たった3行の反例——AIが87年間誰も解けなかった「ヤコビアン予想」を崩した日

Shiritomo編集部 @shiritomoAI_jp 2026年7月23日更新

決勝戦を横目に見ながら、片手間で試したら反例が出てしまった——。
数学者の1人がXでそう明かした投稿に、驚きが広がりました。
舞台は1939年から87年間、誰も解けなかった代数幾何学の未解決問題です。

AIに何を任せられるかを見極めたい読者にとって、この一件は分かりやすい判断材料になりそうです。
人間が87年かけても崩せなかった問題に、AIはどうやって風穴を開けたのでしょうか。
調べてみました。

先に結論をまとめると：
– Anthropicの「Claude Fable 5」が、1939年から未解決だった「ヤコビアン予想」に対する反例を生成しました
– 反例はわずか数行で書ける多項式で、専門知識がなくても計算ソフトで検証できるほど単純です
– 著名数学者テレンス・タオ氏も分析に加わり、世界中の数学者による独立検証がすでに進んでいます

Xで広がった「決勝戦を見ながら片手間に」の衝撃

きっかけは、数学者のLevent Alpoge氏が同僚の数学者に勧められ、ヤコビアン予想をClaude Fable 5に投げてみたことでした。
ヤコビアン予想とは、1939年にドイツの数学者オットー=ハインリッヒ・ケラー氏が提起した問題で、「局所的に逆向きの変換ができる多項式の写像は、全体でも逆向きの変換ができるか」を問うものです。
代数幾何学の定番教科書にも演習問題として掲載されるほど有名な難問でした。

この様子をXで見ていたユーザーの投稿が、状況の異様さをよく伝えています。

すごい、ワールドカップ決勝を見ながら片手間に、非常に難しいとされた数学の未解決問題（ヤコビアン予想、1939年〜）をFable 5に投げてみたら「予想が成立しない」という反例が出てきてしまったとのこと
数学者コミュニティでも正しいとされたらしく、既にWikipediaにも反映された模様 https://t.co/eawfWvS1nm
— 今井翔太 / Shota Imai@えるエル (@ImAI_Eruel) 2026年7月20日

数学者コミュニティでも反例の正しさが認められ、投稿から時間を置かずにWikipediaの記述にも反映されたといいます。
ただ、「AIが解いた」というだけでは、どれほどの成果なのか実感しにくいところです。
そこで反例の中身を確かめてみました。

調べて分かったこと

87年間、何が壁になっていたのか？

ヤコビアン予想が長らく未解決だったのは、反例を探す対象があまりに広大だったためです。
条件を満たす多項式の組み合わせは無数にあり、人間が手作業やプログラムでしらみつぶしに試すには限界がありました。
実際、この問題の重さはX上でも強く共有されていました。

87年間未解決だったヤコビアン予想が、AIのFableが発見した反例によって否定的に解決されました！

この予想は代数幾何学の名著Hartshorneにも、未解決問題として演習に掲げられていた問題です。
しかも、その反例は人間の手でも検証できるほど簡潔です。まさかこんな形で決着するとは驚きですね！ https://t.co/Zrmker3fXN pic.twitter.com/pIy50jOSnY
— 数理ちゃん (@yohaku121244) 2026年7月20日

投稿者が触れている通り、この予想は代数幾何学の名著「Hartshorne」にも未解決問題として掲げられていた、いわば業界の定番の壁だったわけです。

AIはどうやって87年分の壁を崩したのか？

Alpoge氏がClaude Fable 5に生成させたのは、3つの変数からなる次数7の多項式でした。
この多項式は、ヤコビアン行列式（写像の局所的な伸び縮みを表す値）が定数マイナス2という条件を満たしながら、3つの異なる入力が同じ出力に写ってしまう性質を持っています。
局所的には条件を満たすのに、全体では1対1の対応になっていない——これが予想を覆す反例の核心です。

驚くべきは、この反例が査読論文ではなくSNSへの短い投稿として発表された点です。
数式がわずか数行で書けるほど簡潔だったため、専門の計算ソフトを使えば誰でも数分で正しさを確認できました。
発表から間もなく、世界中の数学者による独立検証が広がり、著名数学者のテレンス・タオ氏も自身のブログで反例の構造を分析しています。
日本の数学研究者からも、AIの試行錯誤が人間の探索の限界を超えた事例として評価する声が上がりました。

動画で解説を試みた専門家もいます。

【新着動画】

緊急で動画回しました！

今数学界を賑わせている、Claude Fable5が見つけたヤコビアン予想の反例について解説しましたhttps://t.co/oMGZie7i0c pic.twitter.com/2ukgOodCdT
— ヨビノリたくみ😬 (@Yobinori) 2026年7月21日

人間が87年かけて見つけられなかった反例を、AIが広大な探索空間の中から見つけ出す——今回の一件は、AIの強みが「膨大な候補を根気強く試す力」にあることを改めて示した形です。

Shiritomo編集部の考察：「AIに広く探させ、人間が検証する」分業がヒントになる

今回の一件で注目したいのは、AI自身が正しさを証明したわけではないという点です。
反例を生成したのはAIですが、それが本当に正しいかを最終的に確かめ、世界に発信して裏付けを広げたのは人間の数学者たちでした。
AIが「広い可能性を高速に探る」担当、人間が「検証して意味づける」担当という役割分担が、この事例では機能していたことになります。

この構図は、SNSマーケティングの現場にもそのまま応用できそうです。
訴求軸の組み合わせや配信タイミングのパターンは、人力で全て試すには数が多すぎます。
AIに広く候補を出させ、実際に効果が出た案だけを人間が精査して採用する——今回の数学界の出来事は、そうした分業のモデルケースとして参考にできるでしょう。
あわせて、AIの提案を鵜呑みにせず第三者が検証できる形で公開する姿勢も、業務でAIを使う上で見習いたいポイントです。