「50年動かなかった壁」を破った日 — Claudeのリーマン予想関連記録を読み解く

2026年8月11日、Anthropicが公開した一本のレポートが、数学界とテック業界の両方をざわつかせた。同社の未公開モデルが、リーマン予想に関連する数学的な記録を 41.6%から67.2%へ 更新したという。最初に確認しておきたい——リーマン予想そのものが解かれたわけではない。それでもこの出来事が注目に値するのは、AIが「人間がまだ書いていない結果」を出した、という一点においてである。

そもそも、何の数字なのか
半世紀かけて8ポイント、という前史
AIは何をしたのか——発明ではなく「接続」
慎重に見るべき3点
ビジネスの視点で何を読み取るか
参考

そもそも、何の数字なのか

リーマン予想は1859年に提示された、素数の分布にまつわる未解決問題だ。解決者に100万ドルが贈られるミレニアム懸賞問題の一つでもある。予想の主張はシンプルで、「ゼータ関数のゼロ点は、すべてある一本の直線（臨界線）の上に並ぶ」というもの。

問題は、この「すべて」を誰も証明できていないことだ。そこで数学者たちは搦め手を使ってきた。全部は無理でも、「少なくとも何%が線の上にあるか」という保証値を、少しずつ引き上げていくのである。41.6%とは、これまで人類が到達していた最良の保証値だった。「少なくとも4割強は確実に線上にある」。今回それが67.2%になった。

半世紀かけて8ポイント、という前史

臨界線上にあると保証されたゼロ点の割合単位：% ／各年の最良の下界（値が大きいほど強い保証）1942 Selberg「正の割合が存在する」（数値なし）1974 Levinson33.31989 Conrey40.02011 Bui ほか41.12020 Pratt ほか41.62026 Claude67.20255075100

1974年から2020年までの46年間で、この数字は33.3%から41.6%までしか動かなかった。年あたり約0.18ポイント。そこに26ポイントの上積みが一度に乗った。
※2020年の値は出典により41.6%／41.7%と表記が分かれる。Anthropicの発表は41.6%を基準としている。

この推移が、今回の結果の意味をいちばん端的に語っている。第一線の数学者が総力を挙げて、半世紀で8ポイント。だから「壁を破った」という表現が使われる。

AIは何をしたのか——発明ではなく「接続」

Claudeがやったのは、新しい数学を無から生み出すことではなかった。すでに存在していた2つの研究の系統を、つなぎ合わせたのだ。

一方は1973年のMontgomeryによるペア相関の手法（近年、リーマン予想を前提にしなくても使えるよう改良が進んでいた）。もう一方は2000年のBombieriによる二次形式の解析。この2つを、正の部分と負の部分に切り分けずに「全体として」扱う——その処理が突破口になった。誰も試していなかった組み合わせだった。

プロセスの内訳：約60個のサブエージェントが並列で動き、650個のアイデアを試し、2,400回のシェルコマンドと数百のPythonスクリプトを走らせ、3,100万トークンを消費して、およそ1.5日で到達した。60体のうち決定的なアイデアを出したのは2体。13体が補助的に貢献し、30体は失敗し、13体が検証を担い、2体が論文を書いた。

つまりこれは「天才が閃いた」話ではない。膨大な試行を、安く、並列に回しきった話に近い。

慎重に見るべき3点

リーマン予想の証明には近づいていない。Anthropic自身が「今回の手法が予想の証明につながるとは考えていない」と明記している。残る32.8%は手つかずのままだ。
まだ査読を通っていない。社内の数学者2名に加え、この分野の専門家であるBrian ConreyとDan Goldstonが検証し、証明支援系Leanによる形式検証も通過している。ただし学術誌への投稿は済んでいない。
「誰の功績か」が未整理。2026年6月には著名な数学者たちが「証明は責任を負う著者に帰属すべきだ」とする声明に署名している。一方でフィールズ賞受賞者のTimothy Gowersは、AIが見つけた定理に人名を冠する必要はないのでは、という見方を示している。

ビジネスの視点で何を読み取るか

この事例が示しているのは「AIが人間より賢い」という話ではない。探索コストが崩れた、ということだ。

分野をまたぐ論文の組み合わせを650通り試すには、これまで優秀な研究者の数ヶ月が必要だった。それが1.5日と計算資源に置き換わった。この構造は数学に固有のものではない。既存の知見は十分に揃っているのに、それを突き合わせる人手が足りないために止まっている問題——特許の先行技術調査、素材の組み合わせ探索、規制と実務のギャップ分析、社内に散在するナレッジの再結合。こうした「組み合わせ探索型」の課題は、まっさきにAIの守備範囲に入っていくだろう。

逆に言えば、答えが既存知識の外側にしかない問題では、AIはまだ人間を代替しない。興味深いことに、Claude自身も着手前は「意味のある進展は難しい」と判断していたという。難しさの相場観を学習データから引き継いでしまい、自分の能力を過小評価していたわけだ。

67.2%という数字が最終的にどう評価されるかは、査読の結果を待つしかない。ただ、AIが「人間がまだ書いていない結果」を出しはじめたという事実だけは、すでに動かない。