GPT-5.6、統計学の20年来の未解決問題を90分で解決――13万回引用の「BH法」の欠陥を証明

OpenAIの最新AIモデル「GPT-5.6 Sol Pro」が、現代科学で最も広く使われているエラー制御手法に関する20年来の未解決仮説を、わずか約90分で覆す数学的反例を構築した。ペンシルベニア大学ウォートン校の統計学者エドガー・ドブリバン（Edgar Dobriban）氏が2026年7月14日にプレプリントで発表したこの成果は、AIが生成した検証用コードによって第三者による即時の検証が可能となっている。前月には「GPT-5.5」が20時間以上かけても解決できなかった難問を、新モデルが極めて短時間で解決したことで、AIの推論能力の急速な進化が浮き彫りになっている。

■現代科学を支える「ベンジャミーニ・ホッホバーグ法（BH法）」とは

現代の科学研究では、同時に数百万もの統計テストが実行される。例えば、ゲノム解析で疾患に関連する遺伝子変異を探索する際には1回の実験で50万箇所を検査し、脳画像研究では10万個のボクセル（体積の単位）を同時に調べる。テストの回数が増えるほど、偶然だけで「有意」に見える結果が生じる確率が高まってしまう。

1995年、統計学者のヨアブ・ベンジャミーニ（Yoav Benjamini）氏とヨセフ・ホッホバーグ（Yosef Hochberg）氏は、この問題を制御する手法を発表した。これが統計学者なら誰もが知る「ベンジャミーニ・ホッホバーグ法（BH法）」である。BH法は「偽発見率（FDR：有意と判定された結果のうち、誤りである予想割合）」を管理する。例えば、FDRを5%に設定して100個の発見があった場合、理論上はそのうち約5個が偽陽性（誤検出）に収まる。この論文は、生物学、ゲノム科学、天文学、経済学、金融など多岐にわたる分野で13万回以上引用されており、スタンフォード大学の統計学者エマニュエル・カンデス（Emmanuel Candès）氏は「1950年以降の統計学における最も重要な2大進歩の1つ」と評している。

しかし、この手法には当初から理論的な懸念が存在していた。ベンジャミーニ氏とホッホバーグ氏は、個々のテスト結果が統計的に「独立」している場合にBH法が機能することを証明したが、現実世界のデータがこの条件を満たすことはほぼない。遺伝子変異は連鎖不平衡によって連動して遺伝し、脳の領域は相関パターンを持って活性化し、金融指標は連動して動く。約20年間、研究者たちは「相関があり、正規分布に従うデータを両側検定する場合でもBH法は有効である」と仮定してきた。複数の研究がこれを支持する証拠を示し、有力な研究者たちもこれを「仮説（コニェクチャー）」と呼んでいたが、誰もそれを証明することも、反例を見つけることもできずにいた。

■GPT-5.6が前モデルの限界を突破したプロセス

2026年7月14日、以前から統計学研究にAIを活用していたドブリバン氏は、GPT-5.6 Sol Proに向き合い、この問題を直接投げかけた。同氏がモデルに与えたのは、BH法の厳密な数学的定義のみであった。それから約90分後、AIは反例を構築してみせた。

このAIは、3つの変数グループ（96%の真の帰無仮説と4%の非帰無信号）を持つ特定のガウス因子モデルを構築した。これらはすべての観測値が単一の潜在確率因子Zを共有するように配置されている。ブロックの負荷量は、Zの値が正の確率を持つ集合において、帰無分布が想定よりも重い両側裾を持つと同時に、非帰無ブロックが棄却数を押し上げるように調整されている。これにより、自己整合的なBH閾値が生じ、偽発見率が設定された目標を確実に上回ることが証明された。名目レベル1%の設定において、ドブリバン氏が示した反例では、実際の偽発見率が1.04%を超えている。

この結果の信頼性を確固たるものにしているのが、AIが本論と同時に生成した「区間演算による数値証明書（数値的証明）」である。Pythonパッケージの「python-flint」を介して数学ライブラリ「Arb」を使用するこの証明書は、すべての計算を外側丸め（outward-rounded）のボール算術で実行する。つまり、計算されたすべての境界に正確な実数の解が含まれることが保証される。これは丸め誤差が生じる可能性のある浮動小数点近似ではなく、必要な不等式が成立することを示す厳密な有限証明である。この証明書はドブリバン氏がGitHubで公開した反例コードに含まれており、適切なソフトウェアを持つ研究者なら誰でも実行して結果を確認できる。

このアプローチは、BH法を経験分布関数と直線の右端の交点として扱う「漸近的FDR解析」と、「区間演算による証明書検証」という2つの確立されたツールを、研究者がこれまで試みなかった構成で組み合わせたものだ。ドブリバン氏が指摘するように、一度発見されてしまえばこの組み合わせは「特に驚くべきものではない」。しかし、数学全般がそうであるように、最大の難所は「どちらの方向に進むべきか」を知ることにあった。

■OpenAIのグラフ理論に関する証明主張との違い

ドブリバン氏が成果を発表する5日前、OpenAIは同じモデルファミリーの最高計算構成である「GPT-5.6 Sol Ultra」が、1970年代から未解決だったグラフ理論の問題「サイクル二重被覆仮説（CDC仮説）」の証明を生成したと発表していた。その主張は64個の並列サブエージェントを使用し、1時間未満で達成されたという。AIが生成した数学の検証経験を持つマンチェスター大学の数学者トーマス・ブルーム（Thomas Bloom）氏は、提案された証明を「非常に優れた証明」であり、「短く初等的で、1980年代に発見されていてもおかしくなかったもの」と評価した。また同氏は、AIは挫折しないという特徴を指摘している。人間の数学者ならあるアプローチを試みて失敗すれば諦めて次へ進むが、AIは「何かがうまくいくまで、小さなバリエーションを試しながら執拗に粘り続ける」のだという。

ただし、このCDCの証明は現在も数学コミュニティによる査読中であり、本記事の公開時点で独立した数学的査読は完了していない。

一方、ドブリバン氏によるBH法の反証は、それとは異なる信頼性のカテゴリに属する。区間演算証明書が存在するため、研究者は誰でもコードをダウンロードして実行できる。人間の数学者が読んで理解し、受け入れるまではコミュニティで証明されたとみなされない自然言語の数学的議論とは異なり、BH法の証明書は直接的な意味で「機械検証可能」である。この違いは、2つの成果をどのように報道すべきか、そして読者がそれぞれにどれほどの信頼を置くべきかを判断する上で極めて重要である。

■「20時間の壁」が物語るAI能力の飛躍

今回の発表で最も明確なシグナルは、同一の問題におけるGPT-5.5とGPT-5.6の比較である。ドブリバン氏は以前、複数の並列エージェントを用いてGPT-5.5にこのBH法の問題を20時間以上解かせたが、有効な解は得られなかった。しかし、GPT-5.6 Sol Proは、わずか約90分のシングルセッションでこれを解決した。

GPT-5.6 Sol Proは、12日間の政府限定プレビューを経て2026年7月9日に一般公開された「GPT-5.6」の推論時間計算量拡張バージョンである。Pro構成では、推論時により多くの計算資源（問題あたりにより多くの思考トークン）を割り当てることで、より長い数学的推論の連鎖を可能にしている。また、100万トークンを超えるコンテキストウィンドウを備えており、長時間のセッションにわたって複雑な数学的状態を維持できる。

5月に検証された「エルデシュの単一距離問題」の反例、7月10日に発表された「CDC仮説」の証明、そして7月14日の「BH法」の反証と、AIによる数学的成果が立て続けに現れている現状について、ドブリバン氏は「エキサイティングな時代に生きている」と語る。一方で、この分野の第一人者であるバークレー校の統計学者ウィル・フィシアン（Will Fithian）氏は、より複雑な心境を吐露している。「重要な成果が得られたときには、常に称え合える同僚がいて、称賛すべき人間の洞察があり、刺激を受ける人間の偉業があった、そんな過ぎ去りし日々を惜しまずにはいられない」

■BH法の「欠陥」が研究者に与える実際の影響

ドブリバン氏は、実務上の影響について慎重に説明している。今回の反例で示された、証明された偽発見率と名目レベルとの乖離は極めてわずかである。名目レベル1%に対して実際の率は1.04%をわずかに超える程度であり、同氏はこの違反を「比較的小さい」とし、「現時点では主に理論上の問題にとどまる」と述べている。ゲノム科学、神経科学、あるいは臨床試験などで現在BH法を使用している研究者が、これまでに発表した知見を今すぐ見直す必要はない。

ただし、この結果は理論的な追試を求めている。統計学者たちは今後、どのような条件下でBH法が相関データに対して偽発見率を正確に制御できるのか、また生じ得るインフレ（誤差の拡大）がどれほど大きくなるのかを正確に特定しなければならない。ドブリバン氏が即座に指摘する2つの疑問は、「FDRインフレの普遍的な境界が存在するのか」と、「漸近的に失敗する場合でも、同時テストの数が少ない場合にはBH法が保証を提供するのか」である。これらは今回の反証によって生じた新たな未解決問題である。なお、シフトされたBH法や、任意の依存関係に対応する「ベンジャミーニ・イェクティエリ（BY）補正」など、BH法の変法はすでに存在しており、相関のある設定においてより強力な理論的保証を提供する可能性がある。

■AIは新しい数学を発見しているのか、それとも古いアイデアの再結合か

ドブリバン氏の成果や最近のグラフ理論の主張は、数学コミュニティがまだ解決していない問いを突きつけている。AIが、人間の研究者が試みなかった方法で2つの確立された分析アプローチを組み合わせたとき、それは「発見」なのか、それとも「極めて高度なパターンマッチング」に過ぎないのだろうか。

AI支援による成果全般について、ブルーム氏は、AIは既存の十分に発展した理論から構築されたアプローチを粘り強く探索する必要がある問題には非常に長けているが、これは未解決の数学のほんの一部に過ぎないと指摘する。多くの未解決問題は、既知のツールの斬新な組み合わせだけでなく、概念的に全く新しい枠組みを必要とする。「どの問題がAIで解決可能なのかは事前には分からない」とブルーム氏は記しており、AIの実績は少なくとも「どの問題が最初から我々の手の届くところにあったのか」を特定してくれるという。この再評価は、AIがまだ真に新しい数学的概念を生み出していないとしても、大きな価値がある。

現時点で、今回のBH法の反証は、現代における最も鮮やかなAIの数学的貢献の1つと言える。人間の20年間にわたる努力を退けてきた具体的かつ反証可能な仮説が、独自の独立した検証メカニズムを伴う反例によって解決されたのだ。ドブリバン氏は、GPT-5.6 Sol Proとの全会話ログおよび関連するすべてのコードを公開している。

■注目ポイントQ&A

●ベンジャミーニ・ホッホバーグ法（BH法）とは何ですか？今回の結果はどのような影響を与えますか？

BH法は、ゲノム解析や脳画像診断、臨床研究などで数千もの統計テストを同時に行う際に、誤って「有意」と判定される割合（偽発見率）を制御するために1995年に導入された統計手法です。13万回以上引用されています。ドブリバン氏の成果は、テスト結果に相関があり、かつ両側検定を行う場合、この手法が公表されている偽発見率を保証しないことを示しました。実務への影響は現時点では軽微ですが、どの条件下で保証が維持されるかを解明するための理論的な追試が必要とされています。

●OpenAIが発表した「サイクル二重被覆仮説（CDC仮説）」の証明とはどう違うのですか？

7月10日に発表されたCDC仮説の証明は自然言語で書かれた数学的議論であり、数学者たちが1行ずつ読んで検証する必要があります（このプロセスは現在進行中です）。一方、今回のBH法の反証には、公開されているソフトウェアを使ってどの研究者でも実行できる「機械検証可能な区間演算証明書（コード）」が含まれています。そのため、BH法の成果はCDCの主張よりも直接的かつ即座に検証可能です。

●AIは数学者や統計学者に取って代わるのでしょうか？

すぐにそうなるわけではありません。今回の成果も、ドブリバン氏が適切な問いを立て、正確な数学的定義を提供し、AIの議論全体を検証するという専門知識があって初めて実現しました。AIは既知のツールを粘り強く探索する問題で威力を発揮しますが、全く新しい数学的概念を創造するような問題においては、依然として人間の洞察が必要とされています。

●現在BH法を使用している研究者は、アプローチを変更する必要がありますか？

急いで変更する必要はありません。ドブリバン氏は、今回の反例で示された基準値の超過は比較的軽微であり、現時点では主に理論上の問題であると述べています。ただし、相関のあるデータに対してより厳密な理論的保証を求める場合は、任意の依存関係に対応できる「ベンジャミーニ・イェクティエリ（BY）法」などの代替手法の検討が推奨されます。

元記事: GPT-5.6 Disproves Statistics Conjecture in 90 Minutes, Exposing Flaw in 130,000-Citation Method