RLR-0009 ・ 公開 2026/10/07 ・ 更新 2026/10/25

AIが数学の未解決問題を解き始めた?OpenAIの新しい数学研究公開を初心者向けに整理

OpenAIのAI数学研究公開を解説。原稿数とfamilyの違い、Leanによる検証の限界、2026年10月15日の研究支援発表まで初心者向けに整理します。

✓ 公開前チェック済み最終確認 2026/10/25
数学の証明とコンピューター検証をRossyとLumiが研究するイメージ

まず結論

OpenAIは2026年10月6日、内部のフロンティアAIモデルが数学の未解決問題に取り組んで得た研究成果をまとめて公開しました。

公開されたGitHubリポジトリには、2026年10月25日の確認時点で719本の数学原稿が372のfamilyに整理されています。原稿数は公開後も改訂・整理されるため、固定された成果数ではありません。

数字だけを見ると、とんでもない話に見えます。

ただし今回いちばん大切なのは、

「AIが722個の未解決問題を完全に解決した」と読むのは正しくない

という点です。

原稿には関連研究や別証明なども含まれ、検証段階も一様ではありません。OpenAI自身も、すべての結果がLeanで形式化されているわけではなく、未形式化の結果には問題が含まれる可能性があると明記しています。

今回のニュースは「数学者が不要になった」という話ではなく、AIが研究の答えを作る側へ急速に入り始め、その成果をどう検証・公開するかまで現実の課題になってきたというニュースです。

何が公開されたの?

OpenAIは、内部モデルが作成した数学の論文・証明と、それを支えるデータをGitHubで公開しました。

リポジトリでは成果を「family」という単位でまとめています。

1つのfamilyには中心となる結果だけでなく、補助的な議論、別証明、そこから導かれる結果など複数の原稿が含まれる場合があります。

そのため、

719 manuscripts = 719個の独立した大問題を解決

ではありません。

2026年10月25日の公式READMEでは719本の原稿が372 familyに整理されています。記事初版で確認した722本から数字が変わっているため、引用時は必ずリポジトリの最新版を確認してください。

それでも、AIによる数学研究の公開物として非常に大きな規模です。

AIはどうやって研究したの?

OpenAIの説明によると、評価では内部モデルへ約4,000の問題を提示しました。

大多数の成果は同じ手順で得られ、1つの結果につき平均でChatGPT Proのthinking約3時間分に相当する計算量を使ったとされています。

ここも面白いポイントです。

従来のAIベンチマークでは、あらかじめ答えが知られている問題を解かせて正答率を測ることが中心でした。

ところが既存の数学評価で性能が飽和してきたため、OpenAIはまだ研究対象になっているopen problemへ評価を広げたと説明しています。

つまり「テスト問題をどれだけ解けるか」から、「人類がまだ答えを整理し切れていない問題へどこまで踏み込めるか」へ、評価対象そのものが動いています。

Leanって何? なぜ重要なの?

今回の発表ではLeanという名前が何度も出てきます。

Leanは、数学の証明をコンピューターで厳密に確認できる仕組みを持つ言語・定理証明環境です。

人が読む普通の数学論文では、途中の説明が省略されていたり、「ここは明らか」として細部を飛ばしたりすることがあります。

Leanで形式化する場合は、コンピューターが確認できる形まで証明を細かく記述します。

そのため、AIがもっともらしい証明文を書いただけの場合と、Leanで機械的なチェックまで通った場合では、検証の強さが違います。

OpenAIは今回、多くの証明についてLean形式化を公開し、今後も追加するとしています。2026年10月25日の公式READMEでは、主要結果(top-line results)の約42%が形式化済みと説明されています。これは全719原稿の42%という意味ではなく、形式化されていない主張が残っている点も重要です。

じゃあLeanがあれば全部正しい?

ここも少し注意が必要です。

Leanによる形式化は非常に強力な検証手段ですが、今回公開されたすべての原稿が形式化済みではありません。

OpenAIのGitHubには、

  • さまざまな検証段階の成果が含まれる
  • すべてにLean形式化があるわけではない
  • 未形式化の結果には問題がある可能性がある
  • 問題が見つかれば修正していく

という注意書きがあります。

だからニュースを見るときは、

「AIが主張した」 「専門家が確認した」 「形式証明まで通った」

を同じ箱へ入れないことが大切です。

AIが数学者を置き換えるニュースなの?

現時点では、そう考えるより研究の役割分担が変わり始めたと見る方が自然です。

AIが大量の候補を探索し、証明案を作り、場合によっては形式化まで進める。

一方、人間側には、

  • 問題設定に意味があるか
  • 既存研究との関係は正しいか
  • 本当に新規性があるか
  • 証明の前提に問題がないか
  • どの成果が重要なのか

を評価する仕事があります。

実際OpenAIも、数学コミュニティへの公開方法について独立した助言グループと相談し、引用、改訂、検証の仕組みを整えながら公開しています。

AIの能力だけでなく、AIが大量に生み出す研究成果を人間社会がどう査読するかまで含めて、新しい研究インフラが必要になり始めています。

2026年10月15日の追加発表:人間による検証も支援

OpenAIは10月15日、AIが生み出した数学成果を数学者が検証・理解し、次の研究へつなげるため、Simons Foundationの新たな取り組みに500万ドルを拠出すると発表しました。研究会・会議・特別プログラムの支援に加え、対象研究者へモデルや計算資源も提供すると説明しています。

これは個々の証明がすべて正しいと認定されたという発表ではありません。大量の候補を生み出すだけでなく、人間が再検証できる体制を整える必要があることを示す動きです。

初心者が覚えておきたい3つ

今回のニュースは、次の3点を押さえれば十分です。

  1. AIが既知のテスト問題だけでなく、数学のopen problemへ本格的に使われ始めている
  2. OpenAIは大規模な研究成果とLean形式化を公開し、第三者が確認できる形を増やしている
  3. 公開された成果はすべて同じ検証段階ではないので、「AIが言った」と「証明が確認された」は分けて読む

Rossy Laboratoryの見方

今回いちばん大きい変化は、AIが「論文を要約する道具」から、新しい研究結果そのものを提案する道具へ進み始めたことだと思います。

そして同時に、AI時代らしい別の問題も見えてきました。

成果を大量に作れるようになるほど、ボトルネックは「作ること」から検証すること、重要なものを見つけること、既存研究と照合することへ移っていきます。

生成AIで文章や画像を大量に作れるようになった時と、少し似ています。

作れる量が増えたからこそ、「何を信用するか」の仕組みが重要になる。

数学という厳密さが求められる世界で、その変化がかなり見えやすい形で現れたのが今回の発表です。

参考にした一次情報

この記事は2026年10月7日に公開した初版を、10月25日にOpenAIの公式発表(10月15日の追記を含む)と公式GitHubリポジトリ「openai/math」で再確認して更新しました。

リポジトリは今後も形式化、修正、改訂が追加される予定です。個別の数学的成果を利用・引用する場合は、必ず最新版と各原稿の検証状況を確認してください。

SOURCES

確認した情報源

NEXT STEP

次は、目的から選ぶ

新着順だけでなく、知りたいテーマから関連する実用記事をまとめて探せます。