「AIがリーマン予想を解いた。」

そんな見出しを見かけたら、いったん止まった方がいい。

解いていない。67.2％まで解いた、という意味でもない。

2026年8月10日、Anthropicは、未公開の研究版Claudeへリーマン予想そのものを考えさせた結果を公表した。Claudeは大本の問いには届かなかった。けれど、その探索の途中で、別の長年の記録を動かした。

リーマンゼータ関数の零点のうち、ある特別な直線上にあると数学的に保証できる割合。その無条件の下限を、従来の約41.6％から約67.2％へ進める論証を見つけたと、Anthropicは報告している。

最終目的には届かなかったのに、研究は前へ進んだ。

この出来事の面白さは、AIが難問へ正解したか、失敗したかという二択にはない。

答えを当てられなくても、問いの周辺を探索し、人間がまだ持っていなかった足場を残せる。

AIを「回答を返す箱」ではなく、「研究を進めるsystem」として見ると、本件の輪郭が見えてくる。

まず、67.2％は何の数字なのか

THE BIG CLAIM / THE PROVABLE STEP大問題を解けなくても、境界は動かせる。

リーマン予想の解決と、critical line上の零点割合を押し上げた結果を同じ見出しにしない。

  1. 01未解決Riemann Hypothesis
  2. 02前進41.6%
  3. 03新しい境界67.2%

リーマン予想を、無限に続く劇場にたとえてみよう。

劇場の中央には、一本の光る通路がある。リーマンゼータ関数の「非自明な零点」と呼ばれる無数の観客について、全員がその中央通路上にいる──これが、リーマン予想の主張だ。

数学者は長い間、少なくとも何割の観客が中央通路にいると証明できるかを調べてきた。

2020年に査読誌へ掲載された研究は、少なくとも5/12、約41.67％が通路上にいることを無条件に示した。今回のpreprintが主張するのは、その保証を2/3より上、最適化した定数で約67.25％へ進めた、という結果である。しかも、その零点は重なりのない「単純零点」であることまで含む。

これは大きな前進だ。

しかし、リーマン予想が聞いているのは割合ではない。

中央通路から外れた観客が、一人でもいるのか。

そこを、例外なく確定する問いだ。

少し不思議だが、仮に割合の下限を100％まで持っていけても、それだけで「例外が一つもない」とは限らない。

自然数の中で平方数が占める割合は、先へ進むほど0％へ近づく。それでも、1、4、9、16……と平方数は無限に存在する。ごく薄い例外の集合は、割合の計算から見えなくなっても、消えたわけではない。

67.2％は、証明の進捗barではない。

「RHの67.2％を解いた」ではなく、「RHの周辺にある別の問いで、保証できる範囲を67.2％へ広げた」。

ここを混ぜると、成果を過大評価する。反対に「本丸を解いていないから意味がない」と切り捨てれば、成果を過小評価することになる。

650回の失敗は、無駄ではなかった

Anthropicの説明によると、今回の探索はClaude Code上の二つのsessionで行われ、出力は合計3,100万tokensに達した。

最初にClaudeが試した650の案は、すべて失敗した。

普通なら、ここで「やはり無理だった」と終わる。

しかし再挑戦では、約60のClaude subagentsを1日半ほど協調させた。2,400回のshell command、数百本のPython script、既知のゼータ零点を使った数千回の数値check。agentsは互いの案を査読し、反例を探し、54本のarXiv論文を調べ、見つけた論証を別の経路から再構成したという。

なお、これらの規模やprocessはAnthropic自身が公表した数字であり、独立計測ではない。必要な計算費用も公開されていない。

それでも、ここから見える研究の形は興味深い。

一発で正解を言う巨大な頭脳ではない。

仮説を出す者、失敗を見つける者、文献を探す者、数値で殴る者、もう一度証明する者がいる、小さな研究所に近い。

しかも、650の行き止まりがあったからこそ、隣にある別の道の価値が見えた。

研究では、最初に掲げた問いへYesを返すことだけが成果ではない。条件を弱める。下界を上げる。反例を見つける。使えない方法を特定する。既存研究の間に、まだ誰も渡していない橋を架ける。

「失敗したら0点」という採点表では、こうした価値が見えなくなる。

AIが無から数学を生んだわけではない

もう一つ、物語を盛りすぎないために大切なことがある。

今回の論証は、人間の数学を置き換えて突然現れたわけではない。

1973年のMontgomeryによるpair correlationの仕事、2000年のBombieriによるWeilの二次形式の研究、近年のAryan、Baluyot、Goldston、Suriajaya、Turnage-Butterbaughらによる成果。その長い蓄積が、材料として存在していた。

2025年から2026年にかけてGoldstonとSuriajayaは、Montgomeryの議論からリーマン予想という仮定を外せれば、2/3という数字へ届く構造を示し、狭い領域に零点が集まるという仮定の下では、その結果を得ていた。

今回のpreprintは、正と負の両方を含む二次形式の空間を一緒に扱い、rankとtraceを結ぶ不等式を使うことで、その2/3超を無条件に引き出したと主張する。

つまり、AIが行ったとされるのは、過去の論文を寄せ集めて文章を作ることではない。

既存の道具が、別の場所で噛み合う接続を見つけた。

新しい研究の多くも、完全な無から生まれるわけではない。先人の定理、別領域の技法、未解決の隙間をつなぎ、「この組み合わせなら壁を越えられるのではないか」と試す。

今回の評価点は、材料を知っていたことではなく、その接続が数学として成立する形へ到達したかどうかにある。

「Claudeが検証した」と「検証済み」は違う

CLAIM STRENGTH FOLLOWS EVIDENCE探索、preprint、機械検証、査読は別の段。

AIが候補を出したことと、数学界が定理として受け入れたことの間には検証の階段がある。

  1. 01探索
  2. 02証明草稿
  3. 03Lean検証
  4. 04専門家確認
  5. 05査読

AIが自分で案を出し、別のAIが査読し、さらに別のAIが再証明した。

これは強い工程だが、同じmodel群の中で行われた自己検査を、そのまま独立検証とは呼べない。同じ思い違いを共有していれば、全員が同じ穴を見落とす可能性がある。

本件には、その外側の検証層も用意されている。

  1. Anthropic所属の数学者Levent AlpögeとRalph Furmanが論証を調べ、現行preprintの著者として内容へ責任を持っている。

  2. Anthropicによれば、この領域の専門家Brian ConreyとDan Goldstonがshort noticeでpaperをexaminedした。

  3. 論文とともに、Lean 4による形式証明が公開された。

  4. arXivとGitHubで、外部の研究者がstatement、定義、proof、issueを調べられる。

ただし、二人の外部専門家による署名付きreferee reportが公開されているわけではない。2026年8月20日時点で論文はpreprintであり、査読誌のacceptanceも確認できない。

「専門家も見た」ことと「peer reviewを通過した」ことは、分けて書く必要がある。

Oxfordの数学者James MaynardはScientific Americanの取材で、本件には本当の新しいideaがあり、興味深い数学的貢献に見えると評価した。一方で、このapproachがリーマン予想そのものを解く道はないとも明言している。MITのAndrew Sutherlandも、AIが用意された問題を解くだけでなく、興味深い数学研究を行える証拠だと受け止めた。

称賛と留保は、両立する。

Leanは「数学的に正しい」をどこまで支えるのか

Leanは、文章を読んで「たぶん正しい」と評価する生成AIではない。

定義と推論ruleに従って、一つひとつの証明stepが通るかをkernelで確認するproof assistantだ。

公開repositoryは、主要定理AからEまでをLean 4とMathlibで完全に形式化し、未証明部分を飛ばすsorryを含まないとしている。headline theoremは、Mathlibにある実際のriemannZetaと零点の重複度から定義され、使用するtoolchainやaxiom auditも公開されている。

これは、自然言語のpaperだけより強い検証層だ。

しかし、Leanにも役割の境界がある。

Leanが確認するのは、形式化されたstatementが、置かれた定義の下で証明できることだ。そのstatementが人間の意図した定理と本当に一致しているか。定義が抜け道を作っていないか。過去研究とどう関係し、何を新規性と呼べるか。そこは人間のsemantic reviewが必要になる。

公開後のGitHubでは、paper中のrank–trace lemmaの「等号成立条件」にminor errorの可能性を指摘するissueも開かれている。指摘者自身は、不等式本体と実際の適用、主要定理には影響しないと述べている。2026年8月20日時点でissueはopenだ。

これは「証明が崩れた」という話ではない。

公開したことで、検証が続いているという話だ。

研究成果の信頼は、一枚の「AI検証済み」stampで完成しない。機械検証、人間の専門知、公開された反論経路、時間をかけたcommunity review。それぞれが違う穴を塞ぐ。

研究AIを使うなら、「正解して」だけでは足りない

このやり方は、数学だけの特殊な話ではない。

企業のR&D、software、材料探索、製品設計、業務改善でも、最初の問いが大きすぎて一度で解けないことは多い。

AIへ「答えを出して」とだけ頼むと、成功か失敗かしか残らない。

研究を進めるsystemとして使うなら、先に次の設計がいる。

  1. 最終問題と、近傍成果を分ける。
    完全解だけでなく、bound、補題、反例、dataset、失敗条件、次に試す問いを成果として定義する。

  2. 一次資料へ到達させる。
    論文、実験data、code、過去の失敗へagentが戻れるようにする。要約だけを食べさせない。

  3. 提案者と検証者を分ける。
    同じmodelの自己査読を有用なfirst gateとして使いつつ、独立したmodel、test、domain expertへ渡す。

  4. 失敗をcacheする。
    不採用案と理由を残し、同じ650案を翌日また作らせない。成功だけでなく、行き止まりも研究資産にする。

  5. 機械で確かめられる部分を増やす。
    compiler、unit test、solver、再現可能なnotebook、proof assistantを使い、「AIが自信を持っている」以外の判定器を置く。

  6. 人間の責任者を消さない。
    何を新規性と呼び、どの証拠で外へ出し、間違いが見つかった時に誰が訂正するかを決める。

  7. provenanceと未確認範囲を残す。
    使ったmodel、資料、human input、検証方法、未公開cost、peer-review statusを一つに溶かさない。

AIを研究へ入れることは、研究者を一人、机に座らせることではない。

探索者、反対者、実験者、記録係を含むteamを作り、そのteamが間違う前提で、外側に検証装置を置くことに近い。

「解けなかった」の先に、何を残せるか

GENERATE IS HALF THE LAB研究を進めるのは、候補を捨てられるloop。

複数Agentが案を広げ、反例と既存研究を当て、残ったものだけを人が深く確かめる。

  1. 01GENERATE
  2. 02ATTACK
  3. 03COMPARE
  4. 04VERIFY

リーマン予想は、いまも解かれていない。

今回の67.2％が、そこへ続く階段なのかどうかも分からない。Anthropic自身、このtechniqueがRHの証明へつながるとは期待していないと書いている。

それでも、研究版Claudeが見つけたと報告された論証は、別の問いの壁を動かした。paperとして読める形になり、Leanで検査できる形になり、人間の数学者が内容へ責任を持ち、外部が批判できる場所へ置かれた。

ここに、AI研究支援の一つの完成形が見える。

AIが最後の答えを宣言するのではない。

人間が立てた大きな問いの周囲を歩き、失敗を積み、別の道を見つけ、検証できる荷物として人間へ返す。

正解を当てる機械から、研究を前へ進める相棒へ。

その評価軸では、「解けなかった」は終点ではない。

次の地図が描き始められた地点である。

主な参考資料