーキテクチャを実証した。

形式検証は有用だが、レビューを終わらせるものではない

Leanで検証された証明は論理的一貫性を確認できるが、定義、仮定、新規性、重要性に関する疑問は残る。

Anthropicによると、Claudeは自身の結果を、各形式的ステップが指定された公理と先行定理から導かれるかを確認する証明支援系Leanへと変換した。

証明支援系は、文体や評判によって議論を判断しない。小規模な信頼基盤であるカーネルが、提出された証明項が形式的な命題を満たしているかを検証する。

これは、別の言語モデルに証明が説得力を持つように見えるか尋ねるよりも強力な安全策となる。流暢な数学的文章は、欠落した条件や無効な推移を隠し得る。

関連する概念と仮定が正しく表現されていれば、Leanはそうした欠陥を拒否できる。これが、形式検証が複数のAI数学プロジェクトで中心的な存在になっている理由だ。

ただし、「Leanで検証済み」は万能の品質保証ではない。Leanで符号化された正確な定理は、読者に説明される定理と一致していなければならない。

形式的証明は完全に有効でありながら、見出しが示唆するより弱い命題を証明していることがある。また、定義、インポートした公理、未検証の計算コンポーネントの中に隠れた仮定に依存している可能性もある。

査読者は、チェッカーが成功を返したかだけでなく、何が形式化されたのかを精査しなければならない。また、非形式的な解析と形式的な対象の間の翻訳が、意図された意味を保っていることも確認する必要がある。

Anthropicによると、同社の数学者2人がClaudeの論文を検討し、検証した。その後、議論をより簡潔に提示する専門家向け証明ノートを作成した。

同社はまた、ゼータ関数の零点に関する豊富な研究実績を持つ2人の専門家、Brian ConreyとDaniel Goldstonによる短期間でのレビューも報告した。これは意味のある証拠だが、幅広い査読と同等ではない。

短いレビュー期間でも、明白な誤りを見つけ、もっともらしさを確認することはできる。一方で、長大な解析的整数論の議論に含まれるあらゆる技術的依存関係を確認するには適していない。

数学コミュニティには、証明を再構成し、引用文献と照合し、仮に新しいとされるステップがすでに他で示されていないか検証する時間が必要になる。

読みやすさも別の問題だ。AI生成の証明には、過剰な補題名、冗長な迂回、局所的には有効でも全体としての目的が不明瞭なステップが含まれることがある。

数学者が行うのは、論理的含意の認証だけではない。証明を概念へと圧縮し、なぜアプローチが機能するのかを説明し、どの部分が他の問題へ一般化できるかを特定する。

長大な機械生成の証明は、その理解を提供せずに定理を確立することがある。そのため、さらなる研究の基盤としての即時的な価値は限定される。

最良の結果には、互換性のある3つの成果物が含まれるだろう。研究者には、読みやすい人間向けの証明、機械検証済みの形式化、そして両者を先行研究へ透明に結び付ける記録が必要だ。

これらの層は異なる読者に役立つ。形式的な成果物は正確性を守り、論文は仕組みを伝え、研究履歴は帰属を確立する。

ここでは特に帰属の問題が重要だ。報道によれば、Claudeは最近のペア相関に関する研究とBombieriのより古い手法を組み合わせた。

それらの要素がそろえば最終ステップが短い場合、どの程度の独創性をモデルに帰すべきかについて、論評者の見解は分かれるかもしれない。その不一致は定理の価値を損なうものではない。

人間の数学でも、既存の結果を結び付けることは評価される。適切な基準は、Claudeが文献に記録されていなかった自明ではない含意を特定し、正当化したかどうかだ。

独立した出版は、この問いへの答えを助けるだろう。研究者は、安定した論文バージョン、公開Leanリポジトリ、明示的な依存関係の宣言、専門家による論評に注目すべきだ。

それらが公開されるまで、責任ある表現は「主張され、相当程度のレビューを受けた数学的進展」となる。それを受理済みの定理と呼ぶのは、利用可能な手続きを先取りすることになる。

AI数学は現在、ベンチマークと研究機関に圧力をかけている

この出来事は、用意された問題を解くことから、専門家による評価を要する研究を生み出すことへと注目を移す。

AI数学は近年、コンペティション、定理証明ベンチマーク、形式的証明タスクを通じて進歩してきた。これらの設定には既知の答えがあり、成功率を測定できる。

オープンな研究の評価はより難しい。システムは有用な中間問題を見つけ、その結果が新しいかを判断し、専門家に伝えなければならない。

報道によれば、Claudeのリーマン仮説関連の研究は、その3つすべてを試みた。元の目標には失敗したが、副産物が数学的に価値を持つ可能性を認識した。

研究は開始時に掲げた目標どおりに進むことがほとんどないため、この振る舞いは重要だ。重要な発見は、失敗したアプローチ、予期しない例、別の目的のために作られたツールから生まれることが多い。

従来のベンチマークは、この判断を十分には測定しない。モデルには固定された問いが与えられ、評価者は解が存在するかをすでに知っている。

オープン問題には、そのような保証がない。システムは、いつ粘るべきか、いつ道筋を捨てるべきか、そして部分的な結果を保存する価値があるのはいつかを判断しなければならない。

したがってAnthropicの実験は、競合する研究所に対し、ベンチマーク上の改善以上のものを示すよう圧力をかける。OpenAI、Google DeepMind、Harmonic、そして専門的な定理証明チームはいま、より高い証拠基準に直面している。

信頼できる実証には、透明な成果物、専門家レビュー、人間の関与に関する正確な説明が必要だ。そうした要素のない劇的な主張は、懐疑を招く。

研究機関は別の圧力にも直面する。評価能力だ。エージェントがもっともらしい技術論文を何千本も生み出せるなら、専門家の注意が希少資源になる。

査読はすでに、無償または低い報酬の専門的労働に依存している。AI生成の投稿は、そのごく一部に価値ある結果が含まれる場合でも、そのシステムを圧倒しかねない。

ボトルネックは候補となる証明の生成から、その選別へ移る可能性がある。数学には、見慣れた誤りを排除しつつ、珍しい有効な議論を捨てないための、より優れたトリアージ手法が必要になる。

形式検証はこの負担の一部を担える。しかし、新規性、説明、関連性、あるいは形式的命題が意図された研究課題を捉えているかどうかを、独力で評価することはできない。

専門家はますます、階層化された証拠とともに作業するようになるかもしれない。投稿には、人間の査読者に届く前に、自動検査、来歴記録、依存関係グラフ、敵対的レビューが含まれる可能性がある。

同じアプローチは、技術組織にも示唆を与える。研究でAIを利用するチームには、追跡可能な情報源と保存された中間判断が必要になる。

推論が何百万もの生成トークンに散在すると、結果の監査は難しくなる。検索可能な研究記録は、最終回答と同じくらい重要になる。

ナレッジワーカーはすでに、この問題のより小さな形に直面している。来歴を失うことなく、ソース資料、モデル出力、会議での決定、その後の改訂を結び付けなければならない。

構造化されたAI knowledge baseは、そのプロセスを支援できるが、それ自体で高度な数学を検証することはできない。その役割は、証拠を保存し、推論の経路を検索可能にすることだ。

Claudeの実行は、モデルが記憶済みの解法を単に検索しているだけだというよくある主張にも異議を唱える。正確な統合は既知の論文に大きく依存している可能性があるが、検索すべき確立済みの解法は存在しなかったようだ。

再結合は、人間的な意味での深い理解の証明ではない。それでも、結果として得られた議論が形式的・専門的な検査を通過するなら、有用な研究能力である。

最も強い解釈でも、Claudeが数学者のように考えると宣言する必要はない。システムが真剣な数学的レビューに値する候補定理を生み出したことを観察するだけでよい。

その閾値は越えられたように見える。残る議論は、このプロセスが問題をまたいでどれほど信頼性高く再現できるか、そして成功1件あたりにどれほどの専門家の労力を要するかに関するものだ。

AnthropicのClaudeに関する主張の後に注目すべきこと

これが持続的な成果になるのか、それとも印象的だが孤立した実証にとどまるのかは、3つのシグナルによって決まる。

第1のシグナルは、独立した数学的検証だ。専門家は正確な定理を確認し、解析的な評価を再構成し、証明に述べられていない条件が入り込んでいないことを確かめなければならない。

Anthropic外部の研究者による合意は、この主張を強める。定数、適用範囲、仮定への修正は、貢献全体を必ずしも消し去らずとも、その主張を弱めることになる。

第2のシグナルは、形式資料の完全な公開だ。公開Leanリポジトリは、定理の命題、インポートされたライブラリ、公理、ビルド手順を明らかにすべきだ。

研究者は、形式化が荷重を支える解析的ステップをカバーしていることを確認する必要がある。代数的または組合せ論的な中核だけの有効な証明は、より限定的な保証しか与えない。

第3のシグナルは、別のオープンな研究問題での再現だ。称賛される結果が1件あっただけでは、信頼できる科学的能力を確立できない。

繰り返されるパターンのほうが、より説得力を持つだろう。システムは有用な中間定理を特定し、先行技術調査を記録し、専門家レビューを通過し、再利用可能な形式的成果物を生み出すべきだ。

再現では、必要なリソースも明確になるはずだ。Anthropicは、約60のサブエージェント、3100万の出力トークン、1日半にわたる協調作業を報告した。

これらの数字は、相当なテスト時コンピューティングを示している。研究者は、より大規模なエージェント群が一貫して成功率を高めるのか、それとももっともらしい誤りを増やすだけなのかを学ぶ必要がある。

この成果は、短期的な製品上の問いも提起する。Anthropicは未公開の研究モデルを使用したため、通常のClaudeユーザーは現在のインターフェースに同じ能力があると想定できない。

基盤モデルに加えて、オーケストレーション環境も重要だった可能性が高い。ツールアクセス、永続的コンテキスト、サブエージェント管理、数値ソフトウェア、文献検索はいずれも成果に寄与した。

今後の発表では、モデル能力とシステムエンジニアリングを分けて示すべきだ。慎重に設計された研究用ハーネスの中でしか成功しないモデルは、単体のチャットボットとは異なる製品を意味する。

読者は、Anthropicが帰属をどう扱うかにも注目すべきだ。最終論文では、各人間の情報源と再利用された定理を容易に特定できるようにするべきである。

明確な帰属は、AI支援研究の根拠を強める。それは、大規模な文献統合が、それが依存する知的構造を尊重できることを示すだろう。

最も重要な不確実性は、Claudeがリーマン仮説の「67.2パーセントを解決した」かどうかではない。その枠組みは数学的に誤っている。

不確実なのは、AIが失敗したムーンショットへの挑戦を、正しく、新規で、理解可能な部分的成果へと繰り返し転換できるかどうかだ。この出来事は異例に強い証拠を提供するが、最終的な答えではない。

開発者と技術リーダーにとって、実践的な教訓は慎重なものだ。自律エージェントは、その作業を厳格な外部基準に照らして検証できる場合に、より価値を持つ。

数学者にとって、目の前の課題はおなじみだ。証明を読み、定義を確認し、依存関係をたどり、論証の穴を探す。

この検証を乗り越えれば、anthropic claude は、それを促した有名な予想を証明することなくとも、実在する定理に貢献したことになる。その、より限定的な成果のほうが、センセーショナルな主張よりもAI研究について多くを明らかにするかもしれない。