数学の未解決問題、23歳がChatGPTで60年越し解決

2026.04.29

「60年間、世界中の天才数学者が解けなかった問題を、数学の専門知識ゼロの23歳が月額3,000円のChatGPTで解いてしまった」——そんな信じがたいニュースが2026年4月、世界中を駆け巡りました。しかも彼のやり方は「なんとなくAIに聞いてみる」という、本人が「バイブ・マッシング（vibe mathing）」と呼ぶ気軽なものでした。数学の話だからと敬遠する前に少し待ってください。これは「AIが私たちの知的活動をどう変えるか」という問いに対する、これまでで最も具体的な答えかもしれません。本記事ではその全貌と意味を丁寧に解説します。

話題のニュース、結局何が起きた？──23歳の「なんとなく」が60年の壁を破った
なぜこれが「すごい」のか？──AIが「誰も思いつかなかった道」を発見した
私たちの生活や社会はどう変わる？──「探求の民主化」が知的活動を再定義する
私たちはどう対応すべきか？──「試す」習慣が次の発見を生む
まとめ

話題のニュース、結局何が起きた？──23歳の「なんとなく」が60年の壁を破った

〜専門知識もなく、ただ「聞いてみた」だけで数学史に残る発見が生まれた瞬間〜

リアム・プライスは23歳で、高度な数学の訓練を受けていません。彼が持っているのはChatGPT Proのサブスクリプションだけです。彼は2026年4月のある月曜日の午後、特に深い意図もなく、ChatGPT（GPT-5.4 Pro）に一つの数学的問題を入力しました。「何の問題なのかも知らなかった——エルデシュ問題をやる時みたいに、AIに渡して何が出てくるか見てみただけです」とプライス自身が語っています。

「エルデシュ問題」とは何かを説明しましょう。ポール・エルデシュはハンガリー出身の伝説的数学者で、生涯に1,500本以上の論文を書き、「未解決問題を大量に残した人物」としても有名です。エルデシュが生前に解けないまま残した問題の数々がウェブサイト「erdosproblems.com」にまとめられており、プライスとその仲間はそこから問題を無作為に選んでAIに投げることを繰り返していました。

今回解かれたのはエルデシュ問題の中の「第1196番」です。これは「原始集合（primitive sets）」という特殊な整数の集合に関するもので、集合内のどの数も他の数で割り切れないという条件を持ちます。プライム（素数）との関係が深く、エルデシュはこれを「素数の定義を一つの数から、数の集合へと一般化したもの」と考えていました。

その集合に対して「エルデシュ和」と呼ばれるスコアを計算できるのですが、問題はそのスコアの最小値を証明することでした。エルデシュは「集合の中の数が大きくなるにつれてスコアは1に近づく」と予想しており、この下限値を厳密に証明することが1968年ごろから60年近く誰にもできなかったのです。

プライスがChatGPTに問題を入力すると、AIはおよそ80分の推論を経て一つの解答を出力しました。プライスはそれを大学院生の仲間であるケビン・バレットに送り、バレットが専門家たちに連絡しました。そこから事態は急展開します。フィールズ賞（数学のノーベル賞）受賞者のテレンス・タオが結果を検証し、これが本物の解法であることを確認しました。

なぜこれが「すごい」のか？──AIが「誰も思いつかなかった道」を発見した

〜過去100件の「AI解決」との決定的な違い——AIが本当に「考えた」初めての事例〜

ここで「AIがまた問題を解いた話でしょ？最近よく聞くし」と思った方、実はその感覚は半分正しく、半分は重大な見落としになります。

AIはこれまでにも多数のエルデシュ問題を解いてきましたが、専門家たちはそれらを「不完全なベンチマーク」と評していました。問題の重要度や難易度にばらつきが大きく、多くのAIによる「解決」は既存の文献を検索した結果にすぎないと指摘されていたからです。

それ以前の約100件のAI解決エルデシュ問題のほとんどが「文献検索」に近いものだったのに対し、今回の解法はまったく新しい数学的な接続を発見するものでした。

具体的に何が新しかったのかを見てみましょう。テレンス・タオは「これまでこの問題に取り組んだ人は全員、最初の一手で微妙に間違った方向に進んでいた」と述べています。そしてAIは「マルコフ連鎖」という、数学の別の分野では広く知られていた手法を、この問題に適用することを思いついたのです。これはどの人間研究者も考えつかなかったアプローチでした。

マルコフ連鎖とは「次の状態が現在の状態だけに依存するランダムなプロセス」のことで、天気予報や株価変動の分析など、確率論・統計学で広く使われる道具です。これを数論の問題に接続するという発想は、人間の専門家たちの「常識的な思考の枠」の外にあったと言えます。

スタンフォード大学の数学者ジャレッド・リクトマンは、この技法を「エルデシュの本で最初のAIによる成果」と評しました。「エルデシュの本」とは、エルデシュ自身が「神が持つ、あらゆる定理の最も美しい証明が書かれた想像上の本」と呼んでいたもので、これはその水準に達する発見だという意味です。

ただし、重要な補足があります。AIが出力した証明の「生の結果」は質が低く、専門家による精査と整理が必要でした。ブレークスルーはアマチュアの探索と専門家による検証という「協働」によって生まれたのであって、AIが単独で成し遂げたわけではありません。

私たちの生活や社会はどう変わる？──「探求の民主化」が知的活動を再定義する

〜月3,000円で「元素の発見者」になれる時代——専門知識より好奇心が価値を持つ社会へ〜

このニュースが持つ最も重要な意味は、数学の話であることを超えています。

プライスが使ったのは月額20ドル（約3,000円）のChatGPT Proサブスクリプションです。博士号も、専門的訓練の年数も必要ありませんでした。ただの好奇心と、気軽に「聞いてみる」という姿勢だけでした。これは知的発見へのアクセスが根本的に変わりつつあることを示しています。

「バイブ・マッシング（vibe mathing）」という言葉は、直感的な問いかけと反復的な試行を組み合わせた、厳格な方法論に頼らない探索的なアプローチを指します。プログラミングの世界で広まった「バイブ・コーディング（何となくコードを書かせる）」の数学版とも言えます。

これは研究・教育の世界に大きな変化をもたらす可能性があります。従来、数学の未解決問題に取り組めるのは、特定の分野で何年もの訓練を積んだ専門家だけでした。「問題の歴史的背景を熟知すること」「先行研究の手法を網羅すること」が暗黙の前提条件だったのです。

しかしAIは、その「前提条件の壁」を取り払います。プライスのケースでは、むしろ「先行研究を知らないこと」が功を奏した面もあります。AIは人間研究者が共有していた「この問題はこう攻める」という集合的な先入観を持たなかったため、まったく異なる道筋を選べたとも言えるのです。

企業・ビジネスの現場でも同様の変化が起きています。新薬候補の探索、材料科学における新素材の設計、法律文書の分析など、「専門家にしかできない知的探索」の領域でAIが新しい接続を見つける事例が増えています。

一方で、「発見」と「検証」の役割分担は依然として人間の専門家が担う必要があります。AIが生み出した解法を理解・評価し、さらに発展させるには、深い専門知識が不可欠です。つまり「専門家が不要になる」のではなく、「専門家の役割が探索から検証・深化へとシフトする」というのが正確な見方です。

私たちはどう対応すべきか？──「試す」習慣が次の発見を生む

〜AIを「答えを出す機械」ではなく「思考のパートナー」として使う視点への転換〜

このニュースから私たちが引き取るべき実践的な教訓は明確です。

第一に、自分の専門外であっても「AIに聞いてみる」ことへの心理的ハードルを下げることです。プライスが示したのは、「私には専門知識がないから」という自己制限こそが、発見への最大の障壁だったという逆説です。

第二に、AIを「正解を即座に出してくれる検索エンジン」ではなく、「仮説を一緒に探る対話の相手」として使う姿勢が重要です。Microsoft ResearchとTsinghua大学の研究チームは「Vibe Reasoning」という概念を提唱し、AIの潜在的な知識を引き出すには、人間からの汎用的なメタプロンプト（方向性を示す問いかけ）が鍵になると述べています。つまり「答えを聞く」より「こういう方向で考えてみて」という投げかけが有効なのです。

第三に、AIの出力を「完成品」と思わないことです。今回も、ChatGPTの生の出力は「質が低かった」とされています。そこから本物の成果を取り出すには、人間の目によるチェックと専門的な洗練が欠かせませんでした。AI＋人間の協働こそが今後の標準モデルです。

まとめ

今回の出来事は、「AIが人間の代わりに問題を解く」という単純な話ではありません。「問いを持って近づけば、誰もが知的フロンティアに立てる」という知的活動の民主化が、いよいよ数学という最も難解な領域でも現実になったことを示しています。専門家の役割は消えるのではなく、探索者から案内人へと変わっていく。そしてその探索を誰でも始められる時代が来た——プライスの「なんとなく聞いてみた」という80分が、私たちにそのことを教えてくれています。

参考文献・出典元

Scientific American「An amateur just solved a 60-year-old math problem—by asking AI」