AIが数学の未解決問題を次々と証明――「疲れ知らずの思考力」時代に人間に残る仕事とは

2026年、AIが解いた未解決問題の数々

2026年1月、OpenAIのGPT-5.2 Proが、20世紀最大の数学者ポール・エルデシュが残した未解決問題集の第728番を証明しました。フィールズ賞受賞者のテレンス・タオ氏はこの成果を「既存の文献では再現されない、ほぼ自律的な解決」と高く評価しています（ビジネス+IT、2026年1月）。

さらに2026年2月には、AIスタートアップのAxiom社が開発した「AxiomProver」が、代数幾何学・数論の分野で4つの未解決問題を解決したと発表。Chen-Gendron予想（2021年以来未解決）やFel予想（ラマヌジャンのノートに関連）などが含まれます（Semafor、2026年2月13日）。

エルデシュ問題のウェブサイトでは、2025年末以降に15問が「未解決」から「解決済み」に移行し、うち11問がAIの関与を明記しています。2025年末にはGeminiがIMO（国際数学オリンピック）で金メダル水準に達しており、AIの数学的推論能力は加速度的に向上しています。

ただし、過信は禁物です。2025年10月には「ChatGPTがエルデシュ問題を解いた」とSNSで話題になったものの、実際には既存文献を検索しただけだったケースもありました。Axiomの証明の一つにも同様の指摘がされており、AIの成果には人間の専門家と形式検証ツール（Lean等）による確認が不可欠です（日経クロステック、2026年4月）。

42年間未解決だった「ネステロフ問題」をGPT-5が突破

ソウル国立大学の数学者Ernest Ryu氏は2025年10月、GPT-5 Proを使って「ネステロフ加速勾配法（NAG）の点収束証明」という42年来の未解決問題を解きました。NAGとは、機械学習の最適化で広く使われる手法で、1983年にYurii Nesterov氏が発明したものです。なぜこの手法が高速かつ安定的に動作するのか、研究者たちは40年以上説明できませんでした（OpenAI公式ブログ）。

Ryu氏の取り組みで注目すべきは「AIと人間の協業モデル」です。GPT-5が生成したアイデアの約80%は間違いでしたが、残り20%の中に、隣接分野から借りてきた斬新なアプローチが含まれていました。Ryu氏はそれらを取捨選択・検証し、わずか3日間（実質12時間の探索）で突破口を見つけました。最終的な証明はRyu氏が執筆しましたが、核となる着想はGPT-5から得られたものです。

これは中小企業のAI活用にも通じる構図です。AIは「疲れ知らずの働き者」として大量のアイデアを高速で生成しますが、最終判断は人間が行う。この「人間×AI」の協業こそが、数学でもビジネスでも最も生産的な使い方であることを、この事例は示しています。

リーマン予想――AIはミレニアム懸賞問題に到達するか

167年前にベルンハルト・リーマンが提唱した「リーマン予想」は、素数の分布に関する数学最大の未解決問題の一つで、解決には100万ドルの懸賞金が掛けられています。2026年5月現在、AIによる解決には至っていません（MathLumen）。

しかし、テレンス・タオ氏は「2026年中にAIは数学研究の信頼できる共著者になる」と予測しています。エルデシュ問題やネステロフ問題のような「中規模の難問」を次々と攻略しているAIが、いずれリーマン予想のような超大型問題に挑む日が来ても不思議ではありません。

専門家の間では「AIが直接証明を書く」のではなく、「人間の数学者が見落としていた方向を提案する」形での貢献が有力視されています。ネステロフ問題でGPT-5が果たした役割と同じ構図です。仮に今後リーマン予想が解かれるとすれば、それは「AIが解いた」というより「AIと人間が協力して解いた」と表現されることになるでしょう。

AIの頭脳を支える「データ労働」の実態

AIが未解決問題を解くまでに進化した裏側には、世界中の「データ労働者（ゴーストワーカー）」の存在があります。AIモデルを訓練するには、人間がデータにラベルを付け、出力を評価し、回答の品質を判定する膨大な作業が必要です。世界銀行の推計では、全世界で1億5,400万〜4億3,500万人がオンラインギグワークに従事しており、AI関連のデータ作業はその大きな部分を占めています（Communications Workers of America、2025年）。

データラベリング市場は2029年までに約70億ドル（約1兆円）規模に成長すると予測されています。Scale AI社（評価額290億ドル）のように、Meta・OpenAI・米軍向けにデータラベリングを行う企業も急成長中です。中国政府もデータアノテーション産業を「800億元（約1.1兆円）規模に育成する」と公言しており、AI開発の裏方に国際的な競争が生まれています（HeroHunt、2026年）。

しかし、この「データ労働」には深刻な問題もあります。国際労働機関（ILO）によると、途上国のデータ労働者の時給はわずか2ドル程度。突然のアカウント停止や無報酬の「研修」タスクも横行しています。AIの「安全性」を確保するために有害コンテンツのチェックを行う労働者は、日常的に暴力・差別的な画像やテキストにさらされ、精神的健康への深刻な影響が報告されています（TechEquity Collaborative、2025年9月）。

Meta社では2026年に、AIトレーナー1,100人が組合結成直後に解雇される事態が発生しました（TechStory）。AIの驚異的な進歩の裏には、使い捨てにされやすい労働力が存在する――これは、人手不足に悩む中小企業にとっても他人事ではない構図です。

中小企業経営者にとっての意味

「AIが数学の未解決問題を解いた」と聞くと、自社の経営とは無関係に思えるかもしれません。しかし、この進歩が示しているのは「AIの思考能力が、専門家レベルの知的作業を代替できる段階に入った」という事実です。

中小企業白書2026年版によると、AI活用に取り組む中小企業はまだ1〜2割にとどまります。一方、2040年までに日本の生産年齢人口は約1,200万人減少する見通しです。人手不足を補い、限られた人員で生産性を上げるためのAI導入は、もはや大企業だけの課題ではありません。

世界経済フォーラム（WEF）は2025-2030年に世界で1億7,000万の新規雇用が生まれ、9,200万の既存雇用が失われると予測しています。「AIに仕事を奪われる」のではなく、「AIを使えない企業が競争に負ける」時代が始まっています。

そして「データ労働」の問題は、AIツールの倫理的な選択という形で中小企業にも関わってきます。導入するAIサービスがどのような労働慣行で成り立っているかは、今後ESGやサプライチェーン透明性の観点から問われる可能性があります。