何が起きたか
OpenAIは、同社の数学特化モデルGPT-5.6 Sol Ultraが、約50年前に提起されたグラフ理論の予想を1時間未満で証明したと報告しました。論文執筆はGPT-5.6 Solが担い、証明そのものはモデルが導き出したとされます。
対象となった予想は、頂点と辺からなる任意のネットワークにおいて、各辺をちょうど2回ずつ通過する閉路（サイクル）の集合を必ず見つけられるか、という問いです。1970年代に複数の数学者が独立に定式化し、特殊ケースの部分的な解は数多くあったものの、一般に受け入れられた証明は存在しませんでした。
なぜ重要か
マンチェスター大学のトーマス・ブルーム氏は、この証明を「非常に美しい」とし、「短く、初等的で、1980年代に発見されていてもおかしくなかった」と評しました。新しい数学理論は不要で、既知の道具を巧みに組み合わせたものだといいます。
興味深いのは「なぜ人間は解けなかったのか」という点です。ブルーム氏によれば、鍵となるステップは直感に反する小さな捻りにありました。人間なら自然な方針を試し、線形代数の検算で失敗すると「まあ、こんなに簡単には解けないだろう」と肩をすくめて諦める。だがAIは落胆せず、小さな変形を延々と試し続けます。この「諦めなさ」こそが差を生んだという解釈です。
引用の欠落という論点
一方でブルーム氏は、証明の核となる発想が少なくともBermond・Jackson・Jaegerによる1983年の論文にまで遡ると指摘し、OpenAIの論文がこれらの先行研究に一切触れていないことを「残念だ」と批判しています。AI生成の証明では、文献のアイデアや証明戦略を適切な引用なしに用いる問題が頻発するといい、AIが単独で解を思いついたとは考えにくいとも述べています。AIの最初の問題解決本能は、関連論文を検索して読むことだからです。
実際、人間が書いたプロンプトは「粘り強さ」を工学的に設計していました。完全な証明が存在すると仮定させ、予想が既に解決済みかをネットで検索することを禁じ、「未解決」と答えることも禁止。検証も厳格で、部分的結果や他の未証明予想への帰着、研究サマリーなどは不十分として却下されました。64のエージェントの多くはあえて有望な方針を知らされず独立思考を促され、敵対的エージェントが典型的な誤り（閉路の誤認識や新たな橋を生む帰着など)を点検しました。モデルは最低8時間計算してから諦めることを許されていましたが、実際には1時間で完了しました。
ブルーム氏は、OpenAIが最近解いた単位距離予想と並べ、どちらも「予想よりずっと易しかった」と述べます。既存の成熟した理論と忍耐だけで解ける問題は今後AIが次々と崩すが、それらは未解決問題全体のごく一部にすぎず、事前にどれがそうかは分からない、というのが氏の見立てです。
💼 事業会社視点：これは自社にどう効くか
この一件は「AIがどの問題で効くか」の輪郭を示しています。ブルーム氏の指摘通り、AIが崩したのは既存の成熟した理論と忍耐だけで解ける問題であり、しかも事前にどれがそうかは分かりません。事業への含意は明快です。第一に、勝ち筋は「大量のエージェントに諦めず変形を試させる」設計にあります。SaaSや受託開発の現場でも、AI活用の差は単発プロンプトではなく、粘り強さと検証を工学的に組み込んだ運用設計（敵対的チェック、独立思考、厳格な合否基準)で決まります。第二に、引用欠落という弱点は法務・信頼性リスクです。AIは既存知見を出典なしに再構成しがちで、成果物をそのまま外部提出・公開する運用は危うい。役員は「AI生成物には人間による出典検証工程を必須にする」ガバナンスを今すぐ整えるべきです。第三に、OpenAIが成功だけを公表する点も忘れてはなりません。派手な突破例に投資判断を引きずられず、自社の課題が「忍耐で解ける型」かを冷静に見極めることが問われます。