Lean 4 とは何か ── AI が数学オリンピックに挑み、フェルマーの最終定理がコードに書き写される時代の主役言語

はじめに

2024年夏、AI が国際数学オリンピック（IMO）の問題を解き、銀メダル相当の成績を収めました。Google DeepMind の AlphaProof です。

このニュースで見落とされがちな事実が一つあります ── AlphaProof が答案を書いた言語は、英語でも中国語でもなく、Lean 4（リーン・フォー）というプログラミング言語だった、ということです。

同じころ、数学の側でも静かな革命が進んでいます。鍵になる言葉を一つだけ先に説明させてください。形式化（けいしきか）とは、人間の言葉と数式で書かれた数学の証明を、機械が一行ずつ検査できるプログラミング言語のコードへ翻訳して書き写すことです。

数学の世界ではいま、この形式化が最前線の研究者の仕事道具になりつつあります ── フィールズ賞受賞者のテレンス・タオは自らの最新の研究成果をいち早く Lean 4 で形式化し、英国では「フェルマーの最終定理の証明を丸ごと形式化する」という数年がかりのプロジェクトが始動しました。

人類の数学の到達点を、機械に検査される形へ書き写していく ── その共通の舞台が Lean 4 なのです。

そして2026年春には、日本からも大きなニュースが届きました。

京都大学数理解析研究所の望月新一教授による宇宙際タイヒミュラー理論（IUT 理論）── 発表から１０年以上、正否をめぐって世界の数学者の意見が分かれ続けてきた巨大理論 ── を、Lean 4 の形式化によって中立の立場から検証する国際プロジェクト LANA が、ZEN 大学の ZEN 数学センターから発表されたのです。

率いるのは加藤文元教授、メンバーには後述するリキッド・テンソル実験を主導した形式化の第一人者たちが名を連ねます。人間どうしの議論では決着しなかった長年の論争に、機械検査という新しい審判を立てる ── その審判台に選ばれたのも、やはり Lean 4 でした。

Lean 4 とは何者なのか。なぜ数学者と AI 研究者が、そろってこの言語に集まるのか。そして、数学者でも AI 研究者でもない普通のソフトウェアエンジニアにとって、学ぶ価値はあるのか。

本記事は、この問いに正面から答える入門記事です。前提知識は要りません。プログラミングは Python の経験だけを想定し、論理学も大学数学も未習でよい前提で、すべての専門用語を初出の場で説明しながら進みます。

この記事の全体像 ── 順路と結論を最初に

結論を先に言うと

Lean 4 は、数学の主張を型として書き、その証明をプログラムとして書ける言語です。しかも、証明を支える道具立て（タクティク）も、言語の拡張も、すべて Lean 4 自身で書けるという徹底した自己記述の設計を持ちます。

この設計と、Mathlib（マスリブ）という人類最大級の形式化数学ライブラリの存在が、数学者の共同作業と AI の学習・検証の両方に理想的な土壌を提供しました。数学の形式化と AI ×定理証明の現在の主戦場は Lean 4 です ── これが本記事の結論です。

ここに出てきた用語は、すべて本文で説明します。

順路 ── ３部構成で進みます

第１部（基礎編）── 前提知識ゼロから、次の４段階で土台を作ります。

1.まず「定理証明系」── 数学の証明を機械が支える仕組み ── を３分で知る
2.次に、Lean 4 という言語の個性（自己記述）を知る
3.そして「型が主張になる」という考え方を、一つの例で体験する
4.最後に、Mathlib ── 数学の巨大な共有図書館 ── を知る

第２部（本編）── Lean 4 の歴史、実際に動かす体験、業務の現場（要件から証明までの４ステップと５つの事例）、数学者の５つの型、数学の最前線、AI の現場、世界の潮流と日本の現在地、ソフトウェアの現場、他言語との使い分け、の順に掘り下げます。

第３部（応用編）── 率直な問い（Rocq と Lean 4、どちらを学ぶべきか）、「機械が検査済み」を読むリテラシー、学習リソース、対話篇、発展コラム（折りたたみ）、と続きます。

同じ順路を、一枚の図にしておきます。

先行記事と姉妹記事

本記事は単独で読めます。筆者はこれまで、形式検証の世界を別の角度から紹介してきました。

• λProlog とは何か ── AI が数学を証明する時代、定理証明系 Rocq の内側で働く知られざる言語 ── Lean 4 と並ぶ主要な定理証明系 Rocq の、内側の言語の物語です
   
• F*（F Star）とは何か ── 検証済みコードがそのまま製品で動く、もう一つの生き方です
   
• 形式証明は「仕様が人間の意図を反映しているか」は保証しない ── 本記事の対話篇に登場する２人の初出記事です

想定読者

• これまでプログラミング言語は Python だけを使ってきたエンジニア
   
• AlphaProof や「AI が数学オリンピックで銀メダル」のニュースの背景を知りたい方
   
• 定理証明系（Lean 4、Rocq、Isabelle、Agda など）を学んだことがない方
   
• 数学は好きだったが、大学数学や論理学は未習の方
   
• Lean と Lean 4 の違い、Rocq（旧 Coq）との違いが気になっている方
   
• AI と数学・形式検証の接点に関心のある方

この記事を読む価値

1. Lean 4 とは何か、なぜいま数学者と AI 研究者の主戦場なのかが分かるようになる
    
2. 「型が主張になり、プログラムが証明になる」という発想を、実際に動くコードで体験できるようになる
    
3. Mathlib という人類最大級の数学ライブラリの規模と仕組みがつかめるようになる
    
4. テレンス・タオの形式化やフェルマーの最終定理プロジェクトなど、数学の現場の最前線が分かるようになる
    
5. AlphaProof や DeepSeek-Prover など、AI ×定理証明の潮流の中での Lean 4 の位置が分かるようになる
    
6. Rocq・Isabelle・Agda・F* との違いと使い分けの軸が手に入る
    
7. AI や他人が書いた「Lean で検査済み」の成果物を受け取るときの、３つの検分点（sorry・公理・主張文）が身につく
    
8. コードのどこが自由に付けた名前で、どこが Lean 4 の決まりかを見分けられるようになり、初めてのコードでも骨格が読める
    
9. 言語の得意不得意が土台の論理・公理系と型システムでどう決まるのかを、１６言語の比較と「Lean 4 に原理的にできないこと」の種明かしまで含めて見通せる

TL;DR

（この節の専門用語は、いずれも本文で説明いたします）

• Lean 4 は、定理証明系であると同時に、汎用のプログラミング言語でもある。両者が一つの言語に統合されている
   
• 最大の個性は自己記述 ── Lean 4 のコンパイラも、証明の道具も、言語拡張も、Lean 4 自身で書かれている
   
• Mathlib は数百人の貢献者が育てる形式化数学の巨大ライブラリで、数学の共同事業としても、AI の学習と検証の土台としても機能している
   
• 実務での使い方は４ステップ ── 業務要件を言語化し、合いそうな数学構造を教養と LLM の支援で絞り込み、仮説を Lean 4 の型として書き、機械が証明または反証する
   
• 型を選ぶことは、演算の意味を選ぶこと（Nat の引き算は０で止まる）。本記事で使うタクティクは１０個だけで、応用編に一覧の付録を置いた
   
• 数学の現場では、テレンス・タオの研究の形式化やフェルマーの最終定理の形式化プロジェクトが Lean 4 で進行中
   
• AI の現場では、AlphaProof（IMO 銀メダル相当）をはじめ、証明 AI の多くが Lean 4 を答案用紙として採用している。2025年には自然言語で解く AI が IMO 金メダル水準に達したが、人間の採点者を要する自然言語の答案と、カーネルが検査する形式化された答案は別物 ── AI が証明を量産する時代ほど、機械が採点できる答案用紙の価値は上がる
   
• 「Lean で検査済み」の成果物を受け取ったら、sorry を数え、公理を数え、主張文を読む ── カーネルの保証は主張文の手前で止まり、主張文の検分は人間の仕事として残る
   
• ソフトウェア検証の伝統資産では Rocq に、製品への直結では F* に強みがあり、目的によって使い分ける。数学の形式化と AI の潮流に乗るなら、入口は Lean 4 が第一候補
   
• 言語の得意不得意は、土台の論理・公理系と型システムで原理的に決まる ── たとえば Lean 4 は証明どうしを区別しない設計ゆえに軽くて速い代わりに、複数の等しさを扱う数学（HoTT）は原理的にできず、その領域は Cubical Agda などが受け持つ
   
• Lean 4 も Mathlib も無料のオープンソース（Apache License 2.0）。日本語コミュニティ lean-ja が教科書の翻訳と勉強会を進めており、日本語だけでも学び始められる

Lean 4 の一次情報源

• Lean 公式サイト ── https://lean-lang.org/
   
• 公式ブック "Theorem Proving in Lean 4"、"Functional Programming in Lean"、"Mathematics in Lean"（いずれも公式サイトから無料で読めます）
   
• Lean 4 の GitHub リポジトリ ── https://github.com/leanprover/lean4
   
• Mathlib の GitHub リポジトリ ── https://github.com/leanprover-community/mathlib4
   
• ブラウザ実行環境 Lean 4 Web ── https://live.lean-lang.org/

---

第１部（基礎編）── ４つの土台

基礎編 その１ ── 定理証明系とは何か（３分で）

定理証明系（ていりしょうめいけい）とは、数学の証明をコンピュータの上で書き、その正しさを機械に検査させるためのソフトウェアです。

証明とは、主張が正しいことを、あらかじめ認められた推論の規則だけを使って一歩ずつ示した道筋のことでした。人間が紙の上で書く証明は、行間の飛躍や思い込みが紛れ込みます。定理証明系の上で書く証明は、一歩一歩がすべて機械に検査されるため、検査を通った主張には飛躍もごまかしも残っていません。

そして検査の番人はカーネルと呼ばれる小さな中核部品です。どれほど長大な証明も、最後は必ずカーネルの検査を通らなければ定理として認められません。この「小さな番人がすべてを最終検査する」構えは、Lean 4 でも、姉妹記事で紹介した Rocq でも共通の設計です。

基礎編 その２ ── Lean 4 という言語（自己記述という個性）

Lean（リーン）は、Microsoft Research の研究者レオナルド・デ・モウラが2013年に開発を始めた定理証明系です。バージョンを重ねて成長し、2023年に正式リリースされた現行版が Lean 4 です。

現在は、開発を専門に担う非営利組織 Lean FRO が中心となって開発を主導しています。

Lean 4 の最大の個性は、徹底した自己記述にあります。Lean 4 のコンパイラは Lean 4 で書かれています。証明を進める道具（タクティク。

後述します）も Lean 4 で書きます。言語の文法を拡張する仕組みも Lean 4 の中にあります。つまり、Lean 4 を学べば、その言語を改造する言語まで同時に手に入るのです。

この点は、姉妹記事の λProlog の物語と対照的です。

Rocq は「メタプログラミング（プログラムを操作するプログラムを書くこと）には、それ専用に強い言語 λProlog を客人として迎える」という設計を選び、Lean 4 は「自分のことは、ぜんぶ自分で書く」という設計を選びました。

同じ課題への２つの設計解です。

もう一つ、見逃せない個性があります。Lean 4 は、定理証明系であると同時に、ごく普通に使える汎用のプログラミング言語でもあることです。Web サーバも、コマンドラインツールも書けます。

「数学の証明」と「日常のプログラミング」が、別の道具ではなく一つの言語の二つの顔になっている ── ここが Lean 4 の設計思想の中心です。

基礎編 その３ ── 型が主張になる（一つの例で）

Python の型ヒント int は「この変数には整数のどれか１つが入る」ことしか語れません。Lean 4 の型は、はるかに多くを語れます。「すべての自然数 n について n + ０ = n が成り立つ」という数学の主張そのものを、型として書けるのです。

theorem add_zero' (n : Nat) : n + 0 = n := rfl

読み方はこうです。theorem は定理の宣言。add_zero' は自分で付けた名前。

コロンの右側 (n : Nat) : n + 0 = n が型であり、同時に証明したい主張です（Nat は自然数、つまり０以上の整数の型）。

そして := rfl が証明の本体 ── rfl は reflexivity（同じものは同じ）の略で、「左辺と右辺は定義どおり計算すれば同じです」という、いちばん短い証明です。

Lean 4コードの書き方：予約語・ライブラリ名・プログラマが任意の名前を付けられる箇所

Lean 4 のコードを初めてご覧になる方のために、この最初の１行を教材にして、読み方の基本をひとつだけ身につけておきましょう。

コードに現れる語は、予約語・ライブラリ名・プログラマが任意に付けた名前のいずれかです。

この３つの区別がつくようになると、初見のコードでも骨格を追えるようになります。

• 予約語と記号：この行では theorem、丸括弧、:、:= が該当します。
  Lean 4の文法によって定められた記法ですので、一字でも変えればエラーになります。Python における def や return に相当します
   
• ライブラリ名：この行では Nat と rfl が該当します。
  もとをたどれば、Lean 4 の開発者たちがかつて任意に付けた名前が、いまではライブラリに登録されている。 そういう素性の語です。
  Lean 4のコードを記述する際は、正ライブラリを１文字でも打ち間違えると、「そのような名前は知りません」とエラーになります
   
• プログラマが任意の自由に名前を付けられる箇所：この行では add_zero' と n が該当します。
  プログラマがその場で決めた名前ですから、taro でも my_first_theorem でも構いません。
  末尾の '（アポストロフィ）も名前に使える通常の文字で、ここでは、Mathlib を読み込んだ環境に存在する add_zero というライブラリ名 と衝突しないよう、あらかじめ付けてあります

ひとつ、心に留めておいていただきたいことがあります。

プログラマが任意に付けた名前は、やがてライブラリ名と同じ立場に変わります。

add_zero' も、名付けた瞬間からこのファイルの中では登録済みの名前となり、以後は正確な綴りで呼ばなければなりません。

要するに、言語の設計者が定めた語か、書き手自身が定めた語か
── 両者の違いはそれだけです。

誰が名付けたにせよ、いったん名前が付いた後は、一字の狂いも許されないのです。

本記事ではコードを示すたびに、どの語が予約語で、どれがライブラリ名で、どれがプログラマの付けた名前なのかを短く添えさせていただきます。

ところで、主張を型として書き、その型を持つ値（プログラム）を作ることが証明になる。
この対応関係には、 Curry-Howard 対応（カリー・ハワード対応） という名前がついています。

詳しくは、以下の記事をご参照ください。

λProlog とは何か ── AI が数学を証明する時代、定理証明系 Rocq の内側で働く知られざる言語

基礎編 その４ ── Mathlib（数学の巨大な共有図書館）

Lean 4 を語る上で、言語本体と同じくらい重要な存在が Mathlib（マスリブ） です。

Mathlib は、世界中の数学者とエンジニアが共同で育てている形式化された数学の巨大ライブラリです。

高校数学から大学院レベルの現代数学まで、数十万件の定理と定義が、百数十万行を超える規模で機械に検査済みの形で収められています。

貢献者は数百人にのぼり、いまも毎日成長しています。

たとえば「（a + b） の２乗の展開」のような教科書の定理はすべて収録済みです。
Mathlib を読み込めば、以下のようにコードを書くことができるようになります。

import Mathlib

example (a b : ℝ) : (a + b)^2 = a^2 + 2*a*b + b^2 := by ring

ring（リング）は「環（足し算と掛け算の世界）の等式を自動で片づけて」というタクティクで、展開も整理も機械がやります。

このコードの中では、import が予約語、Mathlib（図書館ぜんたいの名前）と ℝ（実数の型。Mathlib が定めた記号で、Real と綴っても同じ）と ring（タクティク）がライブラリ名、a と b がプログラマの付けた名前です。

数学者が Mathlib に集まる理由も、AI が Lean 4 を答案用紙に選ぶ理由も、突き詰めればこの図書館の存在に行き着きます ── 巨人の肩が、機械に検査済みの形で公開されているのです。

---

第２部（本編）

Lean 4 の歴史 ── Microsoft Research から、コミュニティの言語へ

Lean の歩みを、駆け足でたどります。

• 2013年 ── Microsoft Research のレオナルド・デ・モウラが Lean の開発を開始。デ・モウラは、F* の相棒として姉妹記事にも登場した SMT ソルバ Z3 の作者でもあります
   
• 2017年 ── Lean 3 が公開され、数学者コミュニティによるライブラリ mathlib の成長が始まる
   
• ２０２１〜2023年 ── 言語を根本から書き直した Lean 4 が段階的に公開され、2023年に正式リリース。mathlib も全面移植され、現在の Mathlib（Lean 4 版）になる
   
• 2023年 ── 開発を専門に担う非営利の研究組織 Lean FRO が発足。Microsoft の一研究プロジェクトから、独立した基盤を持つコミュニティの言語へと歩みを進める

【 補足説明 】

ウェブ上には、Lean 3 時代の解説記事が多く残っています。

Lean 3 と Lean 4 は文法もライブラリも大きく異なるため、Leanをこれから学ぼうという皆様は、「Lean 4」と明記された資料を選んでください（本記事のコードはすべて Lean 4 です）。

なお、Lean 4 本体も Mathlib もオープンソース（Apache License 2.0）で、無料で商用利用可能です。

動かす体験 ── ブラウザで、２ + ２ = ４から帰納法まで

何もインストールせずに始める

公式のブラウザ実行環境 Lean 4 Web（https://live.lean-lang.org/）を開けば、アカウント登録もインストールも不要で、いますぐ Lean 4 を動かすことができます。

それでは、まずは肩慣らしといきましょう。

#eval 2 + 2          -- 4 と表示される
#eval "こんにちは、" ++ "Lean 4"

def double (x : Nat) : Nat := 2 * x
#eval double 21      -- 42

#eval は「計算して見せて」の命令、def は関数定義です。ここまでは普通のプログラミング言語の顔です。

内訳 ── 自由な名前:double と x。言語の決まり:#eval、def、:=、コメント記号 --。登録名:Nat と、文字列の連結 ++（演算子も登録名の仲間です）。

小さな罠 ── 自然数の引き算

普通の言語のつもりで触っていると、最初に驚くのがこれです。

#eval (5 - 10 : Nat)   -- 0
#eval (5 - 10 : Int)   -- -5

$Nat$（自然数） は $０$ 以上の数の型 なので、答えが負になる引き算は $０$ で止まる、と定義されています。

これはバグではなく、型の定義そのものの動作 です。

ここに大事な教訓が１つあります ── 型を選ぶことは、演算の意味を選ぶということ です。

後の「業務の現場」の節で金額の計算に $Int$（整数）を使うのは、この罠を避けるためです。

なお、(5 - 10 : Nat) の部分で、「この式を Nat として読め」という型の指定をしています。
この : の使い方も予約語と記号の仲間です。Int（整数の型）はライブラリ名です。

証明の顔 ── そして機械は忖度しない

example : 2 + 2 = 4 := rfl     -- 通る
example : 2 + 2 = 5 := rfl     -- 赤いエラー

example は「名前を付けない定理」の宣言です。１行目は静かに受理され、２行目は拒否されます。この容赦のなさが、定理証明系の力の源です。

内訳 ── example は言語の決まりで、名前を付けない分、種類３（自由な名前）が登場しない宣言です。

同じ定理でも、言語が違えば景色が違う

ところで、Lean 4 と並ぶ代表的な定理証明系に Rocq（ロック。旧名 Coq（コック））があります。
「 $x + ０ = x$ 」を Rocq で証明しようとすると、rfl では終わらず、帰納法が必要になります。

理由は、足し算という関数の定義のしかたにあります。

Lean 4 の足し算は、「右側の数を一つずつ崩す」形で定義されています。

$x + ０$ なら、右側が $０$ ですから「崩すものが何もない。答えは $x$ 」と、定義を読むだけで即座に決まります。だから rfl の一言で通る のです。

Rocq の標準の足し算は、これと反対に「左側の数を一つずつ崩す」形で定義されています。

$x + ０$ の左側は $x$、つまり中身の分からない変数ですから、定義だけでは一歩も計算が進みません。

$x$ が $０$ の場合、$１$ の場合、$２$ の場合…と、すべての場合で成り立つことを帰納法で示すほかなくなります。

つまりこの差は、言語の優劣ではありません。

足し算をどちら側の引数で定義したかという言語設計の違いが、そのまま証明の手間の違いになって現れている のです。

同じ定理でも、言語が違えば見える景色が違う ── その最初の実例 です。

Lean 4 では、以下のように、 rfl と一言書けば事足ります。

theorem add_zero' (n : Nat) : n + 0 = n := rfl        -- 一言で終わる

theorem zero_add' (n : Nat) : 0 + n = n := by         -- こちらは一言では終わらない
  induction n with
  | zero      => rfl
  | succ k ih => rw [Nat.add_succ, ih]

種明かしをすると、Lean 4 の足し算は「右側の引数を分解して計算する」ように定義されているため、$n + ０$は定義どおり計算するだけで $n$ になります（だから rfl）。

ところが、左右を入れ替えた $０ + n = n$ は定義だけでは進まず、帰納法 ── 「$０$の場合を示し、$k$ で成り立つなら $k + １$ でも成り立つことを示す」という証明の型 ── が必要になります。

２つ目の証明を読み解きます。
by は、「ここからタクティクで証明します」を意味する合図です。

タクティク とは、証明の途中経過（ゴール）を一手ずつ変形していく指示のことす。

induction n with は、「$n$ について帰納法で場合分けせよ」という指示です。
zero の場合 は rfl、
succ（ $k$ の次の数）の場合は、rw（rewrite、書き換え） で式を整えた上で、帰納法の仮定 ih を使って締める
── 将棋の一手のような指示の積み重ねで、証明が組み上がっていきます。

なお、本記事に登場するタクティクは全部で１０個です。
この記事の「応用編」の末尾に、復習用に一覧表を付録として置かせていただいております。

ここではタクティクを覚えようとはせず、雰囲気だけつかんでいただけたら、先へと進んでください。

このコードで、プログラマが自分で好きな名前を付けた部分は、zero_add'、n、k、そして ih です。

ih は induction hypothesis（帰納法の仮定） の頭文字を取った名前で、Lean 4 のプログラマは慣習的にこう命名しますが、名前そのものは自由に決められますから、kasetsu と書いても通ります。

by、induction、with、|、=> は予約語と記号です。

rfl と rw はタクティクの名前です。
Nat.add_succ は、「$n + （m + １） = （n + m） + １$」という補題にライブラリ開発者が付けた名前で、いずれもライブラリ名 です。

注意が必要な部分は zero と succ です。

この２つは、一見すると自分で選べる名前のようですが、そうではありません。

$Nat$ という型 そのものが、「zero と succ という２つの作り方でできている」と定義されているため、場合分けの枝には、その定義どおりの綴りを書く必要があります。

ここを jiro などに変えると、エラーになります。

画面の中では、何が起きているのか

上の帰納法の証明を Lean 4 Web に貼ると、エディタの右側（Infoview と呼ばれる領域）に、いま証明すべき残りの主張 ── ゴールと呼びます ── が表示されます。

カーソルを１行ずつ動かすと、タクティクの一手ごとにゴールが変形されていく様子を観察できます。

succ の枝を実況すると、こうなります。

induction n with の直後:
  ih : 0 + k = k           ← 帰納法の仮定(使ってよい既知の事実)
  ⊢ 0 + (k + 1) = k + 1    ← いま示すべきゴール(⊢ の右側)

rw [Nat.add_succ] の後:
  ⊢ 0 + k + 1 = k + 1      ← 足し算の定義で、左辺を一歩だけ計算した形

rw [ih] を指した瞬間:
  No goals                 ← 仮定で書き換えたら両辺が同じ形になり、証明完了

一手指すたびに、盤面（ゴール）が変わる ── これが、対話的定理証明系の「対話」の正体です。証明を書くとは、文章を一気に書き上げることではなく、機械と盤面を挟んで一手ずつ指し進めることなのです。

もう一つ、初心者の最強の味方を紹介します。
sorry です。

theorem zero_add'' (n : Nat) : 0 + n = n := by
  sorry    -- 「ここは後で埋めます」という保留の宣言

sorry は、「この部分の証明は保留」という正式な宣言で、Lean は警告つきでいったん受け入れてくれます。

大きな証明に挑むときは、まず全体を sorry の足場で組んでおき、一箇所ずつ本物の証明に置き換えていく ── これが 定石の進め方 です。

ただし、sorry が１つでも残った定理は、当然ながら証明済みとは呼べません。

この点は、応用編でもう一度戻ってきます。

sorry は、Lean 4の言語で定義されている予約語です。

zero_add'' は、プログラマが任意に付けられる名前を記述した部分です。

上記のサンプルコードでは、すでに定義済みの zero_add' と名前が衝突しないように、' をもう１つ足して違う名前にしています。ここはまったく別の名前を付けても何ら構いません。

足場の話はここまでにして、この節で証明した２つの式をあらためて並べてみましょう。

rfl の一言で終わった「$n + ０ = n$」と、帰納法まで必要だった「$０ + n = n$」です。

数学的にはどちらも「自明」に見える２つの式が、機械から見ると難易度の違う別の問題になっています。

ここに、「定義どおり計算できること」と「証明が必要なこと」の境界線 が現れています。

この感覚がつかめたら、あなたはもう定理証明系の入口 に立っています。

図書館は、必要な本を見つけられて初めて有用な書庫になる

Mathlib に数十万の定理があっても、目当ての１つを見つけられなければ宝の持ち腐れです。
Lean 4 には、それを解決する仕組みが言語の側に備わっています。

exact? というタクティク です。

import Mathlib

example (a b : Nat) : a + b = b + a := by
  exact?    -- このゴールを閉じられる定理を、Mathlib から探して

実行すると Lean はライブラリを検索し、「exact Nat.add_comm a b で閉じられます」と提案してきます（Nat.add_comm は、足し算の交換法則の定理名 です）。

本来なら、人間がまずライブラリの中から使えそうな定理を探し出し、その名前を使って証明を書きます。

exact? では順番が逆になります。

人間は証明したい主張だけを書き、それに合う既存の定理がMathlibeに存在するかどうか？
Mathlibに存在するとしたらどの定理なのかを、機械（Lean 4）が探してくるのです。

exact? はタクティクの名前です。
また、提案として返ってくる Nat.add_comm は足し算の交換法則の補題の名前で、どちらもライブラリ名です。

このライブラリ名を知らなくても機械が探し出してくれる、というのが本節の主旨です。

a と b は、プログラマが自分で名付けた名前です。

exact? は、ただの便利機能と見なすべきではありません。

実務で形式検証を使うときの基本動作は、要件を性質として言語化し、その性質を保証する既存の定理をライブラリから探す、というループ だからです。

exact? は、このループにおいて、「探す」工程を機械化してくれる有用な機能なのです。

検索を機械化・自動化してくれることで、Mathlib に定義済みの数十万以上の数学定理は、本当の意味であなたにとって有用な道具箱になるのです。

図書館は、どこの書棚にどの内容の本が所蔵されているのかという情報が整理されていて初めて、アクセスが容易な知の館に変わるのです。

業務の現場 ── 要件から証明まで、４ステップ×５つの事例

Lean 4 を業務で活用するときの手順は、次の４ステップです。

②の直感は大学数学の記憶の断片で十分ですし、心もとなければ、LLM に「この要件に対応する数学の性質は何か」と聞くことで、該当しそうな数学知識を引き出すことができます。

ここで大事なのは、LLM（AI Agent、Coding Agent）と Lean 4 との役割分担 です。

LLMからの回答は、あくまで候補であり、正しさの確定は④の機械（Lean 4）が行います。

このフローにおける各アクターの役割を整理すると、互いの弱点を補い合う関係が成り立っていることが分かります。

アクター	役割	出力の性質
人間（エンジニア）	業務要件を解釈し、対応する数学的構造の見当を付ける	抽象的なアイデアと方向性
LLM（AI アシスタント）	人間の記憶や知識を補完し、数学的性質の候補を提示する	確率的で柔軟なヒント（誤りを含む可能性がある）
Lean 4（定理証明系）	提示された候補に対し、論理的な正しさを確定する	絶対的な真偽（証明の受理または拒絶）

抽象的な説明が続きました。

ここからは、具体的なイメージをつかんでいただくために、５つの事例を挙げてみたいと思います。

これから見ていただく５つの事例は、上記の４つの工程からなる実務手順（ステップ）を体感していただくために筆者が構成した例題です。

Lean 4のコードは要点のみを記載します。
コードは、Lean 4 Web にそのままcopy & pasteしていただくことで、実際に動かすことができます
（この節のコードは Mathlib の読み込みも不要です）。

事例１（小売）── 割引は、どちらを先に適用してもよいか

① 業務要件
──「クーポン割引（１００円引き）と会員割引（２００円引き）は、適用の順序によらず最終価格が同じであること」。

② エンジニア（人間）の直感
── 「順序を入れ替えても結果が同じ」 は、数学では、交換（可換）と呼ばれる性質です。

自信がなければ LLM にこう尋ねてみることができます。
──「適用順序によらず結果が同じ、という要件に対応する数学の性質の名前は？」。

③④ 形式化と判定 ──

「形式化」とは、②で見当を付けた数学的性質を、機械が検査できる Lean 4 のコードとして書き下すこと です。

theorem discount_comm (price : Int) :
    (price - 100) - 200 = (price - 200) - 100 := by
  omega

**omega（オメガ）**は、整数の足し算・引き算・大小比較（線形算術と呼ばれる範囲）の主張を自動で判定してくれるタクティク です。

コンパイルが通った瞬間に、この要件は、「すべての価格について」証明 されました。

なお、価格の型に Int を選んだのは、「動かす体験」の節で見た 自然数の引き算の罠を避けるため です。

このコードでプログラマが自分で名付けたのは、discount_comm と price です。

**Int（整数の型）**と omega は、どちらも ライブラリ名 です。

事例２（物流）── ２便に分けても、重量合計は合うか

① 業務要件
──「荷物を２便のトラックに分けて積んだとき、便ごとの重量合計の和が、全体の一括合計と一致すること」。

② エンジニア（人間）の直感
── 「分けて足しても、まとめて足しても同じ」 は、足し算の結合律 の仕事です。

LLMへの尋ね方の例
──「リストを分割して集計しても結果が変わらないために、演算が満たすべき性質 は？」。

③④ 形式化と判定

def total : List Int → Int
  | []        => 0
  | w :: rest => w + total rest

theorem total_append (l1 l2 : List Int) :
    total (l1 ++ l2) = total l1 + total l2 := by
  induction l1 with
  | nil => simp [total]
  | cons w rest ih => simp [total, ih, Int.add_assoc]

def の２行は、「空のリストなら $０$。先頭 w と残り rest に分けて w + 残りの合計」という定義です。

| による場合分けは、「動かす体験」の節の induction と同じ形です。

証明はリストについての帰納法で、simp（シンプ） は 「渡した等式を使って両辺を整理せよ」というタクティク です。

ここでは、total の定義 と 帰納法の仮定 ih と、整数の足し算の結合律 Int.add_assoc を渡しています。

このコードでプログラマが自分で名付けたのは、total、w、rest、l1、l2、ih です。

def、|、=> は予約語と記号です。

List（リストの型）、++（リスト連結の演算子）、simp、Int.add_assoc（整数の結合律）は、いずれもライブラリ名 です。

nil と cons には注意が必要 です。

List という型は、「nil（空のリスト）と cons（先頭に要素を１つ加えたリスト）の２つから組み立てる」と定義 されており、この２つは その定義に登録された名前 です。

そのため、場合分けの枝にはこの綴りをそのまま書く必要があります。

Nat の帰納法で見た zero・succ と同じ、一見すると自分で選べるようで実は選べない名前です。

コラム：cons と nil に見覚えのある方へ ── Lisp から続く関数型言語の系譜（クリックで開閉）

Lisp を学んだことのある方なら、cons という名前に懐かしさを覚えたかもしれません。

cons は、１９５０年代末に生まれた言語 Lisp で「先頭に要素を１つ加えてリストを組み立てる」操作に付けられた名前です（construct に由来します）。

空のリストを nil と呼ぶ流儀も Lisp が広めたものです。
リストを「空か、先頭＋残りか」の２通りで組み立てるという考え方そのものが、Lisp が確立し、後の関数型言語たちが受け継いできた共有財産なのです。

Lean 4 は、この系譜の上に立つ言語です。

直接の設計は ML や Haskell といった関数型言語の流れを汲んでおり、| で場合分けしながら定義を書く文法、関数を値として渡せる仕組み、再帰でリストを処理する発想は、いずれもこの一族に共通のものです。

List の枝の名前が cons と nil なのは、半世紀以上前の Lisp から関数型言語の家系図をたどって届いた語彙、というわけです。

Python しか書いたことのない方には、逆にこう考えると腑に落ちるかもしれません。
── Python の for 文で先頭から１つずつ処理する感覚を、Lean 4 では「先頭（cons の頭）と残り（rest）に分けて、残りに同じ処理を繰り返す」という再帰の形で書いている、と。

同じ仕事の、別の流儀です。

事例３（SaaS）── 管理者は、閲覧もできるか

① 業務要件
──「権限レベル２以上（管理者）の利用者は、レベル１以上を要求する閲覧機能を必ず使えること」。

② エンジニア（人間）の直感
── 権限の 包含 は、数の大小（順序） に写すことができます。

LLMへの尋ね方の例

──「上位権限が下位権限の操作を必ず含む、という性質は、数学の言葉（構造）で表現すると、どう表せる？」。

③④ 形式化と判定

theorem admin_can_view (level : Nat) (h : 2 ≤ level) : 1 ≤ level := by
  omega

新しい形が１つあります。

引数の (h : 2 ≤ level) は、「$２≤ level$ という前提に h という名前を付けて 受け取る」という書き方です。「〜のときに限り」という条件付きの主張 は、この形で書きます。

前提すら名前付きの値として扱う
── ここにも、「主張は型、証明は値」の思想 が顔を出しています。

このコードでプログラマが自分で名付けたのは、admin_can_view、level、そして前提に付けた h です。

≤（小なりイコール。記号もライブラリ名の仲間です）と omega は、どちらもライブラリ名 です。

事例４（会計）── 明細ごとの端数処理は、合計と一致するか（反証の例）

① 業務要件（という名の仮説）
──「税額計算は、明細ごとに計算して合計しても、合計額に対して計算しても一致するはずだ」。

② エンジニア（人間）の直感
── 成り立つなら、分配法則の親戚 です。
ただし、切り捨て（整数除算）が絡むと怪しい という嗅覚も大学数学の教養のうちです。

③④ 形式化と判定

def tax (price : Nat) : Nat := price * 10 / 100

example : tax 5 + tax 5 ≠ tax (5 + 5) := by decide

decide（ディサイド）は「有限の計算で白黒つく主張は、計算して判定せよ」というタクティクです。

tax 5 は、$５０÷１００$ の切り捨てで $０$、tax 10は $１$ 。
よって、$０ + ０≠１$ が成り立ちますから、 この example は、「一致するはず」という仮説への反例が存在することの証明 になっています。

ここでもしも、「すべての価格で一致する」という定理を書いていたら、Lean 4 は決してこの証明を受理せず、エラーを返し続けます ── 機械が仮説を棄却したのです。

反証された後の分岐は、人間の仕事です。

業務要件を変える（例えば、端数は常に合計額ベースで計算すると業務ルールを決める）か、モデル（対応する数学的構造）を探しなおす（一致ではなく「差は明細数未満」という弱い保証に書き換える）か。

Lean 4が担ってくれるのは、矛盾を突きつけるところまでです。

決断は業務（についてドメイン知識）を知る人間が担うべき仕事である。
（要件を変えることに伴う業務への影響がもたらす弊害や利益は、人間が責任を持って判断するべきです）
── この分担が、形式検証を実務で使うときの原則になります。

このコードでプログラマが自分で名付けたのは、tax と price です。

def と example は予約語です。

* と /（自然数の割り算は切り捨て、という定義ごと登録されています）、≠（等しくない）、decide は、いずれもライブラリ名 です。

事例５（ヘルスケア）── 換算しても、優先順位は崩れないか

① 業務要件
──「トリアージの点数を別尺度に換算する（３倍して２を足す）とき、患者間の優先順位が入れ替わらないこと」。

② エンジニア（人間）の直感
── 順序を壊さない変換には単調（たんちょう）という名前があります。

LLM への質問例
──「大小関係を保存する関数の性質を何と呼ぶ?」。

③④ 形式化と判定

theorem score_mono (a b : Nat) (h : a ≤ b) :
    3 * a + 2 ≤ 3 * b + 2 := by
  omega

このコードでプログラマが自分で名付けたのは、score_mono、a、b、h です。

omega はライブラリ名です（３倍のような定数倍までは、線形算術の守備範囲に収まります）。

事例を通して確認したこと

ここまで、皆様と５つの事例を見てきました。

ここで、５つの事例を貫く共通点 を振り返ってみたいと思います。

コードはどれも数行で、証明はほぼ、Lean 4が済ませてくれました。

人間が担うべき役割 は、「ステップ① 業務要件の言語化」と「ステップ② 構造の見当」、そして、「ステップ④の、反証されたときの対処策を見極める意思決定」の３箇所に濃縮されています。

これらの３箇所は人間の持ち場 です。

しかし、人間が独力でこなす必要はありません。

それぞれの場面で、LLM ── Claude Code のような Coding Agent ── が支援役に付いてくれる からです。

「ステップ① 業務要件」を言語化する工程 では、LLMは、曖昧さの検査役になります。

書き上げた要件文を渡して、「この要件に曖昧な箇所や、暗黙の前提はないか」と尋ねれば、「『適用の順序によらず』とありますが、割引が３種類以上になった場合も含みますか」といった見落としを指摘してくれます。

形式化は曖昧さを許さない ので、この段階で言葉を締めておくほど、後の工程が楽になります。

「ステップ② 数学的構造の探索」の工程 では、LLMは、数学構造の候補を探りあてて、理由付きで提示してくれます。

数学の教養が、実務において威力を発揮するのは、公式の暗記ではなく、ステップ②の業務要件に対応する数学構造を探りあてる場面なのです。

そして、AI Agent（LLM）がこのステップを知識面・探索力（検索力）で手助けしてくれます。

「この業務要件に対応する数学の性質は何か？」 とLLMに尋ねれば、LLMは、候補となる数学構造が存在するかどうか、存在する場合は、候補となる数学構造の名前（数学用語）と、その数学構造が業務要件にどう対応するのかを説明してくれます。

業務要件を追加すれば、対応する数学構造の候補も、絞り込まれていきます。

分からない用語を、LLMにその場で壁打ちして、納得いくまで聞き返すことができます。

LLMは、人間の記憶の断片を補う相談相手です。

「ステップ④」の対処策の意思決定の工程 では、判断材料の整理役 になります。

業務要件に対応するという仮説を立てた数学構造が、Lean 4によって反証されたとき、「要件側を変える対処方法と、モデル（数学構造）を探し直す対処策の、どちらを目指すべきか。

それぞれの影響を整理してほしい」とLLMに質問すると、改修範囲、顧客への見え方、会計処理との整合といった検討軸を、LLMが論点整理してくれます。

しかし、論点整理された判断軸・検討軸の重要性をどう判断するか、最終的にどちらの道を選ぶかを決めるのは、業務に対して責任を持つ人間が担うべき仕事であり続けます。

つまり、LLMが担う支援の形は３箇所で少しずつ違います。

• ステップ① : LLMは、 検査役
   
• ステップ② : LLMは、候補となる数学構造の提示役
   
• ステップ④ : LLMは、論点整理役

工程	LLM の役割
ステップ①（業務要件の言語化）	曖昧さの検査役
ステップ②（数学的構造の探索）	候補となる数学構造の提示役
ステップ④（対処策の意思決定）	論点整理役

そして、どの場面でも、LLMの出力結果は、そのまますぐに採用されません。

②の候補は Lean 4 が白黒を付け、①と④の助言は人間が採否を決めるからです。

役割分担の原則は、LLMによる支援が手厚くなっても変わらないのです。

数学者の５つの型 ── 数学の現場への入門

同じ道具を、数学者はどのように使いこなしているのでしょうか。

数学者は、毎回ゼロから証明を書き上げているわけではありません。
実際には、いくつかの定石を組み合わせて、日々の証明を進めています。

本節では、その定石を５つに整理して紹介 します。

次節の巨大プロジェクトへ行く前に、その５つの定石を最小のコードで見ておきます（いずれも冒頭に import Mathlib が必要です）。

定石１ ── Mathlib に登録済みの数学定理は、Lean 4 のコードを一行書くだけで呼び出せる

example (n : ℕ) : Even (n * (n + 1)) := Nat.even_mul_succ_self n

by がありません。タクティクで組み立てる代わりに既製の証明（という値）を := の右に直接渡しています ── 基礎編その３の「証明はプログラム（値）」が、ここで文字どおりの意味になります。

このコードに出てくる ℕ（Nat を表す Mathlib の記号）、Even（偶数である、という述語）、Nat.even_mul_succ_self（この定理に付けられた名前）は、いずれもライブラリ名 です。

プログラマが自分で名付けたのは n だけです。

定石２ ── 有限の計算で白黒がつく主張は、計算タクティクに判定させる

example : Nat.Prime 101 := by norm_num

norm_num（ノルムナム） は、数値に関する主張を自動で証明してくれるタクティクです（１０１程度の小さな数なら、decide でも証明できます）。

このコードに出てくる Nat.Prime（素数である、という述語）と norm_num は、どちらもライブラリ名 です。

定石３ ── 歴史に名高い有名定理も、Mathlib の定理名ひとつで呼び出せる

「２の平方根は無理数である」── 古代ギリシアで発見された、数学史上もっとも有名な定理のひとつです。

整数の比（分数）では決して書き表せない数が存在するという事実は、発見当時の数学観を揺るがしたと伝えられ、現代でも大学入試の証明問題の定番です。

背理法を使った証明 をご記憶の方もいらっしゃるのではでしょうか。

この歴史的な定理を Lean 4 で証明したいときは、次の一行で済みます。

example : Irrational (Real.sqrt 2) := irrational_sqrt_two

コードの読み方は、定石１とまったく同じ形です。

証明したいと言っても、自分で証明を組み立てる必要はありません。

: の右側の「Irrational (Real.sqrt 2)」が主張で、:= の右側がその証明
── そこに書かれているのは、irrational_sqrt_two という定理名ひとつだけ です。

この定理の証明は Mathlib の中で完成済みです から、名前を書いて呼び出せば、それがそのまま検査済みの証明として通用する のです。

このコードに出てくる Irrational（無理数である、という述語）、Real.sqrt（平方根）、そして定理名 irrational_sqrt_two は、いずれもライブラリ名 です。

irrational_sqrt_two という名前は、見た目こそプログラマが自分で付ける名前と変わりませんが、Mathlib の開発者たちが命名してライブラリに登録した、正確な綴りでしか呼び出せない名前です
── 基礎編その３で述べた「名付けられた後は、すべての名前が正確な綴りを要求する」の実例です。

数千年にわたり積み上げられてきた数学が、検査済みの部品として、Mathlibの棚に並んでいる
── Mathlib とは何かという問いへの答えが、この一行に凝縮されています。

定石４ ── 自作した定義についての定理は、帰納法で証明する

def oddSum : Nat → Nat
  | 0     => 0
  | n + 1 => oddSum n + (2 * n + 1)

theorem oddSum_sq (n : Nat) : oddSum n = n * n := by
  induction n with
  | zero => rfl
  | succ k ih => simp [oddSum, ih]; ring

「動かす体験」の節の帰納法と「業務の現場」の節の simp と基礎編その４の ring が、ここで合流しました。

succ の枝では simp が定義と仮定で式を整え、残った展開の等式「 $k × k + （2k + １） = （k + １）×（k + １）$ 」を ring が閉じます。

このコードでプログラマが自分で名付けたのは、oddSum、oddSum_sq、n、k、ih です。

定石５ ── 人間のひらめきをヒントとして渡し、残りの計算は機械に任せる

example (a b : ℝ) : 2 * a * b ≤ a ^ 2 + b ^ 2 := by
  nlinarith [sq_nonneg (a - b)]

nlinarith（エヌリナリス） は、非線形の不等式を扱うタクティク で、角括弧の中が人間からのヒントです。

sq_nonneg（２乗は０以上である、という Mathlib の定理名） に $a − b$ を渡します。

平方完成に気づくのは人間の仕事です。
それを受けた後の式の組み立ては機械（Lean 4）の仕事です。
── 数学者の証明における分業を、１行に圧縮した定石です。

このコードでプログラマが自分で名付けたのは、a と b です。

ℝ、^（べき乗）、nlinarith、sq_nonneg は、いずれもライブラリ名 です。

５つの定石に共通しているのは、「方針とひらめきは人間が出し、検査と計算は機械が担う」という分業です。

そして驚くべきことに、次節で見る数学の最前線の巨大プロジェクトも、この５つの定石の膨大な積み重ねでできています。

数学の最前線 ── タオ、リキッド・テンソル、そしてフェルマー

Lean 4 が数学者の共同作業の場になっていることを示す、３つの実話を紹介します。

１つ目 ── リキッド・テンソル実験。2020年、現代数学の最前線を走るペーター・ショルツェが「自分の最新の定理の証明を、誰か形式化できるか」と挑戦状を出しました。証明が難解すぎて、人間の査読だけでは不安が残る、というのが動機です。

世界中の協力者が Lean の上で作業し、約１年半で形式化が完了。最先端の数学でも機械検査が届くことを示した、歴史的な共同作業になりました。

２つ目 ── テレンス・タオの実践。フィールズ賞受賞者のタオは、2023年に自らが共著で証明した最新の結果（PFR 予想の解決）を、発表からわずか数週間で Lean 4 上に形式化するプロジェクトを主導しました。

以後もタオは、大規模な共同形式化プロジェクトを次々と立ち上げ、「論文を書いたら、形式化する」という研究スタイルを自ら実演しています。

３つ目 ── フェルマーの最終定理。

「３以上の整数 $n$ について、$x^n + y^n = z^n$ を満たす正の整数の組は存在しない」
── ３５０年以上人類を退け、1995年にようやく証明されたこの定理を、Lean 4 で完全に形式化するプロジェクトが2024年に英国で始動しました。

完了まで年単位の歳月が見込まれる、数学の形式化の最高峰への挑戦です。

３つの実話に共通するのは、形式化がもはや一人の作業ではなく、Mathlib という共有図書館の上での大規模な共同事業になっている、という点です。

ソフトウェア開発の世界が経験してきたオープンソースの共同作業の文化が、数学に移植されつつあるのです。

AI の現場 ── AlphaProof と、答案用紙としての Lean 4

この記事の冒頭でご紹介したニュースに戻ります。

2024年、Google DeepMind の AlphaProof は国際数学オリンピックの問題で銀メダル相当の成績を収めました。

その仕組みを一言でいえば、「Lean 4 で答案を書き、Lean 4 のカーネルに採点させながら学ぶ AI」です。

AI が自然言語で数学の答案を書くと、もっともらしい誤答（ハルシネーション）を人間が見抜かなければなりません。

ところが答案を Lean 4 で書かせれば、正しい証明だけがカーネルの検査を通ります。
合格した答案は１００パーセント正しく、不合格の答案はどこで失敗したかの情報ごと AI の学習に回せます。

機械検査が、AI にとって最高の教師になるのです。

この構図に気づいたのは DeepMind だけではありません。

DeepSeek-Prover の系列、検索で定理を補強する型、長考型
── 近年の証明 AI の多くが、答案用紙として Lean 4 を採用しています（各プロジェクトの方式の違いは、姉妹記事で整理しました）。

理由は本記事でここまで見てきたことの裏返しです。

Mathlib という 巨大な学習素材 があり、検査が速く、答案の正しさをカーネルが保証してくれる。

AI研究者から見た Lean 4 は、教材と採点者が一体になった理想の教室 なのです。

2025年の続き ──「自然言語で金メダル級」の後で

この物語には、2025年に大きな続きが生まれました。同年７月の国際数学オリンピックで、DeepMind の Gemini Deep Think が６問中５問を解いて３５点を取り、公式に金メダル水準と認定されたのです。

しかも前年の AlphaProof と違い、人間の受験者と同じ4.5時間×２の条件で、形式言語を使わず、自然言語だけで答案を書きました。

OpenAI も実験的モデルで同じ３５点相当を報告しています。
（こちらは公式参加ではなく、元メダリストによる自社評価です）

ここで当然の疑問が生まれます
── 自然言語で金メダル級に解けるなら、Lean 4 への形式化は、もう要らないのではないか?

筆者の答えは、むしろ逆です。

第１に、採点者の問題があります。
2025年の答案は、人間の専門家が読んで採点しました。

オリンピックの数問ならそれで足りますが、数百ページの研究証明や、AI が今後毎日量産する膨大な証明を、人間の採点で捌くことはできません。

第２に、自然言語の証明には、もっともらしい誤り（ハルシネーション）が混ざる弱点が残ります。
金メダル級の答案の中にも、人間の採点者が見抜くべき危うい行間はありえます。

つまり２つの潮流は競合ではなく、分業に向かうはずです。

自然言語で発想し、Lean 4 で検査する。

AI が証明を大量に生み出す時代になるほど、機械が採点できる答案用紙の価値と、応用編で述べる「検査済みを読む」検分の技術は、むしろ重みを増していくのです。

世界の潮流 ── 各国の AI は何を目指し、学ぶ人は増えるのか

AlphaProof と中国勢の狙い ── 数学は「検証可能な訓練場」

前の節（AI の現場）の続きとして、各プロジェクトの目的をもう一段階、掘り下げて見てみましょう。

表面の目標は分かりやすいです。
オリンピックの次は研究の最前線に横たわる数学問題、いつかは未解決問題。

しかし、なぜ各社はそこまで数学に取り組むAIに投資するのでしょうか。

鍵は、AI の訓練の仕組みにあります。

AlphaProof は、囲碁で人間を超えた AlphaZero の直系です。

AlphaZero が自己対戦だけで強くなれたのは、勝敗を機械が自動判定できたからでした。

数学は、同じ構造を持つ稀有な知的領域です。
── Lean 4 のカーネルが、答案の正誤を即座に、無償で、間違いなく判定してくれる。

人間のお手本データが尽きても、機械採点を報酬にして自己改善を続けられるのです。

つまり各社が数学で磨いているのは、数学の実力そのものである以上に、幻覚のない推論エンジンを自動で鍛える方法だと言えます。

中国勢の動きは、この認識が一社のものではないことを示しています。

DeepSeek-Prover の系列は Lean 4 向けの証明モデルをオープンソースで公開し続け、Kimina-Prover（Numina と Moonshot AI）、上海 AI Lab の StepProver 系列、ByteDance の Seed-Prover と、有力研究室と企業が次々に参入しました。

Seed-Prover の論文は、狙いを率直に書いています。
── 形式言語による検証は、人間の専門家に頼むよりはるかに安く、LLM に採点させるより信頼できる、と。

しかも、証明だけでなく反証（反例の発見）も同じ枠組みで機械化が進んでおり、「業務の現場」の節の事例４で見た 「仮説を機械が棄却する」営みの、研究数学版がすでに動いている のです。

反例の発見を機械が担った実例は、すでに公表されています。

Google DeepMind が２０２３年に発表した FunSearch は、LLM にプログラムを書かせては評価する探索を繰り返す仕組みで、組合せ論の未解決問題キャップセット問題において、それまで人類が知らなかった、より大きな構成を発見しました。

発見の中身が「この大きさの構成は存在しないだろう」という予想への反例として働く
── まさに仮説を棄却する側の成果です。

後継の AlphaEvolve（２０２５年発表）は、行列積の計算方式をはじめとする数学とアルゴリズムの複数の問題で、既知の記録を破る構成を自動発見したと報告されており、数学者が立てた「これが限界だろう」という見立てを、機械が構成の提示によって覆すという営みが、実務のパイプラインとして回り始めています。

FunSearch と AlphaEvolve は、Lean 4 のような定理証明系を使わないシステムです。

定理証明系なしで、どうやって正しさを確かめるのか。答えは、扱う問題の性質にあります。

これら２つのシステムが探しているのは、証明ではありません。
「条件を満たす実物の例」です。

キャップセット問題なら「この条件を満たす、これだけ大きな集合が実際にあります」という集合そのもの、行列積なら「この手順なら掛け算の回数がこれだけ少なくて済みます」という計算手順そのものを、現物として提示するのです。

現物が提示されれば、その良し悪しは検査プログラムを実行するだけで白黒がつきます。

提示された集合が本当に条件を満たしているか、提示された手順が本当に正しい答えを返すか
── 計算機で数え上げて確かめればよいからです。仕組みとしては、LLM に候補を大量に書かせ、検査プログラムが自動で採点し、成績の良い候補を残して次の世代を生み出す
── この改良のループを膨大な回数くり返して、人類の記録を超える例に到達しました。

つまり、採点者が Lean 4 のカーネルから専用の検査プログラムに置き換わっているだけで、骨格は AlphaProof と同じです。

ただし違いもあります。

検査プログラムが確かめられるのは「この例は条件を満たす」という目の前の事実までで、「これより良い例はどこにも存在しない」という、すべての可能性にわたる主張を保証することはできません
── そこから先が、定理証明系の領分です。

その定理証明系の領分、つまり Lean 4 そのものを使った反証の実例が、中国発の取り組みにあります。

DeepSeek-Prover（２０２４年）は、Lean 4 で証明を書くAIを訓練するために、大量の数学問題を Lean 4 の命題へ自動で翻訳して、訓練データを作りました。

ただし、自動の翻訳には誤りが混ざります。

そこで彼らが採った品質管理の方法が、Lean 4 を使った選別でした。

各命題について、命題そのものと、その否定の両方の証明を AI に試みさせるのです。

否定のほうが Lean 4 のカーネルの検査を通ってしまったら、その命題は偽 ── つまり翻訳が間違っていた ── と機械的に判定し、訓練データから除外します。

反証を、データの品質を保つフィルタとして生産工程に組み込んだ形で、「仮説を機械が棄却する」営みが、毎日回る量産工程の部品になっている実例です。

米中の路線には違いもあります。

DeepMind と OpenAI は2025年に自然言語路線の成果を示し（AI の現場の節）、中国勢は Lean 4 での形式証明の路線を深めています ── 手段は違えど、「数学は AGI への検証可能な登山道」という認識では一致しています。

学ぶ人口は、今後増えるのか

増える、というのが筆者の予想です。理由は３つあります。第一に、雇用が生まれ始めたこと。

対話篇で触れる証明エンジニアの採用は、AI 企業の研究職から産業の検証プロジェクトまで広がりつつあります。

第二に、教育と研究への投資。米国ではカーネギーメロン大学に形式数学の研究拠点が設けられ、国防高等研究計画局（DARPA）も数学研究を AI で加速する研究計画を打ち出しました。

欧州ではインペリアル・カレッジの学部教育や、ボン大学での実践（数学の最前線の節のリキッド・テンソル）が先行しています。

そして中国では、上に挙げた研究群そのものが、学生と若手研究者の実地訓練の場になっています。第三に、参入コストの急落。

ブラウザで動く処理系と AI エージェントの伴走（業務の現場の節）で、かつて大学院の専門課程だった入門の壁は、劇的に下がりました。

ただし、正直な限定も添えます。

増えるといっても、Python のような普及には向かいません（対話篇で論じる「普及としての汎用性」の話です）。増えるのは、検査済みを読める人と、要所で書ける人 ── 全プログラマの中の、専門性を持つ少数派です。

ただしその少数派の価値は、AI が証明とコードを量産する時代になるほど、上がっていきます。

日本は、立ち遅れているか

率直に言えば、国家規模の投資や大学の講義数では、米中欧に見劣りするのが現状だと筆者は見ています。

しかし、空白ではありません。第一に、本記事の冒頭で紹介した LANA プロジェクト ── IUT 理論の検証という、世界の数学界が注視する旗艦プロジェクトが、日本発で走っています。

第二に、lean-ja の草の根 ── 教科書の翻訳と勉強会が、日本語だけで学び始められる環境を整えつつあります（応用編その３）。

第三に、この分野の雇用と参加の機会は、国境をあまり選びません ── 形式化プロジェクトの多くは GitHub 上に開かれていて、日本にいながら Mathlib に貢献することも、今日から可能です。

つまり日本の遅れは、決定的な差ではなく時差だ、と筆者は考えます。そして時差を縮めるのは、国家予算より先に裾野です ── この記事を読み終えたあなたが、Natural Number Game を開くかどうか。その一歩の積み重ねが、答えになります。

ソフトウェアの現場 ── 汎用言語としての Lean 4

「数学と AI の話は分かった。ではソフトウェアエンジニアの実務には関係あるのか」── 正直に答えます。

ソフトウェア検証の実績の厚みでは、CompCert（検証済み C コンパイラ）の伝統を持つ Rocq や、Firefox・Linux で稼働する検証済みコードを生んだ F* に、現時点では一日の長があります。

そのうえで、Lean 4 のソフトウェア側の顔も着実に育っています。代表例が、Amazon の認可ポリシー言語 Cedar（シーダー）です。

「誰がどのリソースにアクセスできるか」を記述するこの言語の設計では、仕様の数学的モデルを Lean 4 で書き、その性質を証明しながら実装を進める、という検証駆動の開発が採用されました。

クラウドのアクセス制御という、間違いが許されない領域で Lean 4 が選ばれた事実は、この言語の実務適性を示す一例です。

また、忘れてはならないのが「Lean 4 自身が Lean 4 で書かれている」という事実です。コンパイラという大規模で複雑なソフトウェアが Lean 4 で実用的に書けている以上、汎用言語としての地力は実証済みといえます。

関数型プログラミングの表現力と、必要なら証明まで書ける拡張性 ── この組み合わせに魅力を感じるエンジニアにとって、Lean 4 は「数学者の道具」を超えた選択肢になりつつあります。

その「普通の言語」の顔も、実物で確かめておきましょう。

def main : IO Unit :=
  IO.println "Hello from Lean 4!"

どの言語にもある、いちばん普通のプログラムです。IO Unit は「外の世界への働きかけ（入出力）を行う処理」の型で、画面表示のような副作用まで型で語るのが、関数型言語としての Lean 4 の顔つきです。このコードは C 言語を経由してコンパイルされ、通常の実行ファイルとして動きます。

main という名前は、仕組みのうえではプログラマが自分で名付ける名前と同じ扱いです。

ただし「実行の入口となる関数はこの綴りにする」という取り決めがあるため、プログラムとして実行したければ main と名付けます。

IO、Unit、IO.println は、いずれもライブラリ名 です。

最後に、自己記述の看板に小さな実物を添えておきます。

Lean 4 では、言語の文法そのものを数行で拡張できます。

macro "twice " x:term : term => `($x + $x)

#eval twice 21    -- 42

macro の１行は「twice という新しい書き方を、この形の式に展開せよ」という、文法への追加です。たったこれだけで、Lean 4 に twice という表現が生まれました。そしてこの同じ仕組みの上に、タクティクも、数学記号の表記も、Lean 4 の言語機能の多くも作られています。

「自分で自分を書く」は宣伝文句ではなく、日々の開発の実装方式そのものなのです。

macro、term、=>、そして構文を組み立てる引用記号 `( ) は、予約語と記号です。

x と twice は、プログラマが自分で名付けた名前です。注目していただきたいのは、ここで起きている逆転です ── プログラマが自分で付けた twice という名前が、この行を書いた瞬間から、新しい文法の一部になっています。

自分で付けた名前が、言語の決まりの側に加わる ── 自己記述の言語ならではの光景です。

使い分け ── Rocq・Isabelle・Agda・F* との比較

主要な定理証明系の中での Lean 4 の位置を、一枚にまとめます。

	Lean 4	Rocq（旧 Coq）	Isabelle	Agda	F*
ひとことで	数学と AI の主戦場	ソフトウェア検証の伝統	自動化と大規模検証	型と証明の純粋体験	製品に直結する検証
数学ライブラリ	Mathlib（最大級）	mathcomp	AFP	agda-stdlib	数学面は限定的
メタプログラミング	Lean 4 自身で	λProlog/ELPI を迎える	ML の系譜	限定的	タクティクは限定的
特筆すべき実績	IMO 銀（AlphaProof）、タオの形式化	CompCert、四色定理	seL4（OS カーネル検証）	型理論研究の標準	Firefox・Linux の暗号

この表で「メタプログラミング」の行に注目してください。

Lean 4 は自分自身で自分を拡張し、Rocq は λProlog という客人を迎える ── 同じ課題への２つの設計解であり、この対比の意味は姉妹記事で詳しく論じました。

第３部（応用編）

応用編 その１ ── 率直な問い:Rocq と Lean 4、どちらを学ぶべきか

筆者の記事群を読んでくださった方から、必ず出る問いでしょう。逃げずに答えます。

数学の形式化がしたい、AI ×定理証明の潮流に乗りたい、コミュニティの勢いを重視したい ── なら Lean 4 から始めるのが現在の第一候補です。Mathlib の規模、学習リソースの充実、証明 AI の対応状況、どれをとっても入口として恵まれています。

ソフトウェア検証の伝統資産（CompCert の系譜）に触れたい、タクティクや拡張を専用言語で書く設計思想に興味がある、λProlog という希少な言語の実務の現場を見たい ── なら Rocq です。

そして本音を言えば、この２つは「どちらか一方を選んで生涯を捧げる」ものではありません。型が主張になり、プログラムが証明になる、という核心は共通です。片方で身につけた感覚は、もう片方でそのまま通用します。

目的が決めてくれますし、目的が変われば乗り換えも難しくありません。本記事で Lean 4 の入口に立ち、姉妹記事で Rocq の内側を覗く ── 両方の景色を知っていることが、いちばんの財産になります。

応用編 その２ ──「機械が検査済み」を読むリテラシー

これからの時代、あなたが Lean 4 のコードを書く機会より先に、読む機会のほうがやってくるかもしれません。AI が生成した証明、同僚が書いた検証、ネット上の形式化 ──「Lean で検査済み」と添えられた成果物を受け取ったとき、何を確認すればよいのか。

本記事で筆者がいちばん伝えたい実践知として、３つの検分点を挙げます。

１つ目 ── sorry は残っていないか。「動かす体験」の節で紹介したとおり、sorry は「証明は保留」の宣言です。sorry を含んだままでもファイル全体は警告つきで通ってしまうため、「エラーが出ていない」ことと「証明が完了している」ことは別物です。

２つ目 ── 何を公理として仮定しているか。Lean には、証明なしで主張を真と認める axiom という仕組みがあります。それ自体は正当な道具です（証明が長大な既知の定理を仮定として置き、本題を先に進める、といった使い方があります）。

ただし、その成果物の保証は「置いた公理が正しければ」という条件付きになります。幸い、Lean 4 には確認の道具が用意されています。

#print axioms zero_add'

この一行で、その定理が依存している公理の一覧が表示されます。sorry で埋めた定理は、ここに sorryAx という名前が現れます ── つまり１つ目の検分も、この一行が兼ねてくれます。

内訳 ── #print axioms は言語の決まり、sorryAx は Lean 側の登録名、zero_add' はあなたが付けた自由な名前（の参照）です。

３つ目 ── そして最重要。主張文そのものは、意図どおりか。カーネルが保証してくれるのは「書かれた主張に、規則どおりの証明が付いている」ことまでです。

その主張が、あなたの確かめたかったことと一致しているかどうかは、カーネルには判定できません。定理の名前がどれほど立派でも、主張文が空虚なら（たとえば n = n のような）、生まれるのは検査済みの無意味だけです。

証明の中身は読み飛ばしてよい場面でも、主張文と定義だけは人間が読む ── この一線は、AI が証明を量産する時代にこそ重みを増します。

この論点は拙記事形式証明は「仕様が人間の意図を反映しているか」は保証しないで正面から論じました。

まとめれば ── sorry を数え、公理を数え、主張文を読む。この３つの検分ができる人は、Lean 4 のコードを一行も書けなくても、形式検証の成果物を正しく受け取れる人です。本記事の読者には、まず、その人になってほしいのです。

Mathlib は毎日成長する動く図書館で、整理にともなって定理の名前が変わることもあります。
そのため、形式化の成果物や解説記事には「どのバージョンで、いつ検査したか」を記すのが良い作法です。

本記事のコードも、公開時に検証環境（Lean のバージョンと検証日）を末尾に明記します。

応用編 その３ ── 学習リソース

• "Theorem Proving in Lean 4" ── 公式の定理証明入門。本記事の次の一冊に最適です
   
• "Functional Programming in Lean" ── プログラミング言語としての Lean 4 の公式入門
   
• "Mathematics in Lean" ── Mathlib を使った数学の形式化の公式入門
   
• Natural Number Game ── ブラウザで遊べる証明パズル。ゲーム感覚で帰納法まで身につく、世界的な定番教材です
   
• Lean コミュニティの Zulip ── 開発者と数学者が集う公開チャット。初心者の質問チャンネルもあります

日本語の情報も、この数年で急速に充実しています。

日本語コミュニティの lean-ja（https://lean-ja.github.io/）が、Discord での交流と勉強会、そして "Theorem Proving in Lean 4" をはじめとする主要教科書の日本語訳を進めており、コード例で学べる日本語資料 Lean by Example も公開されています。

英語の壁を理由に足踏みする必要は、もうありません。

ブラウザの Lean 4 Web から先へ進みたくなったら、手元の環境は elan というバージョン管理ツールと、VS Code の Lean 4 拡張機能で作るのが標準です。

具体的な手順はこの記事には書きません ── 手順は変わることがあるので、公式サイトのクイックスタートに従うのが、いちばん確実で新しい道だからです。

付録 ── 本記事に登場したタクティクは、この１０個だけ

網羅的な一覧は公式ドキュメントに譲り、本記事で実際に使った１０個だけを復習用にまとめます。入門の範囲は、この１０個で十分に歩けます。

タクティク	役割	初出
rfl	「定義どおり計算すれば両辺は同じ」で締める	基礎編 その３
rw	等式を使って式を書き換える	動かす体験
induction	帰納法で場合分けする	動かす体験
exact?	ゴールを閉じられる定理をライブラリから検索する	動かす体験
ring	環（足し算と掛け算）の等式を自動で整理する	基礎編 その４
omega	整数・自然数の線形算術を自動で判定する	業務の現場
simp	渡した等式群で式を単純化する	業務の現場
decide	有限の計算で白黒つく主張を、計算で判定する	業務の現場
norm_num	数値まわりの主張を自動で片づける	数学者の５つの型
nlinarith	非線形の不等式を、人間のヒント付きで解く	数学者の５つの型

応用編 その４ ──【対話篇】タロウくんと専任講師の対話

タロウくん
先生、AlphaProof が銀メダルなら、僕が数学を勉強する意味はもう無いんじゃないですか。

専任講師
逆に聞くけれど、AlphaProof の答案が正しいと、誰が保証したんだったかな。

タロウくん
Lean 4 のカーネル……あ、AI 自身じゃないんですね。

専任講師
そう。AI は答案を量産する側で、正しさの保証は定理証明系の側にある。そして、その定理証明系に「何を証明させるか」── 問題を選び、主張を型として書き、Mathlib のどの定理と結ぶかを設計する仕事は、いまも人間のものだ。

タロウくん
Mathlib って、AI が作ったんじゃなくて、人間の数学者たちが１０年かけて積み上げたものなんですよね。

専任講師
うん。AI はその図書館で学んだ生徒であって、図書館を建てた側じゃない。だから君が Lean 4 を学ぶことは、AI と競争することではなくて、AI が働く舞台の設計図を読めるようになることなんだ。

タロウくん
舞台の設計図が読める人になる、ですか。……先生、そこでもう少し質問があります。フェルマーの最終定理みたいな有名な定理の証明を Lean 4 でやるとき、Mathlib は実際にはどう使われるんですか。

専任講師
二役をこなすんだ。一つは土台 ── 群も環も位相も 証明が寄りかかる基礎はぜんぶ Mathlib から呼ぶ。もう一つは寄贈先だ。

形式化の途中で必要になったのに Mathlib に無かった理論は まず Mathlib 側に整備して納めながら進む。フェルマーのプロジェクトは、数論の基礎理論を Mathlib に納品し続ける公共工事でもあるんだよ。

タロウくん
そのコードは、Web で公開されているんですか。僕でも読んで、定理証明の仕方をコード例から学べますか。

専任講師
公開されている。Mathlib 本体もフェルマーやリキッド・テンソルの各プロジェクトも、GitHub 上で全行を誰でも読める。ただし正直に言うと、大定理のコードは登山でいえば最高峰の岩壁で、初心者の練習台には向かない。

それでも読み方はある。応用編の検分術を思い出してごらん ── 証明の中身は追わず まず主張文と定義だけを読む。それから、大きなプロジェクトは blueprint（ブループリント）という文書を公開していることが多い。

人間向けに書いた証明の設計書とコードの対応表みたいなものだ。地図を blueprint で眺めて興味のある一峰だけコードを覗く。

学ぶ順番としては Natural Number Game で足慣らし、Mathematics in Lean で登山道、そして Mathlib の小さな定理 ── 岩壁は最後でいい。

タロウくん
その大定理の形式化に、数学者と証明エンジニアで数年単位の時間がかかると報じられていました。なぜ、そんなにかかるんですか。

専任講師
理由は大きく３つある。第一に行間だ。紙の証明で「自明」「同様にして」と書かれた１行の裏に、形式化では数十の補題が要る。

人間の読者は行間を好意で埋めてくれるがカーネルは１ミリも埋めてくれない。第二に前提の山だ。定理そのものより 定理が寄りかかる分野の基礎全体 ── 教科書で数冊ぶん ── が Mathlib に無ければ、そこから作ることになる。

だから所要時間は実のところ Mathlib の充実度の関数なんだ。タオの PFR 予想の形式化が数週間で済んだのは、あの分野の基礎が Mathlib に揃っていたから。フェルマーが年単位なのは、数論幾何の基礎からの大工事だからだ。

第三に定義の設計。数学の概念を「どの形で形式化するのが正しいか」を選ぶこと自体が、研究に近い創造の仕事になる。

タロウくん
でも先生、そんなに時間がかかるなら、Lean 4 を使わずに、数学者が手計算や、Mathematica や Sage みたいな数学ソフトで検証しても、結局同じくらいの時間なのでは。

専任講師
いちばん大事な疑問だ。答えは ── 作っているものが違う。Mathematica や Sage は計算の道具だよ。

具体的な数を入れて答えを出す。何万個の例で確かめてもそれは「試した範囲では正しかった」であって、「すべての場合について正しい」という無限の主張には原理的に届かない。業務の現場の節の事例４を思い出してごらん ── 有限の実験と、全数についての証明は、別の生き物だった。

では手計算と査読はどうか。あれは人間の信頼のネットワークで支えられていて リキッド・テンソル実験が始まった動機そのものが「最前線の証明は難解すぎて、人間の査読と検証だけでは提唱者本人にも確信が持てなかった」だった。そして最後に資産の話がある。

形式化は一度きりの検証作業じゃない。できあがったものは以後いつでも機械が再検査でき、Mathlib に納められれば世界中の次の証明の部品になる。かかった数年は検証の費用というより、永続する数学のインフラへの投資なんだ。

タロウくん
もう一つだけ聞かせてください。望月教授の宇宙際タイヒミュラー理論は、教授が独自に生み出した数学概念や記号で書かれていて、トップレベルの数論幾何の数学者でも、まず既存の数学の言語に翻訳する作業が必要だと聞きました。

その解読がまだ終わっていないのに、どうやって Lean 4 のコードに書き下す作業を進められるんですか。

専任講師
鋭い。そこは順序の想定を、一つだけ裏返してほしいんだ。「人間の翻訳が終わってから清書として形式化する」のではない。

LANA プロジェクトの発表文を読むと、チームは１年半にわたり各地で合宿を重ねて論文を精読し、論点を整理してきた ── 活動の大半は、まさに君の言う人間による読解と翻訳だ。形式化はその読解に品質検査として並走している。形式化を念頭に置いて読むと曖昧さの残る読み方が許されなくなるからね。

足元の戦略もある ── まず土台の遠アーベル幾何学の基礎（ガロア圏や基本群）を Lean と Mathlib に整備する。

そして肝心の IUT 本体について、発表によればチームは核心の一点 ── 第３論文の定理3.11から系3.12を導く論理 ── を「形式化できるほど正確に言語化できたが、その先へ進めずにいる」段階まで来ている。

それが証明のギャップなのか自分たちの理解の限界なのかは断定せず、中立の立場で望月教授との対話を続けると明言している。

タロウくん
形式化が止まった場所がそのまま、論争の核心の場所を指している ── ということですか。

専任講師
そのとおり。人間どうしの議論では「そもそも、どこで意見が分かれているのか」自体が曖昧になりがちだった。形式化は誰の権威にも寄らず、その一点を座標として特定する。

翻訳が終わったかどうかの判定を、人間の合意ではなく機械の言葉への翻訳可能性で行う ── これがこの検証の新しさだ。結論がどちらへ転んでも、数学の進み方として意義がある。

タロウくん
話は変わりますが、もう一つ気になっていたことがあります。TL;DR に「Lean 4 は定理証明系であると同時に、汎用のプログラミング言語でもある」とありました。

汎用ということは、定理証明のためだけでなく、一般的なソフトウェア開発とかデータ解析とか、機械学習や深層学習や Web 制作なんかにも Lean 4 は使われているんですか。企業で Lean 4 プログラマがソフトウェア開発をしている現場も、あるんですか。

専任講師
正直に答えよう。「汎用」には２つの意味があって、Lean 4 が満たしているのは片方だ。

まず能力としての汎用性 ── Web サーバもコマンドラインツールも書ける言語仕様と、C 言語を経由する効率のよいコンパイルを持っていて、現に Lean 4 のコンパイラは、その本体が Lean 4 自身で書かれた大規模ソフトウェアとして毎日動いている（実行環境の低層は C 言語だ）。

ここは本物だ。だが普及としての汎用性 ── データ解析や機械学習や Web 制作の現場で広く選ばれているか ── で言えば、答えはノーだ。その現場には Python や JavaScript の巨大なライブラリ生態系があって、Lean 4 にはまだそれに相当する蓄積がない。

深層学習の訓練を Lean 4 でやっている企業は、まず無いと思っていい。科学計算のライブラリを Lean 4 で作る研究的な試みは芽生えているが、実務の主役は当分 Python のままだろう。

タロウくん
じゃあ、Lean 4 を仕事で書いている人は、いないんですか。

専任講師
いや、いる。ただし職種が違うんだ。

Lean 4 を毎日書く職業は現実に生まれている ── Lean 本体とその道具立てを開発する Lean FRO のエンジニア、Amazon で Cedar のような検証プロジェクトに携わる人たち、そして AI ×数学に取り組む研究機関や企業が「Lean を書ける人」を採用し始めている。

ただ、その仕事の中身は Web 画面を作ることではなく、検証と形式化だ。証明エンジニアという呼び名も定着しつつある。整理するとこうなる ── Lean 4 は「Python の代わり」を目指す言語ではなく、「プログラムと証明を同じ言語で書ける」ことに存在意義がある言語だ。

データ解析は今日も Python でやればいい。ただし「ここだけは絶対に間違えられない」という部分がコードの中に現れたとき、証明ごと書ける言語を知っているかどうかが、君の武器の差になる。

タロウくん
その「武器」のところを、もう少し聞かせてください。業務の現場の節の事例みたいに、業務の要件がある数学構造と対応していると Lean 4 で証明できたとします。その証明って、書いて終わりですか。

それとも、その後のビジネス設計で何かの役に立つんですか。

専任講師
証明が通った瞬間に、２つのことが同時に始まるんだ。１つ目は、いいほうの話 ── その数学構造について数学者たちが積み上げてきた定理の一群が、まとめて君の武器になる。事例１を思い出してごらん。

割引の演算が「どの順でも同じ」と確認できたということは、順序や分け方を気にしなくてよい、という種類の定理たちが、君の割引システムにもそのまま当てはまるということだ。

適用順を自由に実装してよい、処理を分割して並列にしてよい、順序の組み合わせを網羅するテストは要らない ── 一つ一つ自分で確かめるはずだった保証が、構造の名前ひとつでまとめて手に入る。Mathlib は、その武器の在庫倉庫でもあるんだよ。

タロウくん
それは、いいことずくめに聞こえますが。

専任講師
だから２つ目がある ── 同じ証明が、今度は制約になるんだ。構造が確認された後は、新しい要件や新しい機能を追加するたびに「この追加は、あの構造を壊していないか」を確かめる義務が生まれる。

たとえば君の割引システムに、営業部から「合計金額から１０パーセント引くクーポンも作りたい」という新機能の要望が来たとしよう。定額の割引と割合の割引は、順序で結果が変わる ── １０００円から１００円引いて１割引けば８１０円、先に１割引いてから１００円引けば８００円だ。

「どの順でも同じ」という証明済みの柱に、この新機能は正面からぶつかる。Lean 4 に掛ければ、事例４と同じように反例を突きつけられる。

タロウくん
壊れてしまったら、どうするんですか。

専任講師
道は２つだ。１つ目 ── 新機能の側を直す。割合クーポンをあきらめるか、定額に設計し直して、いまの構造を守る。

２つ目 ── モデルの側を探し直す。「どの順でも同じ」という構造は手放し、「割引は会員、クーポンの順で必ず適用する」のような新しいルールでビジネスを表現し直して、その新しい姿に合う数学構造を探し、証明もやり直す。

そして肝心なのはここだ ── どちらの道が正しいかを、数学も Lean 4 も教えてくれない。顧客への見え方、会計監査への説明、システム改修の費用 ── それらを天秤に掛けられるのは、そのビジネスの目的を知っている人間だけだ。機械の仕事は「柱と増築案がぶつかっています」と正確に告げるところまで。

決めるのは、ビジネスの側に立つ君なんだよ。

タロウくん
証明はゴールじゃなくて、ビジネスの設計図に「守るべき柱」を一本立てる作業なんですね。柱があるから、上に安心して増築できる。でも柱に当たる増築案が来たら、案を変えるか、柱ごと設計し直すか、決めなくちゃいけない。

専任講師
いい要約だ。そしてその決断の質は、柱の意味 ── つまり数学構造が何を保証し、何を保証しないか ── を分かっている人ほど高くなる。数学の教養が実務で効く場所は、証明を書く瞬間だけじゃない。

証明の後の、この意思決定の席なんだ。

タロウくん
最後にもう一つだけ、いちばん根本の不安を聞かせてください。業務の現場の節の４ステップの②に、数学構造の見当を付ける場面がありましたよね。

でも、数学知識がないと「このビジネス要件を満たす数学構造は群だ、いや環だ、体だ、モノイドだ、テンソルだ、無限次元ヒルベルト空間だ、非可換環だ」なんて仮説を立てること自体が、そもそもできないですよね。

Lean 4 のコードに形式化して証明する以前に、証明すべき数学構造を思いつくことができない気がします。

専任講師
以前なら、そのとおりだった。でも、道具の状況が変わったんだ。Claude Code、Kiro、Copilot、GitHub のコーディングエージェント ── いまは開発の道具箱の中に、数学知識の相談相手が入っている。

業務要件を貼り付けて「この要件に対応する数学構造の候補を挙げてほしい」と頼めば、エージェントはこんなふうに伴走してくれる ──「候補はモノイドです。理由は、分割集計の一致には結合律と単位元だけで足りるからです。

もしこの後『操作を必ず取り消せること』という要件が加わるなら、候補は群とその仲間に絞り込まれます」。候補と、その理由と、要件が増えたときの絞り込み ── この対話に付き合ってくれる相棒がいる時代なんだよ。分からない名前が出てきたら「モノイドとは何ですか」と、その場で聞き返せばいい。

君がさっき挙げた難しそうな名前の羅列に、威圧される必要はもう無い。

タロウくん
じゃあ、数学知識はもうエージェント任せでいい、ということですか。

専任講師
そこは、はっきり言っておかないといけない。エージェントはハルシネーション ── もっともらしい嘘 ── を起こす。存在しない定理名を挙げたり、当てはまらない構造を自信満々に勧めたりする。

だから役割分担はこうなる。気づきの生産はエージェント。気づきの妥当性の最終チェックは人間。

そして白黒の最終判定は Lean 4 だ。応用編の検分の話と、まったく同じ構図だろう。君の言う「数学知識がないと一歩も前に進めない」という状況は、確かに終わった。

エージェントが候補と理由と絞り込みで伴走してくれる分、仕事の生産性は上がる。でも「数学の教養がある人ほど、エージェントの提案の当否を早く見抜き、良い問いを返せる」という差は残る ── むしろ広がっていく。教養は入場券ではなくなった代わりに、伴走の速度と質を決める装備になったんだ。

タロウくん
ここまで聞くと、Lean 4 が万能に思えてきました。逆に、数学の証明でも、ビジネス要件を数学の観点から設計する実務でも、Lean 4 が得意でない分野、原理的にできない分野って、あるんですか。

そういう分野では HOL や Isabelle や Rocq や Agda や Idris 2 を使うべきだ、みたいな言語選択の基準があれば知りたいです。

専任講師
ある。しかも「実装の出来が悪いから苦手」ではなく「土台の選択ゆえに、原理的にそうなる」という種類の得意不得意なんだ。使い分けの節の表は用途で比べたから、今度は土台で比べよう。

各言語が拠って立つ論理・公理系と型システムの理論は、それぞれ違う。強みが違うのは、その土台が違うからだ。

タロウくん
その、各言語が立脚する論理公理系や型システム理論を、表にしてもらえますか。そして、土台と「できること・できないこと」の結びつきを、分かりやすく、でもなるべく深く教えてください。

専任講師
いいだろう。まず表を見て、それから結びつきの仕組みを３つに分けて話す。

言語	土台の論理・公理系	型システムの系譜	土台ゆえの得意	土台ゆえの不得意
Lean 4	依存型理論（CIC 系）。古典論理と選択公理を標準の道具として採用	依存型+証明どうしを区別しない設計	現代数学の大規模形式化、Mathlib、AI との接続	HoTT 系の数学（原理的に不向き）。証明からの計算の取り出し
Rocq	CIC。土台は構成的で、古典論理は公理として追加	依存型+帰納型	証明から検証済みプログラムを抽出（CompCert）	自動化の火力では Isabelle に譲る場面
Isabelle	高階論理（HOL）。古典論理	依存型のない多相の単純型	強力な自動証明（sledgehammer）、OS カーネル seL4 級の大規模検証	「長さ n のリスト」のような値に依存する型を直接書けない
HOL Light	同じ高階論理を、極小のカーネルで	同上	浮動小数点などハードウェア検証、ケプラー予想の形式化	ライブラリ生態系の規模
Agda（Cubical 含む）	マルティン=レーフ型理論。Cubical 版は一価性が公理でなく定理になる	構成的な依存型	ホモトピー型理論（HoTT）の受け皿、型理論そのものの研究	自動化が少なく、数学ライブラリも小規模
Idris 2	量的型理論（QTT）	依存型+値の使用回数を型が数える線形性	依存型での実務プログラミング、資源やプロトコルの管理	数学ライブラリはごく小さい
F*	依存型+篩型+SMT ソルバ	効果システムつき依存型	製品に直結する検証済み低レベルコード	数学の大規模形式化
ACL2	一階論理+全域再帰関数（Lisp の計算の世界）	型システムを持たない。計算そのものが論理	CPU など産業ハードウェア検証の老舗（AMD の浮動小数点除算など）	高階の抽象数学の記述
Mizar	集合論（タルスキ=グロタンディーク集合論）	型理論ではなく集合論を直接の土台に	数学論文に近い書き味と、形式化数学の長期の蓄積	プログラム検証と自動化
TLA+	時相論理+集合論。証明よりモデル検査が主戦場	型なし（集合論ベース）	分散システムの設計検証（AWS の実務採用）	数学の定理証明

結びつきの１つ目は、型システムは「型で言える文の範囲」を決める、ということだ。Isabelle の土台の高階論理には依存型が無い。だから「長さ n のリスト」という、値に依存する型は直接書けない（性質としては別立ての述語で書けるが、型そのものにはできない）。

不便に聞こえるだろう。でも引き換えに論理が単純になり、外部の自動証明器と接続しやすくなる ── sledgehammer という強力な自動化や、seL4 という OS カーネル検証の金字塔は、この単純さの配当だ。表現力と自動化は綱引きの関係にある。

だから「依存型の表現力が要る仕様なら Lean 4 や Rocq や Idris 2、巨大な検証を自動化の火力で押し切るなら Isabelle」という選択になる。

２つ目は、公理系は「最初から棚に置いておく真理の在庫」を決める、ということだ。排中律（どんな命題も真か偽のどちらか）や選択公理を最初から棚に置く Lean 4 や Isabelle は、数学者の日常の議論をそのまま書けて速い。

一方 Rocq や Agda の土台は、それらを置かずに進む構成的な論理で、すべての証明が「作り方の手順」を兼ねる。この節制には配当がある ── 証明から検証済みのプログラムを機械的に取り出せるんだ。検証済み C コンパイラ CompCert は、まさにこの配当でできている。

公理を棚に１つ足すたびに、書ける数学は増え、証明から取り出せる計算は減る ── だから「証明そのものを実行可能な成果物にしたいなら Rocq」という選択になる。ちなみに Mathlib は古典論理と選択公理を全面採用しているから、Lean 4 は数学の広さを取り、計算の取り出しを譲った側だ。

３つ目は、いちばん深い分岐 ──「証明とは何か」の哲学だ。Lean 4 のカーネルは「同じ命題の２つの証明は区別しない」という設計を土台に焼き込んでいる。軽くて速く、ふつうの数学の慣習にも合う。

ところがホモトピー型理論（HoTT）という新しい数学は、まさにその「証明どうしの違い」や「等しさの等しさ」を幾何学の構造として研究する分野なんだ。カーネルに焼き込まれた哲学は、後から設定では変えられない。

だから HoTT をやりたければ、一価性が公理ではなく定理として成り立つ Cubical Agda のような土台を選ぶことになる ── これが「原理的にできない」という言葉の正確な中身だよ。

表の下３つは、視野を広げるために足した顔ぶれだ。ACL2 は型システムを持たない ── Lisp の計算そのものを論理にするという土台の選択で、AMD の浮動小数点除算の検証のような工業実績を積んできた老舗で、「型が無くても土台しだいで戦える」ことの生き証人だ。

Mizar は型理論ではなく集合論を直接の土台に選んだ道で、数学論文に近い書き味の形式化を何十年も蓄積してきた。

そして TLA+ は、そもそも定理証明系ですらない ── モデル検査という「あり得る状態を機械が総当たりで調べる」別方式が主戦場で、時相論理という「時間の流れの中での正しさ」を語る論理を土台に、AWS が分散システムの設計検証に実務採用している。

君のビジネスの悩みが「分散処理の設計が正しいか」なら、最初に手に取るべきは Lean 4 ではなく TLA+ かもしれない。Cubical Agda が HoTT の受け皿として表に座っているのも含めて ── 土台の数だけ、言語の生き方がある。それがこの表の読み方だよ。

タロウくん
調べていたら、Cryptol、Whiley、Dafny、ATS、PVS、Metamath という名前も見つけました。これらは、どういう立ち位置なんですか。

専任講師
よく見つけてきたね。どれも設計の軸を１つずつ教えてくれる顔ぶれだから、補遺の表にして渡そう。

言語	土台	得意	不得意
Dafny	ホーア論理（事前条件・事後条件・不変条件）+SMT	普通のプログラマに近い書き味での関数・クラス単位の検証。産業採用の実績（Amazon の暗号系ライブラリ、分散システム検証の研究など）	数学の定理の蓄積
Cryptol	暗号仕様の関数型記述。実装との等価性検証は相棒ツール SAW+SMT が担う	暗号アルゴリズムの仕様を書き、C や機械語の実装が仕様どおりかを検証（AWS の暗号ライブラリ検証などで実績）	暗号以外の領域ぜんぶ
PVS	古典の高階論理+述語サブタイプ（条件つきの型）	航空宇宙の検証（NASA での長年の採用）	フルの依存型の表現力、モダンな生態系
ATS	依存型+線形型を、C 並みの性能の低レベル言語に	メモリ安全・資源安全を証明ごと書くシステムプログラミング	学習曲線が急で、コミュニティが小さい
Whiley	事前・事後条件と篩型を最初から言語に組込み+SMT	検証組込みの命令型言語という設計の研究・教育	生態系と実務採用の規模
Metamath	論理すら組み込まない、置換規則だけの極小検査器。公理系（集合論など）はデータとして与える	検証器を数百行で書ける究極の信頼性。数万件の定理データベースは AI の証明研究の教材にもなった	自動化や抽象化の支援がほぼ無く、人間が書くには忍耐が要る

この６つから学べる設計の軸を言っておこう。Dafny と Whiley は「検証を、普通のプログラマの書き味に近づける」という民主化の軸。Cryptol は「対象領域を暗号ただ一つに絞る」という特化の軸 ── まさに DSL の生き方だ。

ATS は「性能と証明の両立」、PVS は「一つの産業（航空宇宙）で数十年鍛え続ける」という軸。そして Metamath は思想の極北だ ── 検査器が小さいほど、検査器そのものを疑わずに済む。本編で話したカーネルという設計思想を、極限まで煮詰めた姿だよ。

実務との距離でいえば、君の会社の明日に近いのは Dafny と Cryptol、思想を学ぶなら Metamath ── これで言語設計の見取り図が、ひととおり一周したことになる。

タロウくん
用途の違いの奥に、土台の理論の違いがあって、しかもどの土台にもトレードオフがある ── だから最強の１言語は原理的に存在しなくて、こんなにたくさんのプログラミング言語が開発されてきたんですね。新しい言語を作るときの動機や目的も、ここから考えられそうです。

「既存の土台のトレードオフでは守れないものを守るために、土台ごと選び直す」というか。このあたりって、型システム論とかプログラミング言語設計論とかを学べば、知見が深まりますか。言語を設計するという仕事についても、理解を深めたいんです。

専任講師
深まる。まさにその２つが該当分野で、学問としてはプログラミング言語理論と呼ばれる領域だ。型システム論の世界的な定番教科書は "Types and Programming Languages"（通称 TAPL）で、日本語なら『プログラミング言語の基礎概念』のような教科書から入れる。

そして君の言い直しは、そのまま言語設計の動機の定義になっている ── Idris 2 は「資源の使用回数を型で守りたい」から量的型理論を土台に選び、F* は「証明の筋肉労働を自動化したい」から SMT ソルバを土台に組み込み、Lean 4 は「数学の全体とメタプログラミングを一つの言語で」という目的から自己記述の依存型言語として設計された。

土台の選択こそが言語設計の核心なんだ。仕事としても、汎用言語のコアチームは世界でも少数だが、ドメイン特化言語（DSL）── 設定記述、API 定義、業務ルールの記述言語 ── の設計なら、普通のエンジニアの実務の中にいくらでもある。

今日やった「土台とトレードオフで言語を比べる」という見方自体が、言語設計論の最初の一歩だよ。

タロウくん
……今日はたくさん質問してしまいました。入り口ではエージェントが伴走してくれて、出口の意思決定は人間が引き受ける。そして道具の選択の奥には、土台の理論がある ── この世界の歩き方の実感が湧きました。

先生、まずは Natural Number Game、今夜やってみます。

専任講師
いい返事だ。ゲームで帰納法に慣れたら、次は Rocq の世界も覗いてみるといい。同じ景色が、別の窓から見えるから。

対話篇で辿り着いた「言語の得意不得意は、土台の論理と型理論の選択で決まる」という見方は、それ自体を主題にした拙記事群があります。

２１の論理体系を本記事と同じ対話篇の形式で巡るif 文も SQL も、実は別々の「論理」だった ── 古典論理から量子論理まで、２１の論理体系を５人で議論【対話篇】、「論理は複数ある」という事実そのものを地図にした論理はひとつではない ── 圏論論理学がつなぐ量子論理・トポス・圏論的量子力学、そして「器（数学の宇宙）を選ぶと、なぜ古典論理か直観主義論理が決まるのか」を数学の仕組みまで掘り下げたトポスと論理の関係です。

本記事の対話篇が言語の側から登った山を、これらは論理の側から登っています。

発展コラム ──「複数の等しさ」の数学は、何の役に立つのか

対話篇で「Lean 4 と原理的に相性が悪い数学」として名前だけ登場したホモトピー型理論（HoTT）について、一歩だけ踏み込むコラムです。発展的な内容なので折りたたんであります。興味のある方だけお開きください。

コラム本文:互いに異なる「複数の等しさ」とは何か（クリックで開閉）

「等しい」に、種類がある

ふつうの数学では「a = b は、成り立つか成り立たないか」だけを問います。HoTT の出発点はその一歩先です ── 等しいとして、どの等しさか。具体例を３つ見てください。

例１（対応の選び方）── ３人の生徒 {太郎, 花子, 次郎} と３つの席 {A, B, C} は「同じ数」です。でも、同じ数だと確かめる方法 ── 誰をどの席に対応させるか ── は６通りあります。「等しい」という一つの事実の内側に、６つの互いに異なる等しさが入っているのです。

座席表が変われば現実が変わるように、どの等しさかには固有の情報があります。

例２（重ね方の違い）── 正三角形を持ち上げて、自分自身にぴったり重ねる方法は１つではありません。そのまま戻す、１２０度回す、２４０度回す。「同じ形」という一言の内側に、複数の重ね方=複数の自己同一視が畳み込まれています。

この「等しさたちの集まり」こそ、数学で対称性と呼ばれるものの正体です。

例３（プログラムの表現替え）── 連結リストと配列は、どちらも「同じ列」を表せます。同じであることの中身は、相互に変換する２つの関数の組です。変換の組の選び方が違えば、それは別の等しさ ── データ移行の現場で書くマッピング表が、まさに「等しさの中身」にあたります。

HoTT は、この直観を土台に据えた数学です。「a = b」を a から b への道と読み、道が複数ありうること、さらに道と道のあいだの道（等しさどうしの等しさ）まで正式な研究対象にします。ホモトピーという幾何学の名前が付いているのはこのためです。

そして一価性（univalence〈ユニバレンス〉）という原理が「構造を保つ一対一の対応」と「等しさ」を公式に結びつけ、等しさの種類を数えることを数学として正当化します。

数学研究でのユースケース

この分野を推進したのはフィールズ賞受賞者のウラジーミル・ヴォエヴォドスキーで、動機の一つは「自分の論文の誤りに長年気づけなかった。機械に検査させたい」という切実なものでした。研究での使いどころは３つあります。

第一に、数学の基礎の新しい土台の候補（集合論に代わる出発点）。第二に、同型なもののあいだで定理を自動で移送できること ── 数学者が日常的に行う「同型だから同一視する」という省略を、原理のレベルで正当化し機械化します。

第三に、空間そのものを型として直接扱う新しいスタイルのホモトピー論 ── 球面のホモトピー群の計算のような結果が、実際に形式化されています。実装の受け皿は、対話篇で触れた Cubical Agda のほか、Rocq 上の HoTT ライブラリなどです。

産業・実務でのユースケース

正直に言えば、HoTT が製品開発の現場で広く使われている段階では、まだありません。ただし芽は具体的です。

第一に、表現の差し替えの正当化 ──「同値な型は交換してよい」という一価性の発想は、プログラムの内部表現を効率のよいものへ差し替えても外から見た性質が保たれる、という表現独立性の保証に直結します。

第二に、スキーマ移行と双方向変換 ── 旧データベースと新データベースが「同値」であることの中身（どの対応で移すか）は移行スクリプトそのものであり、等しさを一級のデータとして扱う HoTT の発想と深く響き合います。

第三に、バージョン管理の数学 ── パッチやマージを「状態のあいだの道」、マージの整合性を「道どうしの関係」として定式化する研究（パッチ理論）があり、分岐と統合の正しさを語る新しい語彙になりつつあります。

なぜ Lean 4 では、原理的にできないのか

対話篇で「Lean 4 と HoTT は原理的に相性が悪い」と述べました。ここまでの言葉が揃ったので、その理由を種明かしします。

Lean 4 のカーネルには、プルーフ・イレレバンス（proof irrelevance、証明の無差別）という設計が焼き込まれています。同じ命題に対する証明は、何通りの書き方があってもすべて同一のものとして扱う、という規則です。

とくに「a = b」という等しさの命題では、その証明はどれも同じと見なされます ── 等しさの証明は高々１通り、という性質で、UIP（uniqueness of identity proofs）と呼ばれます。

旅にたとえるなら、Lean 4 の世界の記録簿には「東京に着いたか、着いていないか」だけが残り、どの経路で着いたかは書き込まれません。経路の違いは、カーネルの規則によって最初から消される設計なのです。念のために言えば、これは手抜きではなく利点です。

違いを保存しない分だけカーネルは小さく軽く速くなり、「等しさは１種類で足りる」ふつうの数学には最適の選択です。Mathlib の巨大な蓄積は、この身軽さの上に建っています。

一方、ここまで見てきたとおり、HoTT の心臓は正反対の場所にあります。「a = b」の証明を a から b への道と読み、３人の生徒と３つの席の対応が６通りあるように、異なる道は異なるものとして数える。一価性とは、まさに「対応の数だけ、互いに異なる等しさが存在する」ことを保証する原理でした。

衝突は、もう見えていると思います。

カーネルが「等しさの証明はどれも同じ（高々１つ）」と決めている世界へ、「この２つの型のあいだには６通りの、互いに異なる等しさがある」と主張する一価性を公理として持ち込むと、１つしかないはずのものが６つある、という矛盾がその場で生じます。

つまり Lean 4 において一価性は「まだ証明されていない」のではなく、追加した瞬間に体系ごと壊れるのです ── これが「原理的にできない」の正確な中身です。しかもこの規則は、設定ファイルやライブラリの層ではなく、カーネルの型検査の規則そのものに焼き込まれているため、後から変えられません。

経路を記録簿から消す駅では、経路の学問は営めない ── だから HoTT の研究者たちは、道の違いを最初から保存する Cubical Agda のような別の土台を選ぶのです。

まとめれば ──「等しさは１種類」という前提の上に建つのが従来の数学と Lean 4 で、「等しさの多様性」ごと扱うのが HoTT と Cubical Agda です。対話篇で見た土台の分岐の意味を、ここまで開くとこう言えるのです。

なお、この「複数の等しさ」の数学については、独立した連載を既に開始しています。

連載初回:「型」を「空間」として捉え、「２点を結ぶ経路」の数だけ「異なる等しさ」を認識するホモトピー型理論（HoTT）は、数学と情報科学でどう威力を発揮するか?では本コラムの内容を学部数学の言葉で本格的に展開し、連載第２回:「複数の等しさ」を扱う２つの流派では、Lean 4 で HoTT が原理的にできない理由（証明どうしを区別しない設計と一価性の非両立）も、正面から解説しています。

まとめ

まとめの箇条書きに入る前に、一つだけ釘を刺させてください。Lean 4 は、万能ではありません。証明したい性質を数学の言葉で表現できなければ、Lean 4 は何一つ証明できません。

だから本当に重要なのは、「Lean を書く技術」よりも「どんな数学構造で業務を表現するか」です。

Lean 4 はその正しさを検査する機械であり、何を証明すべきかを決めるのは、最初から最後まで人間なのです ── この一線は、篩型の F* を紹介した記事でも、λProlog の連載でも、Correctness の記事でも繰り返してきた、本連載の背骨です。

• Lean 4 は、定理証明系と汎用プログラミング言語が一つになった言語であり、コンパイラから証明の道具まで自分自身で書かれた、徹底した自己記述の設計を持ちます
   
• Mathlib という数百人が育てる巨大な形式化数学ライブラリが、数学者の共同事業と AI の学習・検証の共通の土台になっています
   
• 数学の現場ではリキッド・テンソル実験、タオの形式化、フェルマーの最終定理プロジェクトが、AI の現場では AlphaProof をはじめとする証明 AI が、それぞれ Lean 4 を舞台に進んでいます
   
• ソフトウェアの現場でも、Amazon の Cedar のような検証駆動の実例が育ちつつあります
   
• 「検査済み」を受け取る側の検分点は３つ ── sorry を数え、公理を数え、主張文を読む。主張文の検分は、AI の時代にも人間の仕事です
   
• Rocq・Isabelle・Agda・F* とは目的で使い分けます。数学の形式化と AI の潮流に乗るなら、入口は Lean 4 が第一候補です

関連記事

• λProlog とは何か ── AI が数学を証明する時代、定理証明系 Rocq の内側で働く知られざる言語
   
• F*（F Star）とは何か ── Firefox・Linux・WireGuard で動く「証明済みコード」を書けるプログラミング言語の早わかり
   
• 形式証明は「仕様が人間の意図を反映しているか」は保証しない ── Correctness と Appropriateness の境界
   
• if 文も SQL も、実は別々の「論理」だった ── 古典論理から量子論理まで、２１の論理体系を５人で議論【対話篇】 ── 対話篇で触れた「土台の論理はひとつではない」を、２１の体系で一望します
   
• 論理はひとつではない ── 圏論論理学がつなぐ量子論理・トポス・圏論的量子力学 ── その出発点となった地図です
   
• トポスと論理の関係 ── ひとつのトポス（数学の宇宙）を選ぶと、なぜ古典論理か直観主義論理が決まるのか ── そして、トポス以外の「器」たち ── 古典と直観主義の分かれ目を、数学の仕組みから説明します
   
• 【連載初回】「型」を「空間」として捉え、「２点を結ぶ経路」の数だけ「異なる等しさ」を認識するホモトピー型理論（HoTT）は、数学と情報科学でどう威力を発揮するか? ── 発展コラムの主題を本格的に扱う連載の初回です
   
• 【連載第２回】「複数の等しさ」を扱う２つの流派 ── ホモトピー型理論（HoTT）と ∞-圏論のあいだに双方向の橋が開通する日はくるか? ── Lean 4 で HoTT ができない理由も正面から解説しています

出典

• OpenAI and Google outdo the mathletes, but not each other（TechCrunch、2025年７月） ── 2025年 IMO での Gemini Deep Think の公式金メダル水準と、OpenAI の自社評価の経緯

• "DeepSeek-Prover-V2"（arXiv:2504.21801） ── Lean 4 向けのオープンソース証明モデルの代表例

• "Seed-Prover"（arXiv:2507.23726） ── 形式検証を訓練の報酬に使う狙いを明記した ByteDance の論文

• Lean 公式サイト ── https://lean-lang.org/
   

• Lean 4 GitHub ── https://github.com/leanprover/lean4
   

• Mathlib GitHub ── https://github.com/leanprover-community/mathlib4
   

• Google DeepMind によるAlphaProof の発表（2024年） ── https://deepmind.google/discover/blog/ai-solves-imo-problems-at-silver-medal-level/
   

• Cedar（Amazon の認可ポリシー言語）の GitHub ── https://github.com/cedar-policy/cedar
   

• ZEN 数学センター「LANA プロジェクト発表にあたって」（2026年３月３１日） ── https://zen.ac.jp/zmc/topics/jwz-o8xr3v6f