ClaudeがLeanでフェルマーの最終定理を形式化する

Anthropicは、Claudeによって生成された、フェルマーの最終定理（FLT）の完全なコンピュータ検証済み証明を発表した。このAIシステムは11日間、ほぼ自律的に作業し、Leanコード1300万行を記述し、最終証明に使われる29,500の補助定理を証明した。数学界は、この証明を形式化するには数年かかると予想していた。

業績：FLTの自動形式化

Claudeによるフェルマーの最終定理の形式化は、人間が読める数学的推論を、コンピュータがアルゴリズム的に検証できる形式に変換する「自動形式化」の分野における重要な里程碑である。

プロジェクトの主な技術的指標は以下の通りである：

期間：11日間の自律的作業。
規模：Leanコード1300万行。これは、Leanの主要コミュニティライブラリであるMathlibの5倍以上である。
複雑性：合計30,300の定理が証明されたが、最終証明に使われたのは29,500個。
リソース消費：内部研究モデル（Claude Fable 5.1と同等）から約60億の出力トークンを生成。

証明は、アンドリュー・ワイルズによる1995年の証明の簡略化された版、特にDarmon、Diamond、Taylorによる解説に基づいている。証明はLeanの3つの標準公理のみに依拠しており、MathlibのFLTの記述と一致するかを比較器で検証された。

証明の検証課題を克服するためのProve2Me

複雑な証明を形式化することは困難である。Leanのような証明支援ツールでは、すべての論理的ステップを明示する必要があるが、人間の証明では「自明」とされるステップを省略することが多い。この複雑さを管理するために、Anthropicはコロンビア大学のTianyi Peng氏らが開発したオープンで協働的なプラットフォームであるProve2Meを活用した。

Prove2Meは、このプロジェクトの成功を支えた3つの主要なメカニズムを提供した：

有向非巡回グラフ（DAG）管理：定理の記述をDAGとして維持することで、複数のエージェントが並列で作業でき、次に証明すべき内容の明確なロードマップを提供し、メモリ劣化を軽減した。
最適化されたコンパイル：定理の記述とその証明を別々のファイルに分離することで、Leanのコンパイル時間とリソース消費を削減した。
自然言語インデックス：各定理の記述には自然言語による説明が付随しており、エージェントチーム内の検索と再利用を容易にした。

数学研究への影響

この成果は、AIが既存の数学文献の大部分を形式化できるようになったことを示しており、分野の厳密性と検証に即座に影響を与える。

ピアレビューの負担軽減

従来、新しい数学的結果の検証には数か月乃至数年を要する。自動形式化により、人間の査読者の負担を軽減し、現在高コストな人間主導のプロセスであるLLM生成数学の厳密な検証が可能になる。

AI自身の推論能力の強化

Anthropicは、Leanコードを書くことでClaudeが新たな結果を証明できることに注目している。証明の発見と並行して形式化を行うことで、AIは自らの仮説を独立して検証でき、研究者が数値シミュレーションを使って方向性を検証するのと同様の効果を得られる。

コミュニティの見解と批判

この業績は、インペリアル・カレッジ・ロンドンのKevin Buzzard氏によって「驚異的」と評されたが、技術コミュニティ内で証明の性質について大きな議論を呼んだ。

「スパゲッティコード」への懸念

一部の批判者は、コード量が膨大（1300万行）である点から、証明が非効率的で、人間の数学者が目指す再利用可能な抽象化が欠けている可能性を指摘している。あるコメントでは以下のように述べている：

実際、まったく役に立たない。FLTを形式化する目的は、現代の数論を再利用可能な抽象化に整理することだった…もし1300万行のコードなら、あまりにスパゲッティ状態で、結果以外では使えないかもしれない。

検証者の信頼性

証明が非常に巨大でAIによって生成されたことから、Leanカーネル自体の潜在的なバグをAIが悪用した可能性があるとの疑問が呈された。証明が巨大でAIが生成したため、「誰が検証者を検証するか」という問題が浮上し、このような大規模な出力に対しては、より小さなカーネルであるMetamathの方が信頼性が高いとの意見も出ている。

ブルートフォースの社会的価値

「ブルートフォース」による自動形式化が、人間主導の形式化と同等の価値を提供するかについて議論がある。一部の意見では、有名な問題を巨大なトークン消費とエージェントスケーリングによって解くことで、人間が理解可能な形式化ライブラリを作成するための地道な作業をAIラボが抑制する可能性があると指摘している。