Claude MythosがエルデシュAI問題を証明——「シンプルな証明」でOpenAIを超えた意味

Claude MythosがエルデシュAI問題を証明した経緯

2026年5月、The Decoderが報じた内容によると、Anthropicの研究モデルとされる「Claude Mythos」が、OpenAIが「AIの数学能力の画期的な成果」として発表したエルデシュ予想（Erdős conjecture）の証明に独自のアプローチで成功したとされています。

特筆すべきはその証明の性質です。報道は証明を「cute, simple proof（かわいらしく、シンプルな証明）」と表現しており、OpenAIの複雑なアプローチとは対照的な方法論でたどり着いたとされています。

数学的に言えば、より短く簡潔な証明はより価値が高いとされます。同じ定理に対して「複雑な証明」と「シンプルな証明」があれば、シンプルな方が洞察が深く、他の問題への応用も容易なことが多いためです。

エルデシュ予想とは何か

ポール・エルデシュ（Paul Erdős、1913〜1996）はハンガリー出身の数学者で、生涯1,500以上の論文を発表した20世紀最多産の数学者の一人です。彼が提示した予想群は「エルデシュ問題」として知られ、解かれたものにも数十万ドルの懸賞金が設定されていたほどです。

今回の問題が具体的にどのエルデシュ予想を指すかは報道から特定できていませんが、AIがこのクラスの未解決問題を解けるようになったことは、数学AIの能力が新しい段階に入ったことを示しています。

AI証明の検証方法

AI生成の数学証明が「本当に正しいか」を確認するために、形式的証明支援ツールへの変換が重要なアプローチです。

dev.toで紹介された取り組みでは、OpenAIが発表したエルデシュ証明の論文中の数式（Equation 2.2）を実行可能なPythonコードに変換して検証しています：

# OpenAI Erdős結果の数式2.2を実行可能なコードに変換した例
# （概念的な実装例）

from typing import Set, List
from itertools import combinations

def check_erdos_property(sequence: List[int], threshold: int) -> bool:
    """
    エルデシュ予想の条件を数値的に検証する関数の骨格
    実際の証明とは異なる数値検証の例
    """
    n = len(sequence)
    count = 0
    
    for i, j in combinations(range(n), 2):
        if abs(sequence[i] - sequence[j]) <= threshold:
            count += 1
    
    # 予想される閾値条件を確認
    expected_min = n * (n - 1) // 4  # 概念的な下限
    return count >= expected_min

# 検証例
test_seq = [1, 3, 5, 7, 9, 11, 13]
result = check_erdos_property(test_seq, threshold=4)
print(f"条件を満たす: {result}")

より厳密には、Lean・Coq・Isabelleといった形式的証明支援言語へ変換することで機械的に正しさを検証できます：

-- Lean 4での形式的証明の概念例
theorem erdos_property (n : ℕ) (hn : n > 0) : 
    ∃ sequence : Fin n → ℤ, ∀ (i j : Fin n), 
    i ≠ j → |sequence i - sequence j| ≤ n := by
  -- 証明の骨格
  use fun i => ↑i.val
  intro i j hij
  simp
  omega

Anthropicのエージェントサンドボックス戦略

Claude Mythosの数学証明能力が話題になる同時期に、Anthropicはエージェントの能力レベルに応じたサンドボックス（隔離管理）の仕組みを開発していると報じられています。

能力レベルによる権限制限の概念図:

Level 1（低能力エージェント）:
  ├─ 読み取り専用のファイルアクセス
  ├─ 外部ネットワーク: 限定されたドメインのみ
  └─ 実行できるコマンド: 安全なリストのみ

Level 2（中能力エージェント）:
  ├─ ファイルの読み書き（指定ディレクトリ内）
  ├─ 外部ネットワーク: 承認済みAPIのみ
  └─ 実行コマンド: 確認付き

Level 3（高能力エージェント）:
  ├─ 広範なシステムアクセス（監査ログ付き）
  ├─ 外部ネットワーク: 幅広いアクセス
  └─ 人間による承認が必要なアクション

この考え方はClaude Codeのデフォルト動作にも反映されています。強力な操作（git push・ファイル削除）は確認ダイアログが表示され、--allowedToolsで権限を明示的に絞れます。

数学AIの実務への影響

現時点での実用的な活用領域：

AIによる数学証明の検証ツールへの組み込みが進めば、ソフトウェアのバグが数学的に「存在しない」ことを証明できる形式検証の普及につながる可能性があります。

あわせて読みたい

• 【2026年版】生成AIが得意な5つのこと・苦手な3つのこと｜思考力が必須な理由
• AnthropicのMCP設計の欠陥：プロンプトインジェクションとRCE攻撃の実例と対策
• AMD ROCmが14日間で75倍高速化——DeepSeek後のAIハードウェア競争の最前線