はじめに：「Shock! Shock!」
2026年2月28日、コンピュータ科学の世界に小さな衝撃が走った。
Donald Knuth（ドナルド・クヌース）が新しい論文を公開した。タイトルは「Claude's Cycles」。冒頭の一言はこうだ。
"Shock! Shock!"
87歳のKnuthが、AIに対する自分の見方を改めざるを得なくなった。その経緯を記した短い論文は、Hacker Newsで500ポイント超、200件以上のコメントを集め、大きな議論を呼んでいる。
何が起きたのか。この記事では、専門知識がなくても理解できるように解説する。
Donald Knuthとは何者か
まず「なぜこの人の発言が重要なのか」から説明する。
Donald Knuthは、プログラミングの世界で「神」と呼ばれる人物だ。1938年生まれ、スタンフォード大学名誉教授。代表作『The Art of Computer Programming』（通称TAOCP）は1960年代から執筆が続く全7巻の大著で、コンピュータ科学の聖書とも呼ばれる。
ビル・ゲイツがかつてこう言った。
「この本を全部読破できたなら、ぜひ私に履歴書を送ってほしい」
Knuthはコンピュータ科学にとどまらず、組版ソフトウェアTeXの開発者でもある。学術論文を書く研究者なら、ほぼ全員がTeXの恩恵を受けている。
そのKnuthは、これまでAIに対して一貫して慎重な姿勢を取ってきた。「大規模言語モデルは本質的に知性を持っていない」という立場だ。
その人が「Shock!」と書いた。これが、この論文が注目される最大の理由だ。
何が起きたのか — 3行まとめ
- Knuthが数週間解けなかった数学の問題を、友人がClaude Opus 4.6に投げた
- Claudeが約1時間・31ステップで解を発見した
- Knuthが「AIへの見方を改めないといけないようだ」と認めた
どんな問題だったのか
ここからは専門用語を避けて説明する。
たとえ話で理解する
3次元の碁盤の目を想像してほしい。
縦m個、横m個、高さm個の格子点が立体的に並んでいる。m=5なら、125個の点が空間に浮かんでいるイメージだ。
各点から3方向に一方通行の道が伸びている。この道は全部で 3 x m³ 本ある。
問題: この一方通行の道すべてを、ちょうど3本の「巡回ルート」にきれいに分けられるか？
「巡回ルート」とは、全ての点を1回ずつ通って出発点に戻るルートのこと。数学の用語では「ハミルトン閉路」という。
道の使い残しも重複もなく、ちょうど3本のルートに分割する。これが問題の全体像だ。
何が難しいのか
m=3（27個の点）の場合は、Knuthが手作業で解いていた。しかし「任意のm」、つまり「mがどんな数でも使える一般法則」を見つけることが難しかった。
mが大きくなると、点の数も道の数も爆発的に増える。m=10なら1,000個の点と3,000本の道。力任せに全パターンを試すことは、スーパーコンピュータでも現実的ではない。
必要なのは計算力ではなく、数学的な洞察 — パターンを見抜き、それが常に成り立つことを示す構成法だった。
この問題はKnuthの大著TAOCPの将来の巻に収録予定の未解決問題だった。彼は数週間取り組んだが、突破口を見つけられなかった。
Claudeはどうやって解いたのか
Knuthの友人であるFilip Stappersが、この問題をそのままClaude Opus 4.6に入力した。
ここから約1時間、31ステップの探索が始まる。面白いのは、そのプロセスが人間の研究者の試行錯誤に驚くほど似ていること。
第1フェーズ: 力任せの試行（ステップ1〜10頃）
Claudeはまず、プログラムを書いて力任せに解を探した。「とりあえず全部試してみよう」というアプローチだ。小さいケースでは動いたが、一般法則には至らなかった。
第2フェーズ: パターンの模索（ステップ11〜20頃）
次にClaudeは「蛇行（serpentine）パターン」と自ら名付けた構造を考案した。立体格子を蛇のように巡る規則性を見出そうとした。有望に見えたが、全てのケースをカバーするには至らなかった。
シミュレーテッドアニーリング（統計的な最適化手法）も試した。個別の解は見つかるが、一般的なルールの構成には使えなかった。
転換点: 自己判断（ステップ25）
ここが最も注目すべき瞬間だ。
Claudeは自らこう結論した。
「シミュレーテッドアニーリングでは個別の解は見つかるが、一般的な構成法は得られない。純粋な数学が必要だ」
人間の研究者が行き詰まった時に「アプローチを根本から変えよう」と判断するのと同じだ。AIが「自分の方法では限界がある」と認識し、戦略を切り替えた。
さらにClaudeは、この問題を「ケイリー有向グラフ」として認識し直した。これは群論（代数学の一分野）の概念だ。つまり「この問題、グラフ理論ではなく代数学の枠組みで考えた方がいい」と、分野を横断する発想を自力で行った。
発見の瞬間（ステップ30〜31）
ステップ30で、Claudeは過去の探索結果を振り返り、構造的なパターンを見出した。
ステップ31で、s = (i + j + k) mod m という値に基づく条件分岐ルールを発見。これが全ての奇数mで機能する一般構成法だった。
検証と証明
Stappersの検証
Stappersは、Claudeが生成したPythonプログラムをm=3, 5, 7, ..., 101の全ての奇数で実行した。全て正しく動作した。
Knuthの証明
ここが人間とAIの役割分担が明確になるポイントだ。
Claudeは「動く解」を見つけたが、「なぜそれが常に正しいのか」を数学的に証明することはできなかった。
Knuthが厳密な数学的証明を書き上げた。「全ての奇数mについて、Claudeの構成法が確かにハミルトン閉路の分解を与える」ことを人間の数学者として保証した。
760通りの解
Knuthはさらに深い分析も行った。m=3の場合を徹底的に調べ上げたところ、11,502本のハミルトン閉路が存在し、条件を満たす分解は4,554通り。そのうち一般化可能なもの（全ての奇数mで使えるもの）はちょうど760通りだった。
Claudeが見つけたのはその760通りのうちの1つ。「たまたま当たった」のではなく、構造的に正しい解の一つを系統的に発見していたことが裏付けられた。
偶数問題は未解決
奇数ケースはきれいに解けた。では偶数（m=4, 6, 8, ...）はどうか。
StappersがClaudeに引き続き偶数ケースを依頼したところ、Claudeは行き詰まった。セッションが長引くにつれてコードの品質が落ち、最終的には正しいプログラムすら書けなくなったという。
これはAIの現在の限界を正直に示している。コンテキストウィンドウ（AIが一度に扱える情報量）には上限があり、探索が長期化すると性能が劣化する。
偶数ケースの解決は、今もオープンな問題として残されている。
なぜこれが重要なのか
1. 「計算が速い」のとは根本的に違う
AIが大量の計算を高速に行うのは今さら驚くことではない。今回Claudeがやったのは以下のプロセスだ。
- 複数のアプローチを自発的に試す
- 失敗から学んで方針を変更する
- 「力任せでは無理」と自ら判断する
- 別の数学分野の概念を持ち込む
- 最終的に未知の構成法を発見する
これは「計算」ではなく「研究」と呼ぶべき知的作業だ。従来「人間の研究者にしかできない」とされていた領域に、AIが足を踏み入れた。
2. 発言者の重みが違う
「AIがすごい」という記事は毎日出る。しかし今回の発言者はDonald Knuth。コンピュータ科学の基礎を半世紀以上にわたって築いてきた人物が、自分の専門領域で、自分が解けなかった問題をAIに解かれた。
結びの言葉がその重みを物語る。
"It seems I'll have to revise my opinions about generative AI one of these days."
（そのうち生成AIに対する自分の意見を改めないといけないようだ）
これはAI懐疑派の最高権威による、事実上の転向宣言だ。
3. 人間+AIの新しい分業モデル
この事例は「AIが人間を置き換える」話ではない。それぞれの役割が明確に分かれていた。
| 役割 | 担当 |
|---|---|
| 問題を定義する | 人間（Knuth） |
| AIを正しい方向に導く | 人間（Stappers） |
| 解を探索・発見する | AI（Claude） |
| 解が正しいことを証明する | 人間（Knuth） |
AIが発見し、人間が検証・証明する。数学研究における人間とAIの協働モデルが、世界最高峰の研究者によって初めて公式に記録された。
見えた限界
公平を期すために、今回の事例で見えた限界も整理しておく。
Claudeにできたこと
- 複数のアプローチを体系的に試行する
- 失敗から方針を切り替える
- 分野横断的な発想で問題を再定式化する
- 未知の構成法を発見する
Claudeにできなかったこと
- 発見した解が「なぜ正しいか」を数学的に証明する
- 偶数ケースを解く（長時間セッションで性能が劣化）
- 人間の誘導なしに、自発的にこの問題に取り組む
つまり「AIが単独で数学を解く時代が来た」のではない。「人間が正しく使えば、AIは数学的発見のパートナーになり得る」 ことが示された。
Knuthの言葉
最後に、論文の中でKnuthが残した2つの言葉を引用する。
冒頭。
"Shock! Shock!"
そして、発見の喜びについて。
"What a joy it is to learn not only that my conjecture has a nice solution but also to celebrate this dramatic advance in automatic deduction and creative problem solving."
（自分の予想にきれいな解があると知った喜びだけでなく、自動推論と創造的問題解決におけるこの劇的な進歩を祝えることが嬉しい）
87歳の巨匠が、知的好奇心を持ってAIの力を受け入れた。その姿勢こそが、この論文の最も価値ある部分かもしれない。
参考資料
- Donald Knuth "Claude's Cycles" (原論文)
- Hacker News Discussion (499pt, 217 comments)
- "Donald Knuth's 30-Year Problem — Solved by an AI" (Substack解説)
- "Donald Knuth, the godfather of computer science, says an AI solved a math problem he was stuck on for weeks" (Boingboing)