AI数学の発表は、どの問題に挑み、何を証明し、形式化が元の問いに忠実かを誰が確認したのかを追跡できると有用になる。AlphaProof Nexusには具体的な検討材料があり、証明件数だけでは成果を評価できない理由も見えてくる。
元の報道は、5月のプレプリントに続き2026年10月8日にScienceへ掲載された研究を紹介している。論文は、選定されたエルデシュ問題353問中9問の解決を報告し、そのうち2問は56年間未解決だった。OEISの予想でも492件中44件を証明した。これは準備された集合での結果であり、任意の数学的な問いに対する成功率ではない。
試行した集合から見る
9を353で割ると約2.5％になる。未解決の344問も方法の限界を示す重要な情報だ。問題をLeanで表現し、利用可能な形式ライブラリで支えられることも必要だった。測定値にはモデル能力だけでなく、選定、ライブラリの範囲、計算量が影響する。
証拠としてScience論文、プレプリント、公開証明リポジトリがある。成功したファイルは論理の検証を可能にし、不成功の形式化は評価範囲を明確にする。
正しさを三段階に分ける
Leanは符号化された定義と仮定から証明が導けるかを確認する。しかし、その定義が元の問題を忠実に表しているかは別の確認だ。量化記号や境界条件の変更、強い仮定の追加によって、有効な証明が弱い問いへの答えになることがある。
新規性も別途調べる必要がある。既存の定理が同じ結果を含意している可能性があるためだ。原報道は、報告された1件の新規性に疑問を呈した監査を紹介している。形式的導出の有効性を否定するものではないが、新しい研究としての主張は変わる。専門家の反応もこの違いを説明する。
エージェントの寄与を確かめる
基本の処理はLeanコードを生成し、検査し、コンパイラの反応から失敗を修正する。高度な構成は協調探索と専用のAlphaProof証明器を加える。ただし、報告された最も単純な構成も、専用ツールを使わず同じ9問を解いた。
複雑な構成を成果の理由とする前に、除去実験を見るべきだ。モデルと検証器の直接的なループが成果の多くを説明する可能性がある。追加部品の価値は、成功数の増加、総費用の削減、研究支援の改善によって測る必要がある。
研究全体の費用を見る
成功した推論実行は費用の一部にすぎない。失敗した探索、形式化、ライブラリの保守、専門家の審査、形式証明を理解できる説明へ変える作業も必要になる。それらを除いた成功単価では、発見の総費用は分からない。
試験導入では、問題文、試した戦略、機械で検査できる成果物、計算費用、人的介入を一緒に保存したい。忠実な形式化を審査し、証明を検証し、新規性と説明上の価値を確認してから、新たに問題を解決したと表現する。
他分野への示唆は、確率的生成を厳密な評価器と組み合わせ、中間成果を残し、自動検査の外側へ専門家の注意を向けるという設計にある。元の報道はこの限定的だが実用的な結論を支える。証明数に加え、独立監査と従来解けなかった問題への改善で進歩を測るべきだ。