OpenAIのNavier-Stokes証明にLean 4が加わるも、検証は未完了
OpenAIは、約1万のAIエージェントを88時間にわたり連携させた後、Lean 4による形式化を伴うNavier-Stokesの結果を公開した。この組み合わせは、異例の緊張関係を生んでいる。同社は並外れた数学的主張を打ち出す一方で、自社モデルを信頼する必要性を抑える機械検証可能な証拠も公開した。
OpenAIのNavier-Stokes証明は、滑らかな外力のもとで、滑らかな三次元流体運動が有限時間特異点を発生させうると論じる。特異点とは、流体速度のような数学的量が有限時間内に発散する点を指す。
OpenAIによれば、この結果はミレニアム懸賞問題の公式定式化における2つの反例選択肢を解決する。ただし、この公開は、数学界で広く受け入れられるために必要な従来の出版・コミュニティレビューのプロセスを完了していない。
Leanの要素は、この不確実性の捉え方を変える。Lean 4は、形式的証明が宣言済みの定義、定理、公理から導かれるかを検査する対話型定理証明支援系だ。その存在があらゆる疑問を解決するわけではないが、AIが生成した長大な原稿に代わる、独立して実行可能な対象を生み出す。
OpenAI、Anthropic、Google、そして学術研究者がAIシステムをより難しい数学へと進める中、この違いは重要だ。新たに始まった競争は、単にモデル対モデルではない。機械検証可能な検証と、専門家による解釈、帰属、時間を通じて築かれる科学的信頼との競争である。
OpenAIのNavier-Stokes証明には実行可能な証拠が付随した
今回の公開で最も重要なのは、AIが証明を生み出したことではなく、外部の人々が自ら形式版を実行できることだ。
OpenAIは2026年9月8日、解析的な論文とLean証明書を含む公開リポジトリとともに結果を公開した。同社によると、内部システムは三次元空間と周期的な三次元トーラスの双方におけるNavier-Stokes方程式について、有限時間ブローアップの例を構築した。
Navier-Stokes方程式は粘性流体の運動を記述する。空気力学、天気予報、血流研究を含む分野で用いられるモデルを支える。その数学的挙動は、身近な応用から想像される以上に複雑になりうる。
ミレニアム懸賞問題の中心的な問いは、滑らかで有限エネルギーの初期条件が三次元で常に滑らかな解を生むかどうかである。もう一方の可能性は、正当な初期条件の一部が有限時間後に破綻を引き起こすことだ。
OpenAIは後者の道を追求した。同社のNavier-Stokes公開資料によれば、構築された流体は静止状態から始まり、滑らかな力を受け、有限エネルギーを保ちながら速度が発散する。
この構成の中心にあるのは、軸方向に伸長しながら内側へ収縮する渦である。中心領域が縮小するにつれ、その速度は増大する。滑らかな外力を残すためには、複数の急速に大きくなる項が十分な精度で相殺されなければならない。
この限定は不可欠だ。OpenAIは、通常のコップ一杯の水が突然無限の速度に達すると主張したわけではない。問題の形式的条件で許容される数学的反例を構築したのである。
この結果は、外力を伴う方程式を対象としている。外力は構成の一部だが、OpenAIによれば、その力自体は特異的になるのではなく滑らかなままである。外力のないNavier-Stokes問題は未解決のままだ。
公開されたLeanリポジトリでは、結果をClayの定式化における選択肢CおよびDとして位置付けている。任意の正の粘性について、コードは全空間および周期的設定における反例を形式化している。
リポジトリは、ビルド環境としてLean 4.34.0-rc2、Mathlib、Lakeを指定している。また、依存関係の取得とプロジェクトのコンパイル用コマンドも提供する。別個の比較用ディレクトリは、別の検証経路による独立した確認を支援する。
この水準の開示は、プレスリリースよりも具体的な出発点を提供する。研究者は定理文を調べ、定義を監査し、ビルドを再現し、形式的主張を論文と照合できる。
同時に、この記事の中心的な緊張関係も明確になる。ビルドの成功は形式的導出について強い保証を提供しうる一方で、科学的解釈と著者性に関する問題はカーネルの届かない場所に残る。
Lean 4による形式証明が信頼の負担を変える理由
Leanは、検証問題の一部を説得力ある議論の読解から、厳密な計算成果物の確認へと変換する。
従来の数学論文では、自然言語、数式、引用、専門家間で共有される慣例が用いられる。査読者は各ステップを精査し、省略された推論を再構成し、議論が述べられた結論を確立しているかを判断する。
このプロセスは機能するが、専門家の注意に大きく依存する。長い証明には見落とされた欠落が含まれうる。査読者はまた、非形式的な定義が定理に必要な対象と一致しているかを判断しなければならない。
形式証明は異なる道を取る。関連する各主張は精密な言語で表現され、各論理ステップはチェッカーが受理する証明項を生成しなければならない。
Leanのドキュメントは、カーネルが提出された証明が環境内の定義、定理、公理から導かれるかを検査すると説明している。カーネルは、ユーザーの証明構築を支援するタクティクスや自動化と比べて、意図的に小さく保たれている。
この分離はAI生成数学にとって重要だ。AIシステムは説明を幻覚し、定理を誤用し、もっともらしいが無効な文章を生成することがある。しかし、文体によってLeanのカーネルを説得することはできない。
モデルが不正なステップを提案すれば、証明は型検査に失敗する。欠陥のあるタクティクスも、最終的に信頼されたカーネルが受理する項を構築できない限り失敗する。
これにより、生成と検査の間には非対称な関係が生まれる。大規模な証明を生み出すには広範な探索と計算を要する場合がある。一方、得られた証明書の検査は、はるかに制御しやすく再現可能になりうる。
OpenAIによれば、取り組み開始から約88時間後にエージェントはNavier-Stokesの構成へ到達した。その後、GPT-6 AstraがLeanによる形式化と検証にさらに17時間を費やした。
同社は、Navier-Stokesの取り組みでエージェントメッセージが270万件、出力トークンが約1,300億件生成されたと報告している。テストした全問題では、エージェントは490万件のメッセージと約3,000億件の出力トークンを生成した。
これらの数字は、個々の研究者がメッセージ単位で手作業により再現できない探索プロセスを示している。Lean証明書は、その膨大な軌跡よりも小さな信頼境界を提供する。
すべてのエージェント会話を監査する代わりに、査読者は最終的な定理文、インポートされた基盤、定義、受理された証明項に焦点を当てられる。また、形式化された文が公開された数学的主張と一致しているかも検討できる。
Leanリファレンスは、この境界を明示している。受理とは、カーネルが環境で宣言された仮定を用いて、符号化された定理の証明を検証したことを意味する。
それはLeanが流体力学を独立に理解したことを意味しない。また、そのシステムが定理の重要性、独創性、物理的現実性、あるいは見出しでの説明の正確さを判断したことも意味しない。
それでも、OpenAIのLean 4証明は、今後のAI数学発表における証拠の基準を引き上げる。実行可能な証明書が技術的に実現可能である場合、非形式的な記録のみの公開は弱く見えるようになるだろう。
形式検証と査読は異なるものを確認する
真の対立はLean対数学者ではなく、実行可能な整合性と、より広範な科学的判断との間にある。
有効なLeanビルドは、限定的ながら価値の高い問いに答える。すなわち、形式化された定理が、証明環境内で指定された仮定から導かれることを示す。
査読はより広範な問いに答える。査読者は、形式的記述が意図された問題を表しているか、仮定が重要な制約を隠していないか、そして研究が既存文献と正しく関係しているかを検討する。
ここではこの違いが特に重要だ。「Navier-Stokesを解決した」という表現は、研究者があらゆる流体流れの一般公式を得たかのような印象を与えかねない。OpenAIの実際の主張は、滑らかな外力のもとでの有限時間ブローアップ反例に関するものだ。
公式定式化では、指定された破綻に関する記述を通じた解決が認められている。OpenAIは、自らの構成が全空間と周期的ケースを対象とする記述CおよびDを確立すると述べている。
形式チェッカーは、符号化された含意を確認できる。しかし、公開された要約が読者にその含意を正確に理解させたかどうかは判断できない。
したがって査読者は、論文とLeanファイルの間にある意味論的な橋渡しを検討しなければならない。滑らかさ、有限エネルギー、外力、特異点といった概念が忠実に符号化されていることを確認する必要がある。
また、Mathlibからインポートされた仮定と、プロジェクト固有の公理も精査しなければならない。確立済みの数学ライブラリを使うことは普通だが、すべての依存関係が証明書の信頼性を支える要素となる。
OpenAIのリポジトリには、より独立した検査を支援することを目的とした比較器チャレンジが含まれている。証明検証が、証明書を生み出したものと同一のツール経路だけに依存すべきではないため、これは有用だ。
独立したコンパイルが成功しても、レビューは完了しない。専門家はなお構成を理解し、既存の部分的結果と比較し、形式層と非形式層の間に意図しない不一致がないか検証する必要がある。
レビューには独創性という側面もある。証明は論理的に有効であっても、より強い帰属に値するアイデアに依拠している場合がある。Leanはコードで表現された依存関係を記録するが、探索戦略を形作ったすべての知的影響を記録するわけではない。
OpenAIが関連研究のうわさを聞いた後に取り組みを始めたため、この限界はすぐに明らかになった。NYUの数学者Tristan Buckmasterと、個人的に活動するAnthropic研究者のLevent Alpögeは、外力を伴うEuler方程式の結果を開発していた。
Euler方程式は粘性のない理想化された流体運動を記述する。Navier-Stokesには粘性が含まれ、通常は流れを滑らかにし、ブローアップの構築をより難しくする。
OpenAIによれば、同社のシステムは外力なしのEulerブローアップを見つけた後、外力ありのNavier-Stokesにリソースを集中させた。同社は外力ありEulerについてBuckmasterとAlpögeの先行性を認めつつ、自らのEuler結果は別個のものだと説明している。
これらの違いは数学的に重要である。また、ソースコードだけでは研究行為、インセンティブ、功績をめぐる論争を解決できない理由も示している。
Lean証明書は正しさを支える根拠を強化する。しかし、人間によるレビューの必要性をなくすものではない。むしろ、査読者が局所的な論理エラーの追跡に費やす労力を減らし、意味、新規性、文脈の検討により多くの力を割けるようにする。
マルチエージェント探索が形式化をインフラに変えた
OpenAIの仕組みは、大規模な並列探索と、最後に無効な分岐を却下できる証明チェッカーを組み合わせた。
OpenAIによれば、同社は8月28日に関連する内部モデルの訓練を開始した。9月1日、同社は研究者が2つのミレニアム懸賞問題を解決したといううわさを耳にした。
その後、同社は未解決のミレニアム懸賞問題すべてと、関連する複数の問いを対象とした評価を開始した。各エージェント群には各問題の異なるバージョンが与えられ、正則性を示す道筋と反例を導く道筋の両方が含まれていた。
エージェントはキャッシュされたインターネットの版を読み、コードを実行し、グループ内で通信できた。OpenAIはグループ規模を変え、Navier-Stokesの結果を生んだ取り組みにはおよそ1万の同時実行エージェントを割り当てた。
このアーキテクチャが重要なのは、数学的発見を協調的な探索問題として扱っているからだ。別々のグループは、単一のモデル対話にあらゆる推論の流れを保持させることなく、互いに両立しない構成を探索できる。
OpenAIによれば、まず約100のエージェントが約50時間を費やし、外力のないEuler方程式におけるブローアップを発見した。その後、同社は他の問題からリソースを振り向け、Eulerの結果をNavier-Stokesのグループに提供した。
Codexはグループをまたいで有用な中間アイデアを統合した。OpenAIはまた、評価の継続中に基盤モデルを追加学習済みのバージョンへ置き換えた。
報道によれば、システムは9月5日にNavier-Stokesの構成へ到達した。Leanによる形式化は翌日に完了し、9月8日の公開に先行した。
この時系列は、形式的証明が単なる装飾的な付録ではなかったことを示唆する。それは、巨大でノイジーな探索プロセスにおける最終的な受け入れ試験として機能した。
このアプローチは、異例の規模で行われるソフトウェア工学に似ている。多数の作業者がモジュール、改良、修正案を提案し、厳格なビルドシステムが、それらの構成要素が形式的インターフェースを満たすかを判定する。
数学は、システムが正しい命題と構成自体を発見しなければならないため、通常のコンパイルよりも依然として難しい。それでもこのワークフローは、無効な出力が明示的な失敗を生むという同じ基本的性質の恩恵を受ける。
ここに、OpenAIのNavier-Stokes証明が一つの流体方程式を超える意味を持つ理由がある。将来の科学エージェントは、大規模な並列探索の信頼性を高めるフィルターとして形式システムを利用できる。
形式化は、より優れた失敗分析も支援できる。証明がコンパイルできなくなった場合、開発者は「論証が何となくおかしい」という曖昧な判断ではなく、局所化された証明義務を受け取る。
代償は大きなリソース消費だ。OpenAI自身の数値によれば、Navier-Stokesの取り組みには数百万件のメッセージと1,300億の出力トークンが使われた。
同社は完全なコスト内訳を公表していない。したがって、その結果は、同じワークフローが一般的な大学、研究グループ、あるいは独立系数学者にとって経済的に実用的であることを示すものではない。
また、この実験は、単にエージェントを増やせば常により良い数学が生まれることも示していない。並列ワーカーは作業を重複させ、共通の誤りを強化し、調整チャネルを圧迫する可能性がある。
Leanは最終的な論理を制約するが、基礎となる探索を効率的にするわけではない。システムには依然として、優れた問題分解、有用なグループ間通信、非形式的なアイデアを形式的命題へ確実に変換する能力が必要だ。
開発者にとって注目すべき進歩は、この統合パイプラインにある。最先端の推論が候補を生成し、エージェントのオーケストレーションが広範に探索し、形式検証が最終的な信頼要件を絞り込んだ。
この組み合わせは、高度な推論成果を発表するあらゆる研究所に圧力をかける。ベンチマークや選択されたトランスクリプトは間接的な証拠を提供する。再現可能な証明書は、他の研究者が直接検証できるものを提供する。
OpenAIのLean 4証明が解決しないこと
機械検証は正しさを巡る争点を絞り込むが、仕様、査読、リソース、研究上の功績に関する大きな疑問は残る。
最初の不確実性は命題そのものに関わる。独立した専門家は、OpenAIがClay Mathematics Instituteによって記述された正確な選択肢を形式化したことを確認しなければならない。
近接する別の命題の形式的証明でもコンパイルは通る。定義が滑らかさを弱めたり、時間区間を変更したり、エネルギー条件を変えたりしても、カーネルは異議を唱えない。
2つ目の不確実性は依存関係に関するものだ。査読者は、インポートされた結果、プロジェクトレベルの公理、信頼基盤に影響する計算上の近道を監査する必要がある。
Leanのカーネルは、小さな検証基盤を提供するよう設計されている。しかし公開監査では、カーネルが何を受理し、どの仮定が周辺環境を通じて導入されたかを特定する必要がある。
3つ目の不確実性は数学的コミュニケーションに関するものだ。実行可能な証明は正しくても、専門家にとって数学として理解しにくいままであり得る。
研究者は、どの概念的アイデアがこの構成を生み出したのかを知りたがるだろう。手法が一般化できるのか、関連する方程式を明らかにするのか、それとも主に一つの形式的目標を満たすだけなのかを問うことになる。
この区別は、懸賞問題を超えたこの研究の価値に影響する。透明性の高い新しい機構は、何年にもわたる研究の種になり得る。説明的構造が限られた大規模な証明書は、正しさを確立できても、再利用可能な洞察をあまり提供しない可能性がある。
4つ目の不確実性は独立検証だ。OpenAIはビルド手順と比較用の経路を提供しているが、主張と初期証明書の両方を作成したのは同社である。
外部グループは、クリーンな環境でビルドを再現すべきだ。また、コマンドが正常に返ったと報告するだけでなく、形式的命題そのものを検査すべきである。
単一のコンパイル成功が広範な査読に代わることはない。独立チームは、仕様の不一致、予期しない公理、依存関係の問題、あるいは論文とコードの対応関係の不明瞭さを見つけられる。
5つ目の論点は科学的受容だ。Clay Mathematics Instituteには、プレプリントやリポジトリをアップロードするだけでは満たせない手続きがある。OpenAIもミレニアム賞を主張する意図はないとしている。
したがって、この公開は形式的証明書に裏付けられた解決案として記述されるべきだ。この問題が完全に決着したと呼ぶのは、査読プロセスより先走ることになる。
最後の不確実性は研究上の功績に関するものだ。OpenAIによれば、その取り組みはBuckmasterとAlpögeに関連する研究についてのうわさが流れた後に始まった。
OpenAIは、公開前に同社の研究者もエージェントもその研究を見ていなかったとしている。同社は9月10日に更新を加え、Buckmasterによる最近のCodexプロンプトがシステムに影響した可能性はないと述べた。
これは同社の調査に基づく結論である。Leanの証明書はアイデアが探索にどのように入ったかについて何も語らないため、一般の観察者はそこからデータの来歴全体を推測できない。
この論争の報道は、最先端ラボが自社ツールを使う研究者と競争できるかどうかに焦点を当ててきた。懸念は、非公開文書への意図的なアクセスを超える。
研究の方向性に見込みがあることを、研究所はうわさ、利用パターン、会話、公開された断片から知ることができる。そして、元の研究者には利用できない計算資源を投入できる。
OpenAIの形式的証明は、公正な行為に関する主張を証明も反証もしない。正しさと来歴は別個の次元である。
この区別は、相反する二つの誤りを防ぐべきだ。倫理的な論争が形式的定理を自動的に無効にするわけではなく、有効な定理が倫理的な論争を自動的に解決するわけでもない。
圧力はOpenAIとAnthropicを超えて広がる
AIが生成した数学に関する重大な主張にとって、形式的証明アーティファクトは競争上の要件になりつつある。
Anthropic、Google DeepMind、OpenAI、そして学術チームはいずれも、数学的推論を生成または形式化するシステムを探究してきた。アプローチは異なるものの、同じ信頼性の問題に直面している。
言語モデルは、微妙な誤りを含む洗練された説明を生成できる。厳選されたベンチマークでの改善は、未知の定義や長い依存関係の連鎖を伴う研究問題における信頼性を保証しない。
形式手法は、この問題の一部を回避する道を提供する。定理証明器は、提案された証明が精密な目標を満たすかどうかについて、即時かつ決定的なフィードバックを与える。
Google DeepMindのAlphaProofは以前、競技数学において機械推論とLeanを組み合わせる価値を実証した。OpenAIの新たな公開は、同じ原則をはるかに大きな利害が伴う研究上の主張へと押し進めている。
違いは問題の難しさだけではない。オリンピック数学の課題には通常、簡潔な問題文と既知の採点基準がある。未解決の研究問題では、定式化、先行研究、重要性、許容される仮定についての判断が求められる。
これは、将来のシステムに証明探索以上のものが必要になることを意味する。命題の形式化、文献マッピング、帰属、依存関係監査、人間が読める説明のための信頼できるツールが必要になる。
学術チームもリソースの不均衡に直面している。OpenAIは、個々の数学者の通常の予算をはるかに超えるエージェント数とトークン量を投入した。
形式検証は、生成よりも検証の方が安価になり得るため、その不均衡を部分的に相殺する。大学のグループは、最終証明書を検査できるなら、1,300億の出力トークンを再現する必要はない。
しかし、利用しやすい検証は利用しやすいインフラに依存する。プロジェクトには、安定したツールチェーン、公開された依存関係、文書化されたビルド、外部の査読者が満たせるハードウェア要件が必要だ。
これが、リポジトリがモデル発表と同じくらい重要かもしれない理由である。研究者に対し、再現性の実践を発展させられる具体的なアーティファクトを提供する。
ソフトウェアチームも同様の理由で注目すべきだ。形式手法は従来、高い労力コストと専門知識を必要とするという評判を持ってきた。
AI支援による形式化は、その計算を変え得る。モデルが仕様を翻訳し、証明義務を効果的に修復できるなら、形式検証はより多くのセキュリティ重視ソフトウェアで実用的になるかもしれない。
Navier-Stokesの公開だけで、その移行が確立されるわけではない。数学的証明と本番ソフトウェアには、異なる種類の曖昧さ、依存関係、運用上のリスクが含まれる。
それでも、基盤となるワークフローには関連性がある。多数の候補解を生成し、機械検証可能な証明書を要求し、独立した再現のために結果を公開する。
AIが誰も読み切れないほど多くの研究を生み出すようになれば、ナレッジワーカーは関連する課題に直面する。チームには、生成された各結論を取り巻く情報源、仮定、改訂、意見の相違を保存するシステムが必要になる。
検索可能な技術ナレッジベースは、こうした資料の整理に役立つ。証明チェッカーの代わりにはならないが、形式的成果を取り巻く証拠とレビューの軌跡を保存できる。
したがって競争圧力は三つのグループに及ぶ。AIラボはより強い証拠を公開しなければならず、研究者は査読実務を適応させる必要があり、ツールメーカーは形式検証をより再現しやすくしなければならない。
これが新たな標準になるかを示す三つのシグナル
次の試金石は、独立した査読者がOpenAIの権威に依存せず、結果を再現、解釈、拡張できるかどうかだ。
最初のシグナルは、Leanファイルに対する詳細な第三者監査である。意味のある監査は、信頼される仮定を特定し、形式的命題を論文と比較し、ビルドを独立して再現すべきだ。
単に「Leanが受理した」とする報告は、限定的な証拠しか提供しない。最も強力なレビューは、何が正確に証明され、どの科学的問題がその証明書の外に残るのかを説明するだろう。
複数の独立チームが同じ結論に達すれば、OpenAIのNavier-Stokes証明は信頼性を高める。仕様の不一致が見つかれば、コードがコンパイルできたとしても、この公開の中核的な保証は弱まる。
第二のシグナルは、分析的な議論に対する専門家の反応だ。流体力学の専門家は、この構成が理解可能で、新規性を備え、既存の文献と整合しているかを判断する必要がある。
この段階では、正しい証明書と影響力のある数学的手法との違いが明らかになることがある。研究者は定理を受け入れつつも、その方法がどれほど概念的な進歩を示すものかについては意見を異にするかもしれない。
改訂された原稿、セミナーでの議論、正式な査読、独立した解説に注目したい。こうした成果物は、その証明が印象的な計算上の成果物にとどまらず、実際に用いられる数学の一部となるかどうかを示す。
第三のシグナルは、他の研究所が同じ開示基準を採用するかどうかだ。Anthropic、Google DeepMind、学術プロジェクトは、同等の主張に正式な成果物を添付するよう、より強い圧力にさらされるだろう。
機械生成の研究成果に、公開された定理文、固定された依存関係、明確なビルド手順、独立した検証が伴うなら、形式検証は標準的なインフラになりつつある。
その後の発表が選択的なトランスクリプトや非公開の評価に戻るなら、OpenAIのリリースは永続的な手続き上の転換ではなく、例外的なデモンストレーションとして映るだろう。
この第三のシグナルにおいては、功績をめぐる論争にも継続的な注意が必要だ。研究所は、自社の製品、従業員、評価システムを通じて遭遇した未発表研究をどのように扱うかについて、明確な方針を公表すべきである。
研究者は、AIアシスタントを使うことで、ツール提供者が気づかないうちに、より資金力のある競合相手になってしまわないという確信を必要としている。形式検証は論理を認証するものであり、出所を保証するものではないため、その確信を生み出すことはできない。
最も強力な将来の基準は、4つの要素を組み合わせるものとなるだろう。すなわち、正確な形式的主張、独立して実行可能な証明書、読みやすい数学的説明、そして透明性のある帰属慣行である。
OpenAIは、高い注目を集めるAI研究の発表の多くよりも、最初の2つを明確に提供している。残る要素は、外部からの精査と、その精査に対する同社の対応にかかっている。
開発者や研究リーダーにとって、実務上の問いはもはや、AIが説得力のある証明らしい文書を生成できるかどうかではない。より重要なのは、その結果に、外部での実行、専門家による解釈、出所の検証に耐える証拠が伴っているかどうかだ。
まず独立したビルドを追跡しよう。次に、数学的な監査と競合するリリースを注視する。これらのシグナルが、OpenAI Lean 4 proofが持続可能な検証モデルを示すのか、それとも判断を待つ一つの特別な主張にすぎないのかを決定する。
