まず、この10問が何であるかを明確にしましょう。
これらは数学コンテストの問題でも古典的な難問でもありません。FirstProofチャレンジからの未発表の研究レベルの数学問題であり、参加者にはプロの数学者や数学の博士号取得者が含まれています。要件は、答えが正しいこと、そしてピアレビューに耐えうる厳密な数学的証明を伴うことです。
DeepMindの最新数学AIであるAletheiaは、そのうち6問を解決しました。
5問は外部専門家により「軽微な修正で出版可能」と評価されました。これは何を意味するのでしょうか？これらの解答の質が、実際の学術論文の水準に達していることを意味します。
Aletheiaの仕組み
Aletheiaの基盤モデルはGemini 3 Deep Thinkであり、テスト時計算の延長によってパフォーマンスを向上させています。しかし、単一の大規模モデルを実行するだけではなく、マルチエージェントフレームワークです：
- Generator：初期の解答アイデアを生成
- Verifier：証明ステップの論理的ギャップを検証
- Reviser：検証フィードバックに基づいて証明を修正
- Google Searchを統合し、最新の数学文献にアクセス
このアーキテクチャの背後にある考え方は、証明の検証は生成よりも簡単であるということです。数学の証明では、推論の各ステップは正しいか間違っているかのどちらかです。これは、コンテンツを生成するよりもはるかに簡単な、比較的客観的な判断です。したがって、Verifierにゲートキーパーの役割をさせることで、「一見正しそうだが実際には欠陥がある」解答の発生をある程度減らすことができます。
Aletheiaが行うもう一つの注目すべき点は、本当に解けない問題に遭遇した場合、間違った答えを強制するのではなく、「解答が見つかりません」と明示的に出力するか、タイムアウトすることです。「自分が知らないことを知っている」という設計は、強制的な幻覚よりも数学のシナリオではるかに重要です。
OpenAIとの比較
FirstProofチャレンジでは、OpenAIも内部モデルを参加させていました。
初期の報告では、OpenAIのモデルも6問を解決したとされていました。その後の再調査で、第2問に論理的欠陥が見つかり、5問に減少しました。
同じ条件下でのAletheia：6問解決、外部専門家レビューにより5問が出版可能と評価。
| システム | 解決数 | 専門家レビュー結果 |
|---|---|---|
| Aletheia (DeepMind) | 6 | 5問「出版可能」 |
| OpenAI内部モデル | 5（レビュー後1問格下げ） | 詳細は非公開 |
差は小さいですが、方向性は明確です：数学AIはトップ研究者と対話できる領域に入りつつあります。
IMO-ProofBenchでの91.9%
FirstProofに加えて、Aletheiaは国際数学オリンピックの問題に基づく証明ベンチマークであるIMO-ProofBenchで91.9%の正解率を達成しました。
参考までに：一般的な大学の数学専攻学生のIMO問題の合格率は基本的に20%未満です。トップクラスの数学系博士課程の大学院生で40-60%。IMO銀メダリスト以上でようやく70%を安定的に超えます。
91.9%は、IMOに出場できる人間の競技者の大多数をすでに上回っています。
正直なところ、研究チーム自身も過大評価はしていません。論文には、直接引用する価値のある一文があります：
「Verifierメカニズムがあっても、Aletheiaのエラー率は依然として人間の専門家よりも高い。」
これは珍しい正直さです：ベンチマークスコアは素晴らしいが、「数学者を代替する」にはまだ程遠いということです。
線はどこへ動いているのか
数年前、大規模言語モデルの数学におけるパフォーマンスはこうでした：簡単な問題は正解する、難しい問題は間違える、証明はできない。
現在の状況はこうです：研究レベルの問題の6割を解決でき、その証明のほとんどは出版可能な品質です。
これは「人間より優れている」という意味ではなく、「人間の専門家と問題について議論できる領域に入り始めている」という意味です。数学コミュニティの反応はAIコミュニティよりも微妙です。ある人はこれをツールと見なし、他の人はこれが何を意味するのか真剣に考え始めています。
数学の興味深い点は、その正しさの基準が客観的であることです。証明したか、していないかのどちらかです。コードの品質は議論の余地がありますが、数学の証明における論理的ギャップは機械で検出可能です。
したがって、数学は「AIが本当に理解しているのか、それとも単なる統計的相関なのか」という問いに、最も早く明確な答えが出る分野の一つである可能性が高いです。今回のAletheiaの6/10は、その答えへの道のりにおける一つの節目です。終点ではありません。
出典：DeepMind's Aletheia Solves 6 Out of 10 Unpublished Research-Level Math Problems（InfoQ、CocoLoop、2026年4月19日）