
-
167年未解決の難問で同日に激突した2つの証明主張 :2026年11月20日、数学最大の未解決問題「リーマン予想」をめぐり、Anthropic所属の数学者らが Claude と定理証明支援系 Lean 4 で構築した約1,740万行の形式証明主張と、スタンフォード大学の研究者がAIを一切使わずに12年かけた自然言語の証明主張が同日に公開されました(いずれも現時点では検証中の「主張」であり、解決確定ではありません)。
-
論文221本の「あり得ないタンパク質」が示す目視査読の限界 :奇しくも同日のNature誌では、遺伝子欠損により本来作れないはずのタンパク質を検出したと報告する生物医学論文が 221本(計230件) 見つかったことも報じられました。もっともらしい文章や図表、プログラムが大量生産される時代において、人間の目視チェックやAI自身の自作テストだけでは正しさを保証できません。
-
「途中計算の目視」から「入口の定義(ルール)と機械検証」への大転換 :推計25万ページ相当の推論や並行処理の全状態遷移を人間が1行ずつ目で追うのは不可能です。人間は「何を守るべきか(定義・不変条件)」の設計と監査に集中し、途中の論理検証は Lean 4 や TLA+(Quint)、Rust製の独立検問ゲート に機械強制させる実践手法を体系化します。
-
MomongaCodeとは?Z3・TLA+形式検証とChatGPT検証150件で防ぐAI開発の死角 : AI任せの開発が15分の試遊で破綻し、GPT-6 Lunaの150件検証でもパーサーをすり抜ける実行時バグが残る原因を解明。Z3と36本のTLA+仕様を備えたOSS「MomongaCode」や6項目の判断ログ、Signal画面監視対策まで解説します。
-
リーマン予想における「Claude×Lean 4の証明主張」と「人間単独12年の証明主張」の事実関係と、なぜコンパイル通過だけで解決確定と言えないのかを正確に把握したい方
-
科学論文221本で見つかった「あり得ないタンパク質」問題や、AI開発で頻発する「テストは満点なのに本番で致命的バグが出る」現象の根本原因を知りたい方
-
AIにテストケースを書かせる「自作自演」から脱却し、TLA+(Quint)・Lean 4・Stop hook を使って仕様のルール(不変条件)を機械検証する仕組みを導入したい方

「167年間誰も解けなかった数学のリーマン予想を、AnthropicのAI(Claude)が解いた!」というニュースが駆け巡っていますね。しかも同じ日に、人間の数学者も「AIなしで解いた」と発表したとか。もうリーマン予想は解決確定なのでしょうか?

結論から言うと、現時点ではどちらも「証明の主張(クレーム)が提出され、世界中の数学者が検証している段階」であり、解決確定ではありません。ただ、今回本当に衝撃的なのは「解けたかどうか」以上に、AI側が人間向けの論文にすると 推計約25万ページ に達する証明を、定理証明支援系言語 Lean 4 のコード約1,740万行として提出し、実際にコンパイラの機械検証を通してみせた点にあります。
リーマン予想で同日に出たAIと人間の証明主張
2026年11月20日、現代数学の最高峰とされる未解決問題をめぐり、科学史に残る異例の出来事が起きました。Nature誌の報道(Mathematician says he and AI solved Riemann hypothesis)(Davide Castelvecchi著)および TechCrunchの分析記事(AI claimed a solution to the 167-year-old Riemann hypothesis — and a human did, too)(Tim Fernholz著)が伝えた通り、わずか数時間の差で「AIと数学者の協働チーム」と「AIを一切使わない人間の数学者」の双方が、それぞれ独立に証明を主張したのです。
まずは誇張や憶測を排し、一次出典で確認されている確定事実を整理します。
素数の謎を握る167年の未解決問題
リーマン予想とは、1859年にドイツの数学者ベルンハルト・リーマン(2026年9月が生誕200周年)が提唱して以来、167年間にわたり世界の天才たちを退けてきた数論最大の難問です。クレイ数学研究所が2000年に定めた「ミレニアム懸賞問題(懸賞金100万ドル)」の1つでもあります。
その主張の核心は、素数の分布パターンを支配するリーマンゼータ関数 の「自明でない零点」が、複素平面上で実部 となる直線(臨界線)の上にすべて例外なく並ぶという命題です。現代のインターネット暗号や通信セキュリティの基盤である素数分布の根幹に関わるため、数学界のみならず計算機科学にとっても聖杯と呼べる問題です。
推計25万ページをLean化したAI陣営
1つ目の主張は、AI企業Anthropicに所属する数学者 Levent Alpöge 氏が、同社の大型言語モデル Claude と協働してリーマン予想(およびそれを拡張した一般化リーマン予想:GRH)の証明を発見したというものです。
この主張が従来の数学論文と決定的に異なるのは、提出された成果物の形態にあります。Alpöge 氏によれば、この証明を人間が読むための通常の数学論文として書き下ろすと 推計約25万ページ という途方もない分量に達します。そんな分量を人間の査読者が目で読んで検証することは物理的に不可能です。
-
公開形式とコード規模 :人間向けにはわずか4ページの概要説明文書のみを添え、証明本体は定理証明支援系プログラミング言語 Lean(Lean 4) のコード(17万ファイル超・約1,740万行)として公開されました。
-
未証明プレースホルダー(
sorry)がゼロ :Lean では未証明の補題を一旦飛ばす際にsorryというキーワードを使いますが、公開されたコードベースにはsorryが1箇所も含まれていませんでした。 -
独立カーネルでのコンパイル通過と専門家の賛否 :マサチューセッツ工科大学(MIT)の数学者 Andrew Sutherland 氏らが独立した検証カーネルでコードを実行し、実際にコンパイル(論理整合性チェック)が通ることを確認しました。一方でモントリオール大学の Andrew Granville 氏は4ページの概要文書を「説明が支離滅裂(garbled)」と厳しく批判し、AnthropicのIPO数日後(11月19日の株価下落直後)という発表時期にも疑問を呈しています(Alpöge 氏はこの時期に関する冷笑的な見方を明確に否定しています)。また、オックスフォード大学のフィールズ賞受賞者 James Maynard 氏も「もし完全に正しければ歴史的なマイルストーン」と評価しつつ、定義や前提に関する厳密な検証が不可欠であると強調しています。
人間単独で12年かけた自然言語ドラフト
AI陣営の発表からわずか数時間後、もう1つの劇的な動きがありました。スタンフォード大学教授であり米国数学会(AMS)会長を務める Ravi Vakil 氏が、同大学のポスドク研究者 Alessandro Masullo 氏による一般化リーマン予想の証明ドラフトを緊急公開したのです。
Masullo 氏は12年の歳月をかけ、AIを1ビットも使わずに人間の頭脳だけでこの証明を書き上げたと述べ、「我々(人間の数学者)はまだここにいる」と声明を出しました。しかし、こちらの証明は従来の自然言語と数式で書かれたドラフトであり、Lean 4 による形式化(コード化)が行われていません。そのため、途中の推論に微細な論理の飛躍や見落としがないかを人間の専門家が1行ずつ査読するには、今後数か月〜数年単位の膨大な時間がかかると見られています。
コンパイル通過でも解決確定ではない理由

ちょっと待ってください!AI側の証明は Lean 4 のコンパイラでチェックが通って、未証明を飛ばす sorry もゼロだったのですよね?それなら機械的に100%正しいと証明された、つまり解決確定ではないのですか?

ここが形式検証を理解する上で一番大切な急所です。Lean 4 のコンパイラが100%保証するのは「書かれた前提(公理)から、書かれたゴール定義までの途中計算に論理ミスがゼロである」という点だけです。もし最初に書いた「ゴールの定義式」や「前提条件」にうっかり暗黙の仮定が紛れ込んでいて、本物のリーマン予想より簡単な別問題を解いていたとしたら、コンパイラはエラーを出しません。
読者の方が最も疑問に思われる「なぜコンパイル通過=即解決確定ではないのか」という理由は、以下の3点に集約されます。
-
ゴール定義(仕様)の数学的同等性の確認 :コード内に記述された最終定理の型定義が、私たちが知りたい「本物のリーマン予想」と数学的に1ビットのズレもなく一致しているかどうかは、人間の数学者が定義部分を精査しなければなりません。
-
暗黙の仮定や自明化(Vacuous Truth)の検査 :前提条件の中に矛盾する仮定や強すぎる制約が紛れ込むと、論理学上「前提が偽ならどんな結論も真になる(空虚な真)」という現象が起き、実質的に中身のない定理がコンパイルを通過してしまうリスクがあります。
-
それでも起きた歴史的パラダイムシフト :従来なら査読者が「25万ページの途中計算」をすべて目で追わなければならなかったのに対し、Lean 4 によって 「途中の1,740万行の推論ステップは機械が保証済みなので、人間は入口の定義式(ルール)が正しいかだけを監査すればよい」 という状態に変わったこと自体が革命なのです。
論文221本に潜んでいたあり得ないタンパク質
リーマン予想のニュースと同じ2026年11月20日、科学界の信頼を揺るがすもう1つの重要な記事が公開されました。Nature誌の調査報道(Sleuth finds ‘impossible proteins’ in hundreds of research papers)(Holly Else著)が報じた、生物医学論文における「あり得ないタンパク質(impossible proteins)」の大量発覚です。
この問題は、なぜ私たちが「人間の目視査読」だけに頼り続けることができないのかを鮮明に突きつけています。
遺伝子欠損の細胞株から検出された矛盾
英国を拠点に活動する独立系の科学調査者 Sholto David 氏は、遺伝子変異や欠損によって「特定のタンパク質を物理的に作ることができない」と判明している20種類の汎用がん細胞株に着目し、約14万本の生物医学論文群などを精査しました(調査結果はZenodoプレプリントとして公開)。
その結果、2004年以降に出版された 221本の論文(計230件の実験データ) において、その細胞株には遺伝子が存在せず作れるはずがないタンパク質の検出画像(ウェスタンブロット等)が堂々と掲載されていたことが判明したのです。
-
MCF-7(乳がん細胞株)での
caspase-3検出報告 :遺伝子欠損によりcaspase-3を産生できないはずのMCF-7細胞株で、同タンパク質を検出したとする論文が 49本 見つかりました。 -
Jurkat(T細胞白血病細胞株)での
BAX検出報告 :同様にBAXタンパク質を発現しないJurkat細胞株で、BAXのウェスタンブロット画像等を載せた論文が 47本 確認されました。 -
PC-3(前立腺がん細胞株)での
STAT3検出報告 :STAT3遺伝子を欠くPC-3細胞株において、STAT3を検出したとする論文が 35本 に上り、ウプサラ大学の Thierry Soussi 教授は「これは巨大な氷山の一角に過ぎない」と強い警鐘を鳴らしています。
ペーパーミルと人間の目視査読の限界
ここで正確に切り分けておくべき点があります。この221本の論文は2004年以降の蓄積であり、「すべて生成AIが書いた偽論文である」と断定されたわけではありません。原因としては、研究室での細胞株の取り違えや汚染(コンタミネーション)、他の似たタンパク質に反応してしまう非特異的抗体の誤用といった実験ミスに加え、定型テンプレートと使い回しの実験画像で偽論文を量産・販売する 論文捏造工場(ペーパーミル) の関与が強く指摘されています。
しかし、本質的な教訓はさらに深刻です。専門知識を持つ人間の査読者が何人も目を通す学術誌のピアレビュー(査読制度)であっても、「体裁が整ったもっともらしい文章と実験画像」を出されると、「そもそもその細胞株にその遺伝子が存在するか」という基本ルール(不変条件)の矛盾すら20年以上にわたり221本も見逃してしまう のです。
ここに生成AIによる論文執筆やコード生成の高速化が加わった現在、人間の目視チェックだけで品質と真偽を守る枠組み(スキーム)は、完全に処理能力の限界を超えています。
AI開発で起きる自作自演の満点という罠
数学の証明や科学論文で起きている「人間が目視で追いきれない」「もっともらしい出力の矛盾を見抜けない」という問題は、私たちが日々行っているAIコーディングや業務システム開発でもまったく同じ構造で発生しています。
その最たる例が、実装・テスト作成・コードレビューをすべてAIに任せたときに起きる 「自作自演の満点」 です。
テスト全件通過でも在庫超過バグが出る理由
Zennの技術検証記事『【TLA+】AIにテストケースを書かせるな。ルールを書け』(karamage氏)では、AI時代のソフトウェアテストが抱える致命的な死角が、限定チケット販売システムの具体例で鮮やかに実証されています。
たとえばAIに「在庫を確認する check() と、購入処理を行う purchase() を持つチケット販売コード」を書かせ、続けて「このコードの単体テストを書いて」と指示したとします。
-
AIは自分が書いたコードの前提でしかテストを作らない :実装を書いたAIにテストを作らせると、「1人目が買う→2人目が買う→在庫切れで3人目が買えない」といった、1人ずつ順番に処理される素直なテストケース(3件) を作成し、当然ながら
3 passed(100点満点)を出します。 -
テストオラクル問題(正解基準の欠落) :AIは「何が正しい仕様か」を知っているわけではなく、目の前の実装コードが動くことを確認するテストを書いているに過ぎません。生徒が自分で試験問題を作って自分で丸をつけている状態です。
-
同時アクセス(並行処理)の割り込みで即座に破綻 :本番環境で残り在庫1枚のときにユーザーAとユーザーBが同時に
check()を通過すると、2人ともpurchase()を実行してしまい、「在庫1枚なのに2枚売れる(在庫超過)」という致命的なバグが発生します。
敵対的AIレビューでも並行バグは防げない
「それなら、実装したAIとは別のAIモデルに厳しくコードレビューさせればいいのでは?」と考える方も多いでしょう。
しかし同検証によれば、別のAIモデルに敵対的コードレビューを行わせたところ、命名規則やエラーメッセージの文言など 47件もの細かい指摘 を並べておきながら、肝心の「同時アクセス時に在庫上限を突破する」という状態遷移のバグには1件も気づけませんでした。自然言語ベースのAIレビューは「コードの見た目」を批評するのは得意ですが、時間軸が絡む並行処理の組み合わせ爆発を頭の中でシミュレートすることはできないのです。
-
チェック対象 :数十万行の途中コードや論文の体裁を人間・AIが目視レビュー
-
テストの作り方 :実装を書いたAI自身が「順番に実行する甘いテスト」を自作して満点を出す
-
致命的な死角 :論文221本の矛盾見逃しや、同時アクセス時の在庫超過バグを検出できない
-
チェック対象 :人間は「入口の定義・不変条件(ルール)」だけを書き、全状態遷移は機械が検証
-
テストの作り方 :仕様モデルから自動生成した1,000問の意地悪な操作手順を実装に解かせる
-
圧倒的な強み :わずか12ミリ秒で並行バグの反例を特定し、推論ミスを1ステップも許さない
テストではなくルールを書くTLA+とQuint
では、数学界で Lean 4 が果たしている「人間の目視の限界を機械検証で置き換える」役割を、普段のWeb開発や業務システムに持ち込むにはどうすればよいのでしょうか。
その最も現実的な解答が、形式仕様記述言語 TLA+ と、それをTypeScript風の親しみやすい構文で書けるようにした次世代ツール Quint(v0.33.1)、そしてAIエージェントの実行を物理的に縛る Stop hook 検問アーキテクチャ です。
不変条件の記述と12ミリ秒の反例特定
TLA+ や Quint を使う最大の目的は、個別のテストケース(点)を書くことではなく、「システムがどんな状態に遷移しても絶対に破ってはならないルール(不変条件:Invariant)」 を記述することにあります。
先ほどのチケット販売であれば、ルールはたった1行、「売れた枚数の合計は、いかなる瞬間も初期在庫数を超えない(sold <= initial_stock)」という不変条件だけです。

テストケースを何十パターンもひねり出す代わりに、「売れた枚数は初期在庫を超えない」というルールを1つ書くだけでいいのですか?

そうです。そのルールと状態遷移を Quint で記述してモデル検査器にかけると、人間やAIレビュアーが見落とした「ユーザーAとBが同時に在庫確認を通過して購入する」という反例ルートを、わずか 12ミリ秒 で自動的に掘り当ててくれます。
自動生成した1000問で実装を縛る手法
さらに強力なのが、仕様モデルでバグを潰した後に本物のプログラム(TypeScriptやRust)を検証する モデルベーステスト(Model-Based Testing) です。
仕様レベルでロック機構やアトミック処理を入れて「全到達状態でルール違反がゼロである」ことを確認したら、Quint のトレース生成機能(--n-traces=1000)を実行します。すると、正しい仕様モデルから 1,000通りのランダムかつ複雑な操作手順(テスト問題) が自動出力されます。
これをAIが書いたTypeScript等の実装コードにぶつけることで、「AIが自分に都合のいい3問を作って満点を出す」のではなく、「形式検証済みの仕様から自動生成された1,000問の試験をパスしない限りマージできない」という厳格な品質管理体制(ガバナンス)が完成します。
Stopフックと独立検問で自作自演を断つ
日常のAIエージェント運用においても、「書く役」と「検査する役」を分離する設計が標準になりつつあります。
Zennの実践記事『Stop hook と見る役 subagent を入れて詰まった 10 か所 (Claude Code 2.1.325)』で紹介されている通り、最新の Claude Code 2.1.325 環境では、実装を行うメインエージェントとは別に「見る役(検証専用)の subagent」を独立させ、現在のコード差分のハッシュ値(sha256)と合否判定を .review/verdict.json に記録させた上で、終了時の Stop hook で機械的にチェックする手法が実践されています。
当ラボでも、Claude 5.5のStop hook実行前検問術やAIエージェントが手順書を83%無視する理由とRust強制検問術で検証した通り、プロンプトによる口頭のお願いだけでルールを守らせるのには限界があります。
そこで現在は、Pure Rust 製の独立バイナリ(検問ゲート)が4ミリ秒で全制約を機械検査し、違反があれば保存やデプロイを物理的に遮断する仕組みを全面稼働させています。
なぜAI時代の実装・検証基盤が最終的に Rust と Lean 4 へ収束するのかという言語設計の全体像は、AI時代の最終プログラミング言語はなぜ『Rust×Lean 4』かでも掘り下げています。
解くべき問題の定義(Lean 4 の型定義)や、絶対に破ってはならない不変条件(TLA+ / Quint のルール)を人間が明確に定義し、暗黙の仮定を排除します。
Claude や Gemini 4 Argon / Carbon などの最上位モデルが、数万行の実装コードや形式証明ステップを高速に生成します。この時点ではAIの自己申告を一切信用しません。
Lean 4 カーネル、Quint モデル検査器(1,000問トレース)、および Stop hook に直結した Rust 検問ゲートが決定論的に合否を判定し、通過したものだけを本番へ反映します。
形式検証と機械検問を導入する実践プロンプト
最後に、手元のWebアプリケーションや業務システム、あるいはAIエージェント開発環境において、「AIの自作自演テスト」を廃止し、Quint(TLA+)による不変条件検証 や Stop hook による独立検問 を段階的に導入するための再現プロンプトを公開します。
最上位推論モデルで不変条件を抽出する手順
既存コードから並行処理の競合ポイントや状態遷移の境界条件を漏れなく洗い出すには、高度な論理推論が求められます。軽量・高速モデル(Flash系やMini系)を使うと表面的な単体テストしか出力されないため、必ず Gemini 4 Carbon(High)、Gemini 4 Argon、または Claude 5.5 Opus / Sonnet(Extended Thinking)などの最上位推論モデルを選択して実行してください。
なお、モデルごとの得意領域の使い分けはGemini 4 Carbon一般開放とAntigravity「/swarm」|Argonとの使い分けと料金2倍対策で詳しく比較しています。また、過去の対話や設計資産をSQLiteへ無劣化集約する手順はChatGPT・ClaudeからGeminiへ履歴移行する方法|ZIPインポート手順とSQLite無劣化保管術をあわせて参照してください。
以下のプロンプトをそのままコピーし、AIコーディング環境(Antigravity や Claude Code 等)に貼り付けて実行してください。いきなりコードを書き換えさせず、まずはステップ1の「事前調査レポート(不変条件の特定)」を出力させて人間が定義を監査する のが最大のポイントです。
あなたは形式検証(TLA+ / Quint / Lean 4)とAIエージェントの機械検問設計に精通したシニアシステムアーキテクトです。
まず参考資料として以下の記事の設計思想を確認してください。
https://lab.chihouzakki.com/blog/review/riemann-hypothesis-claude-lean-proof-impossible-proteins-guide/
現在、当プロジェクトにおいて「実装を書いたAIが自分で単体テストを書いて満点を出す(自作自演の満点)」構造を改め、状態遷移の不変条件(ルール)に基づく形式検証と独立検問ゲートを導入したいと考えています。
【重要ルール:いきなり実装コードを書き換えないでください】
まずは現在のワークスペースのソースコードを調査し、以下の「ステップ1:事前調査レポート」だけを出力して私の確認を待ってください。
■ ステップ1:事前調査レポート(最初に出力する内容)
1. 現在のシステムで「同時アクセス・非同期処理・状態遷移」により整合性が壊れるリスクがある重要箇所トップ3(在庫・予約・残高・ステータス更新など)の特定
2. 各箇所について、いかなる順序で操作が割り込んでも絶対に破ってはならない「不変条件(Invariant:ルール)」の日本語定義と数式表現(各3行以内)
3. 既存の単体テスト(AIまたは人間が書いたテスト)が見落としている並行実行・境界条件の死角
私がステップ1の「不変条件(ルール)の定義」を承認したら、次のステップ2へ進んでください。
■ ステップ2:承認後の段階的実装メニュー
- [A] Quint(TLA+)による最小状態遷移モデル(.qnt)の作成と、モデル検査による反例(バグ)の12ms検証
- [B] 検証済み仕様モデルから自動生成したトレース(--n-traces)を既存の実装コード(TypeScript / Rust 等)に流し込むモデルベーステストの構築
- [C] 実装担当エージェントとは独立した検証ステップ(差分sha256付きの合否判定またはRust/シェルの決定論的チェッカー)を Stop hook / pre-commit に組み込む検問ゲートの構築
まとめ:人間は途中計算ではなく定義を監査せよ
167年未解決のリーマン予想をめぐる「Claude × Lean 4 の1,740万行」と「人間単独12年の自然言語ドラフト」、科学論文221本から発覚した「あり得ないタンパク質」、そして日々のAI開発で起きる「自作自演テストの満点」。一見すると別々の分野に見えるこれら3つの出来事は、すべて同じ1つの結論を指し示しています。
-
人間の目視査読を「途中計算」に使うな :25万ページ相当の証明や数十万行のAI生成コード、大量の論文画像を人間の目だけでチェックするやり方は、処理速度の最大の障壁(ボトルネック)になるだけでなく、物理的な矛盾や並行バグを見落とします。
-
AIに「テスト問題」ではなく、人間が「ルール(不変条件)」を書け :実装を書いたAIにテストケースを作らせるのは、生徒に自分の試験問題を作らせるのと同じです。TLA+(Quint)や Lean 4 を用い、「絶対に破ってはならない不変条件」を定義して全状態遷移を機械に潰させましょう。
-
人間の最高価値は「入口の定義(仕様)の監査」にある :Lean 4 でコンパイルが通ったリーマン予想の証明主張において今まさに世界中の数学者が「ゴールの定義式が本物のリーマン予想と一致しているか」を監査しているように、これからの人間が担うべき最重要の仕事は、機械検証の入口となる「定義」と「ルール」の正しさを設計・監査することです。
途中の膨大な推論や状態遷移の網羅チェックは、疲れを知らない形式検証カーネルと独立検問ゲートに100%任せましょう。そして私たち人間は、「そもそも何を解くべきか」「何を守れば正しいと言えるのか」という入口の定義を磨くことにこそ、知性と時間を注いでいきたいものです。
