Claudeと共同で証明を発見したとの発表があり、第三者による複数の形式検証も通過したと報告されている。
ただし、一部の追加検査は進行中で、数学界での一般的な受容や賞の審査まで完了したという意味ではない。
以下はMITのAndrew Sutherland氏の検証ページの2026年11月21日12時55分UTC、日本時間21時55分更新に基づく。
証明の主張、検査済みの内容、進行中の確認を分けて整理する。
リーマン予想をAIが証明したのか。
2026年11月20日、Anthropicに所属する数学者Levent Alpöge(レヴェント・アルポゲ)氏が、Claudeとともに証明を発見したと考えていると発表し、1859年から続く難問が大きな注目を集めている。
発表後には、MITのAndrew Sutherland氏が、公開された形式証明について複数の検証器を通過したと報告した。
したがって、今回のニュースは「AIが証明らしい文章を出した」という段階から踏み込んでおり、何が機械で確かめられ、何が残っているのかを知る必要がある。
一方、2026年11月21日時点でクレイ数学研究所の問題紹介は未解決の表示を維持している。
その表示だけで新しい証明を否定することも、検証器の通過だけで賞金の授与まで決まったと考えることも適切ではない。
数学の専門知識がなくても、素数の並び方、証明の仕組み、AIと人間の役割を順に追えば、この発表が持つ意味は理解できる。
本記事では、本人の発表文と公開された検証記録を起点に、リーマン予想とは何か、解けたら何が変わるのかを解説する。
検証状況は2026年11月21日に確認できた公開情報に基づき、記録内の更新時刻も併記する。
「歴史的な発表」という大きさと、「何を根拠に正しいと判断するか」という手続きを、両方見ていこう。
発表の主体は、Claudeを開発するAnthropicに所属する数学者アルポゲ氏である。
本人のサイトに掲載された4ページの文書では、Claudeと共同でリーマン予想の証明を発見したと考えていること、議論をLeanで形式化したことを述べている。
これは、対話画面に出た回答をそのまま数学的成果として発表したものではない。
他の人が機械で確かめられるよう、証明を記述したデータへのリンクも公開されている。
文書では、より広い問題である一般化リーマン予想にも方法が及ぶと主張する。
ただし、検証記録が対象とする一般化の範囲はディリクレL関数であり、あらゆるL関数についての予想が一度に解決されたと広げてはいけない。
MITのSutherland氏の検証ページは、2026年11月21日12時55分UTC、日本時間21日21時55分の更新で、全175,187モジュールのコンパイルとLeanカーネルによる再検査の通過を報告している。
独立に実装されたnanoda、con-lecheによる検査に加え、lean4leanでも全175,187モジュールが検査を通過したと報告している。
主要5定理の公理監査と、con-lecheの比較モードによる命題照合の結果も掲載されている。
一方、書き出された証明全体をLeanの通常・paranoidカーネルで再検査する工程と、lake comparatorの一連の検査は進行中である。
モジュールごとの検査通過と、別の方法による追加検査の進行を区別して読む必要がある。
これは、証明候補を第三者が調べ始めたというだけの状況より強い確認材料である。
ただし同ページでは、一部の追加検査は進行中とし、使用した実装や数学ライブラリの定義を信頼する点など、確認の前提も説明している。
別の分散検証プロジェクトが作業中であっても、それだけで他の検証が未完了とはいえない。
どの主体が、どのデータに対して、どの検査を終えたのかを読む必要がある。
| 確認対象 | 公開情報で分かること | 読み方 |
|---|---|---|
| 発表者の主張 | Claudeとの証明発見とLean形式化を公表 | 発表内容の一次資料 |
| MIT研究者の記録 | コンパイル、主要公理の監査、複数検証器の通過を報告 | 形式証明に関する強い検証材料 |
| 数学的な理解・受容 | 説明や評価を研究者が積み重ねる対象 | 検査通過と区別して追う |
| クレイ数学研究所 | 11月21日確認時点の紹介は未解決表示 | 新発表の正否や賞の判断とは別 |
リーマン予想は、クレイ数学研究所が掲げる7つのミレニアム懸賞問題の一つである。
クレイ数学研究所の規則では、指定条件を満たす媒体での公表、その公表から少なくとも2年の経過、世界の数学界での一般的な受容が、検討に入る条件とされる。
この期間は「数学的に正しいと考えるまで必ず2年間待つ」という意味ではなく、賞の審査に進むための制度上の条件である。
したがって、今回の状況は「第三者による形式的な検証が進展した証明発表」と捉えるのが適切だ。
研究上の評価と制度上の認定を混ぜずに追うと、見出しの違いにも振り回されにくくなる。
素数とは、2、3、5、7、11のように、1と自分自身でしか割り切れない1より大きい整数である。
掛け算によって整数を組み立てる基本要素だが、どこに現れるかを見ると、間隔は一定ではない。
たとえば、11と13は2しか離れていない一方、23の次の素数は29まで現れない。
大きな数へ進むと素数は全体としてまばらになるが、局所的な間隔にはばらつきがある。
それでも数学者は、「ある数以下に素数が何個あるか」を大まかに見積もる法則を知っている。
素数定理と呼ばれるこの結果に対し、リーマン予想が深く関わるのは、実際の個数が見積もりからどれだけずれるかという問題だ。
平均的な傾向が分かることと、誤差の大きさまで厳しく押さえられることには差がある。
クレイ数学研究所の説明も、平均的な分布を扱う素数定理と、そこからのずれを扱うリーマン予想を区別している。
リーマンは、整数を使って定められるゼータ関数という数学的な道具を通じて、素数の分布を調べた。
関数とは入力に応じて値が決まる仕組みで、ここでは実数だけでなく、実数と虚数を組み合わせた複素数を入力として扱う。
この関数と素数がつながる背景には、整数を素数の積へ分解できる性質がある。
個々の素数を直接探す代わりに、関数の振る舞いを調べることで、素数全体についての情報を引き出せるのである。
とくに関数の値がゼロになる入力を「零点」と呼ぶ。
リーマン予想を数学の言葉で述べると、対象となる非自明な零点はすべて、複素数の実部が2分の1となる直線上にある、という主張になる。
「非自明」とは、ここでは別に分かっている種類の零点を除くための区別である。
日常的な理解としては、素数の分布を支配する関数の特別な点が、例外なく一定の位置関係を満たすかを問う問題と考えるとよい。
数値計算で大量の零点が直線上にあることを確認しても、その先に例外がないとは限らない。
予想が主張しているのは、調べられた範囲ではなく、対象となるすべての零点についての性質だからだ。
これは、最初の100万件で規則が成り立つという観察と、どれだけ先でも成り立つという論理的な保証の違いである。
数学の証明は、有限の事例を増やす代わりに、無限に続く対象へ共通する理由を示す。
今回のLeanによる検証も、膨大な数の素数を列挙して当たりを確かめた、という種類の計算ではない。
一般的な命題を導く論理が正しくつながっているかを検査する点に、数値実験との違いがある。
アルポゲ氏の説明では、研究の出発点となる類推や、二つの考え方を組み合わせる方向づけに本人が関わった。
その過程でClaudeが技術的な議論を進め、本人の予想を上回る展開を見せたと記している。
ここから読み取れるのは、数学者の知識、問題設定、AIの探索、形式化が組み合わさった研究である。
「人がいなくてもAIが勝手に解いた」「人は最後に名前を付けただけ」といった説明は、本人の文書が示す役割分担を省略してしまう。
逆に、AIは文章を整えただけだったと片づけることも、発表内容と合わない。
ただし、個々の着想を誰がどこまで担ったかを完全に評価するには、研究過程や人が読める数学的説明の蓄積が必要になる。
現段階で一般読者が確かめやすいのは、共同研究として発表されたことと、公開された形式証明に第三者が検査を行っていることだ。
成果への貢献の評価と、証明そのものが成立するかの検証は、関連しながらも別の問いである。
Anthropicは2026年8月10日の公式記事で、未公開の研究版Claudeが、リーマン予想を満たす零点の割合について、知られていた下限を41.6%から67.2%へ改善したと発表していた。
この数字は、リーマン予想の証明作業が67.2%まで終わったという意味ではない。
一定の数学的な意味で、どれだけの割合の零点が条件を満たすと保証できるかという関連問題の結果である。
11月の発表は対象全体についての証明を主張しており、研究が答えようとしている問いの範囲が異なる。
| 比較項目 | 2026年8月の公式発表 | 2026年11月の今回の発表 |
|---|---|---|
| 中心となる成果 | 零点の割合の下限を改善 | リーマン予想とディリクレL関数の一般化を証明したと主張 |
| 67.2%の意味 | 保証する割合の下限 | 証明の完成度を示す数字ではない |
| 確認する資料 | Anthropicの研究紹介と関連論文 | 本人の発表文と第三者の検証記録 |
8月の公式記事は未公開の研究版を使ったと明記する一方、今回の発表だけから一般ユーザー向けプランでの再現条件は分からない。
同じClaudeという名称でも、モデル、作業環境、計算量、専門家による方向づけが一致するとは限らない。
したがって、このニュースを根拠に、月額プランを契約すれば難問を自動で解決できる、と期待するのは早い。
一般利用では、説明の比較、既存の証明の読み解き、計算やコードの下書きなど、結果を確かめられる範囲から使う方が有用だ。
AIを科学研究へ組み込む考え方は、AITTのClaudeを使った創薬研究の解説にも通じる。
数学では論理の検査、創薬では実験や臨床試験というように、分野ごとに成果を確かめる手段が異なる。
通常の数学論文では、人が読み、途中の省略を補いながら、議論に誤りがないかを判断する。
これに対して形式証明では、定義や推論の手順を、コンピューターが厳密に扱える形へ書き下す。
Leanは、その形式証明を記述して検査するための証明支援系である。
AIが「正しいと思う」と回答する仕組みとは異なり、定められた論理のルールに沿って結論が導けるかを検査する。
たとえるなら、説明文の説得力を採点するのではなく、一つひとつの推論が許された操作かを点検する仕組みに近い。
探索役のAIが誤った案を出しても、その案が完成した証明として受け入れられるかは、別の検査に委ねられる。
この役割分担により、AIが生成した大量の議論を、人間の読みやすさだけに頼らず確かめる道が開ける。
ただし、証明支援系を使えば入力した主張が何でも正しくなるわけではない。
まず確かめたいのは、コード内の命題が、本当に知りたい数学の命題を表しているかである。
定義や条件がずれていれば、弱い別問題を証明したのに元の難問を解いたと誤解する余地が生まれる。
次に、結論に都合のよい未証明の仮定を追加していないか、証明を省略する仕組みに依存していないかを調べる。
Leanの公式解説でも、公理の追加が扱える理論や計算へ与える影響を説明している。
そのうえで、公開された証明を検証器が実際に受け入れるかを確かめる。
別の実装による検査が加われば、一つの実装だけに依存する場合とは異なる裏づけになる。
今回の公理監査の公開ログでは、主要定理の依存先として標準の三つの公理が列挙されている。
環境内に何らかの公理や省略用の仕組みが存在することと、対象の証明がそれに依存していることも区別しなければならない。
機械が論理を確認できても、どのアイデアが核心で、なぜその組み合わせが成功したのかが、人にすぐ理解できるとは限らない。
研究者が説明を整理し、短い証明や別の応用へつなげる作業には独自の価値がある。
アルポゲ氏自身も、現在の議論は非常に長く、理解を深め、適切に書き直す意向を述べている。
本人が挙げた25万ページ超という規模は、詳しい説明を生成した場合の話であり、その長さだけが正しさの根拠になるわけではない。
編集上の見方として、今回の発表は「正しさを確かめる速度」と「人が全体像を把握する速度」が大きく分かれ得る事例である。
機械による厳密な確認と、人による見通しのよい説明がそろうことで、成果を次の研究へ使いやすくなる。
リーマン予想が広く受け入れられる形で証明されれば、素数の分布について使える数学的な保証が強まる。
これまで「リーマン予想が正しければ」と条件を付けていた結果は、証明された範囲に応じて、その条件を外して扱えるようになる。
これは、すべての数学が書き換わるという意味ではない。
どの研究がどの予想を仮定しているかをたどり、証明された命題と一致する部分に適用する作業が必要だ。
とくに一般化リーマン予想は対象の取り方に幅があるため、単にGRHという略称が同じだけでは適用範囲を決められない。
今回なら、ディリクレL関数についての命題と、さらに広い種類のL関数を扱う命題を区別する。
研究の価値は結論の一行にもあるが、その証明で生まれた方法が別の問題へ使える可能性にもある。
そこにどのような展開があるかは、議論の核心が整理されてから見えてくる。
リーマン予想の証明だけから、インターネットの暗号が直ちに破られるとはいえない。
素数の全体的な分布を詳しく押さえることと、巨大な整数を具体的な素因数へ高速に分解することは、異なる問題だからだ。
たとえば、ある範囲に素数がどれくらいあるかを知っても、二つの大きな素数を掛けた値から元の二つを即座に取り出せるとは限らない。
スタンフォード大学の素数判定の解説も、素数かを判定する問題と、因数を見つける問題を分けて扱っている。
RSAなどの安全性への影響を論じるなら、実際にどの計算が速くなり、どの鍵長や攻撃条件に適用できるのかという具体的な材料が必要になる。
今回の発表を、すべての暗号を解く手順が公表されたニュースへ読み替える根拠はない。
| よくある理解 | 実際に分けたいこと |
|---|---|
| 素数の位置が完全に分かる | 分布の誤差を抑える理論と、個々の素数を求める手順は違う |
| 暗号がすぐ全部破られる | 証明の成立と、実用的な攻撃手法の成立は別 |
| 明日から製品が変わる | 理論をアルゴリズムや製品へ応用する工程が必要 |
| 人間の数学者は不要になる | 問題設定、解釈、説明、別分野への応用に研究が続く |
一般の利用者にとって、証明の発表がそのままスマートフォンの新機能になるわけではない。
具体的なアルゴリズムの改良や、検証可能なソフトウェアの開発方法などへ成果が移るとき、実用上の変化が見えてくる。
一方で、AIの研究能力を考えるうえでは、難しい説明を出せるかに加え、他者が確かめられる成果を残せるかという評価軸が鮮明になる。
文章やコードの生成でも、見栄えのよさと、検算・テスト・出典で裏づけられた正しさには違いがある。
今回のニュースから持ち帰れるのは、AIに任せる範囲を広げるときほど、分野に合った検証の仕組みを組み合わせるという考え方だ。
数学での成果を日常のあらゆる仕事へそのまま当てはめず、何なら客観的に確かめられるかを見極めたい。
リーマン予想を巡る今回の発表は、証明候補の公開に続き、第三者による形式証明の検査結果が示された点まで追う必要がある。
「証明と発表した」と「まだ何も確かめられていない」の間には、すでに具体的な検証の進展がある。
これから情報を読むときは、発表者の主張、機械検査の対象と結果、数学者による説明、賞の審査を区別して確認したい。
とくに検証のニュースでは、投稿時刻と対象データを見れば、古い進捗と新しい結果を混同しにくくなる。
そして、成果が定着した後に注目したいのは、誰が最初に「解けた」と言ったかだけではない。
どの発想が有効だったのか、どこまで短く説明できるのか、他の問題へ何を持ち出せるのかが、研究の広がりを決める。
一般ユーザーがAIを使う際も、回答の自信や文章の滑らかさだけで正しさを判断しないことが役に立つ。
調査には出典、計算には検算、コードには実行確認というように、成果を確かめる手段まで含めて使うことが、今回のニュースを身近な実践につなげる。

