人間が18年間解けなかった難問を、AIは3日で証明した。科学研究の時間が変わり始めた
2026年11月6日。科学研究の未来を考えるうえで、見逃せない発表があった。
米国の研究企業Physical Superintelligence（PSI）が、量子計算理論の未解決問題「Aaronson–Ambainis予想」の証明を発見したと発表した。2008年から約18年間、未解決だった問題だ。
ところがAnthropicの非公開AIモデルを組み込んだ研究システムは、実行開始から3日目に証明を構築したという。その後、さらに証明を改良した。
私が最も注目するのは量子コンピュータのニュースそのものではない。
「人間の研究者が長年取り組んできた未解決問題に対して、AI研究システムが数日という時間単位で新しい答えを提示するようになったこと」だ。
これは、科学研究における時間の意味が変わり始めた可能性を示している。
何が証明されたのか
量子コンピュータは、特定の問題では従来のコンピュータより劇的に少ない計算手順で答えを導ける。
では、ランダムな入力で特別な規則性がない問題でも、量子コンピュータは圧倒的な優位性を発揮できるのか。
Aaronson–Ambainis予想は、この疑問に関わる数学的な予想だ。今回の証明は量子クエリ計算量という理論モデルで、ランダム入力に対する量子計算の優位性に重要な制約があることを示す。
量子計算のあらゆる高速化や実際の計算時間全般を否定するものではない。
しかし重要な未解決問題が解かれ、しかも新しい証明をAI研究システムが構築したという点が大きい。
「18年を3日で」は正確ではない。それでも重大だ
ここは慎重に考えたい。
AIが18年間分の研究を3日でやり直したわけではない。人間の研究者たちは18年間にわたり、関連する数学的知識や手法を蓄積してきた。今回の研究も、その成果に基づいている。
また、人間が研究課題を設定し、システムを構築し、成果を検討した。AIモデルが単独で研究テーマを発見したわけではない。
それでも、PSIの報告によれば研究システムは実行開始から3日目に証明を得て、その後も改良を進めた。
AIは文献検索や文章作成を手伝う道具から、新しい科学的知識を生み出す研究工程の一部を担う存在へと変わり始めている。
AIが証明し、Leanが検証する
今回の研究では、形式証明支援系Leanが重要な役割を果たした。
生成AIは、もっともらしいが間違った説明を作ることがある。高度な数学でも、見た目には自然だが論理が成立しない証明があり得る。
Leanは証明の形式的な論理が正しいかを機械的に検査する。これはAI自身の「正しいはずだ」という自己評価とは違う。
もちろんLeanが受理したからといって、論文中のすべての科学的解釈まで無条件に保証するわけではない。形式化の妥当性や研究としての意味には、独立した専門家の検討が必要だ。
それでも「新しい成果を探索するAI」と「証明を形式検査するシステム」を組み合わせることには大きな意味がある。
研究の「時間」は変わるのか
従来の研究では、先行研究を調べ、仮説を作り、何度も失敗し、数年、時には数十年かけて発見へ近づいてきた。
その蓄積の重要性は今後も変わらない。
だが、知的な探索や形式検証を中心とする研究では、AIによって所要時間を大きく圧縮できる可能性が現れた。
新しいアルゴリズムを探す。補題を証明する。大量の仮説を比較する。途中経過を保存し、失敗から再試行し、結果を検証する。
研究の速度を決めるものは、人間の研究者の人数や思考時間だけではなくなる。モデルの性能、研究システムの構成、計算資源、検証能力が決定的な要因になり得る。
ただし、実験設備や観測、倫理審査、再現性確認などを伴う研究を、同じように数日へ短縮できるという意味ではない。
大学と次世代の研究者に突きつけられる問い
研究者になるためには長い教育と訓練が必要だ。その価値がなくなるわけではない。AIの出力を評価するには、むしろ深い専門性が必要になる。
一方で、文献調査、補題の探索、計算、実装など、若い研究者が経験を積むために担当してきた作業は、AIが担う割合を増やすかもしれない。
では次世代の研究者はどのように専門性を身につけるのだろう。
何を研究すべきか。どの問いに価値があるのか。AIの成果は本当に信用できるのか。次にどの実験を行うべきか。
これらを判断する能力は、ますます重要になるだろう。
一方、研究の入口が広がる可能性もある。
数学に興味を持つ高校生が仮説をAIと形式化してLeanで検査する。電子工学を学ぶ若者がAIによる設計・シミュレーションを実機製作へつなげる。
AIさえあれば誰でも研究者になれるわけではない。基礎学力、批判的思考、実験技術、学術倫理は欠かせない。しかし、大学や大規模研究所に所属する前から高度な研究活動に参加する機会は増えるかもしれない。
競争は「モデル」から「研究システム」へ
今回の成果はAnthropicの非公開モデルを組み込んだPSIの研究システムによるものだ。使用モデルや計算資源の詳細は十分に公開されていない。
そのため、一般公開されたAIを使えば誰でも同じことができるとは言えない。
それでも重要なことがある。
成果を左右するのは、モデル単体の能力だけではない。課題設定、文献探索、長期実行、証拠保存、失敗からの再試行、形式検証までをどう統合するかだ。
これからは「どのAIを使うか」だけでなく、「AIを使ってどのような研究システムを構築するか」が研究の競争力を左右するだろう。
これはシンギュラリティなのか
今回の成果だけで、AIが自分自身を際限なく改良する再帰的自己進化を実現したと結論づけることはできない。すべての分野で人間の研究者を超えたという証拠でもない。
しかし、従来のベンチマークで高得点を取ったというニュースとは質が異なる。
未解決だった科学的知識の境界に、AI研究システムが新しい結果を加えたという実例だからだ。
18年と3日。その差が意味するもの
18年の人間の研究成果を無視して3日という数字だけを称賛するのは正しくない。
だが、長く未解決だった問題に対し、AI研究システムがわずか数日の実行で証明を提示したという報告は重い。
同じような成果が複数の研究分野で繰り返されるなら、科学研究の進め方は根本から変わるかもしれない。
人間が何年もかけて到達してきた知的成果に、AI研究システムが数日で到達し得る時代。
そのとき私たちは、どう研究し、どう学び、どう次世代を育てるのか。
私は、そこに今回のニュースの本質があると考えている。
参考資料
PSI公式発表（2026年11月6日）
https://psi.inc/research/aaronson-ambainis/
David Turturean, A proof of the Aaronson-Ambainis conjecture
https://arxiv.org/abs/2611.09773
Scott Aaronson ブログ
https://scottaaronson.blog/
※2026年11月11日時点の公開情報に基づく。形式的な検証と専門家による検討は、査読付き学術誌での審査完了を意味しない。
