AIを使って「形式検証」――ソフトウェアが意図通りに動くことを数式で証明する骨の折れる作業を自動化できないか、という問いに資金が集まっています。これは、バグを人手で潰す作業そのものではなく、意図通りに動くことを数式で証明する仕組みをAIで自動化しようとする試みです。スタンフォードの研究者が、本来なら熟練エンジニア3人で5カ月かかる検証作業を、AIを使って半日・500ドル未満で終えたという報告が出ました。今日はこの地味な分野に、なぜAIスタートアップが7,000万ドル(約111億円)単位の資金を集め始めているのかを掘り下げます。
&Truthのシード資金調達が示す、AIで「証明」するコード検証の実測
ソフトウェアの世界には、昔から「数学的にバグがないことを証明する」手法があります。かみ砕いて言えば、設計図の通りに橋や建物が壊れないことを計算で確かめるように、コードが意図通りに動くことを数式で確かめる作業です。これをフォーマル・ベリフィケーション(形式検証)と呼びます。企業は既に様々なテストでバグを洗い出していますが、この形式検証までお金をかける例はまれだったとWIREDは伝えています。理由は単純で、エンジニアがソフトウェアの目標を厳密な文章に起こし、コードを検証可能な数式へ変換する作業が、長く骨の折れる工程だったからです。
この状況を変えつつあるのが、生成AIを使った自動化です。スタンフォード大学の研究者チュイエ・サン氏は、メッセージアプリSignalの暗号化コードの一部を対象に、AIを使った形式検証を試しました。結果は、熟練エンジニア3人が手作業で5カ月かけていた仕事を、半日足らず・500ドル未満のコストで終えたというものです。ここでの「500ドル未満」は、人件費5カ月分という比較対象があって初めて意味を持つ数字です。従来の形式検証がどれほど人手に依存していたかを、同じ作業の前後で示した実測といえます。
サン氏は2026年8月、スタートアップ&Truthに参加しました。&Truthは今回公に活動を始めた企業で、投資家から7,000万ドル(約111億円)のシード資金を調達しています。目標は、あらゆるプログラミング言語を検証できる「ユニバーサル検証マシン」の構築です。チーフ・サイエンス・オフィサーのイリヤ・セルゲイ氏は「橋や建物が崩れないのは、建設前に人が数学で確かめているからだ。コードでも同じことをしない理由はない」と語り、数学的に推論する技術自体は以前からあったが、それを規模化するのが難しかったと説明しています。
同じタイミングで動いているのが競合のHarmonicです。Robinhood CEOのヴラッド・テネフ氏が共同創業したこの企業は、2億9,500万ドル(約470億円)を調達済みで、数学特化型AIエージェント「Aristotle」がC言語のコードとVerilogのハードウェア設計を検証できると今週発表しました。利用候補先として半導体メーカーのTensordyneとNvidiaを挙げており、このうちNvidiaのベンチャー部門はHarmonicへの出資者でもあります。
さらに先週には、AnthropicとTheoremという検証スタートアップが共同で、何兆回ものテストをすり抜けていたオープンソースソフトウェアのバグをAIの支援で見つけたと発表しました。両社はClaude向けの検証補助アドオンも紹介しています。ただし、この初期プロジェクトにかかった費用は公開されていません。
出典が説明する範囲と、その先にある未解決の問い
&Truthの手法が基盤とするのはLean証明システムで、Rocq、Isabelleは形式検証分野で広く使われる一般的な数学証明ツールの例です。コードをこうしたツールが扱える形式に変換し、意図通りに動くかを検証します。この変換作業自体はAIを使わない場合もあると出典は述べており、AIがどこまで自動化を担っているかは、記事の範囲では一律には言い切れません。
形式検証分野には他の動きもあります。Microsoft Researchに20年以上在籍したマダン・ムスバシ氏は、出典記事が「Hugging FaceにおけるOpenAIハック」と呼ぶ事件のような出来事を受けて、研究の商業化を急ぐ必要を感じ、スタートアップTruidicを立ち上げました。同氏は「攻撃者の手に渡ったAIは強力になりうる」としつつ、検証によって「AIを誰にとっても安全にできる」と話しています。
一方、長年伝統的な検証サービスを手がけてきたProofcraftは、AIへの期待の高まりが問い合わせの増加につながっていると報告しています。CEOのジューン・アンドロニック氏とチーフ・サイエンティストのガーウィン・クライン氏によれば、需要は同社と競合が提供できる量を上回っているといいます。ただし両氏は、AIが生成した仕様書が「不当な信頼」を生みかねないという懸念も示しています。これは出典が明示する留保であり、AI生成の仕様書が結果への不当な信頼を招きかねないという懸念を示すものです。
この一連の動きから分かるのは、AIが形式検証の作業時間とコストを特定の事例で圧縮したという事実と、複数の企業がそこに資金を投じ始めたという事実です。一方で、NASAやAppleのような最重要システムの外側、つまり一般的なソフトウェア開発の現場にまでこの技術が広がるかどうかは、出典記事自体が「未解決の問い」として扱っています。AnthropicとTheoremの初期プロジェクトにかかった費用は公開されていません。公開情報だけでは、企業がどの程度の予算感でこの技術を検討すべきかを見積もる材料が不足しています。
用語補足:形式検証(フォーマル・ベリフィケーション)
形式検証とは、ソフトウェアが設計通りに動くことを数式を使って証明する手法です。通常のテストが「いくつかのケースを試して問題がないか確認する」のに対し、形式検証は「ある条件下では絶対に問題が起きない」ことを数学的に示そうとする点が異なります。全てのバグを見つける保証ではなく、証明の対象として定義した範囲内でのみ正しさを保証します。今回の記事の数字(半日・500ドル未満)は、Signalの暗号化コードの一部という限定された対象での実測であり、あらゆるソフトウェアに同じコストで適用できるという意味ではありません。
注目ニュース
AIによる暗号ライブラリの形式検証を扱う研究論文
arXivに掲載された論文「An AI Approach to Verified Production Cryptographic Libraries」は、AIを使って暗号ライブラリの検証を進める研究の一例です。詳細な数値や手法の記述は出典の抜粋からは確認できません。公開情報だけでは、具体的な検証対象や成果の規模までは判断できません。arxiv.org
Claudeが100件超のライブラリで証明を作成、その過程でバグも発見
Anthropicは検証スタートアップTheoremと共同で、Claudeを使いRISC-Vのアセンブリコードレベルで100件を超える実在のオープンソースソフトウェアライブラリのセキュリティ特性を証明したと発表しました。この過程でClaudeは、何兆回ものテスト実行をすり抜けていたバグを発見しています。Anthropicは、自社の知る限りこれが「AIを使って本番ソフトウェアをアセンブリコードレベルで形式検証した、初めての規模の取り組み」だとしています。モデルの能力向上に伴い、形式検証がソフトウェア開発の一部になっていくという見方を示していますが、これはAnthropic自身の見立てであり、出典記事内の評価です。www.anthropic.com
&Truthがシード資金調達で表舞台へ、Lean基盤の検証マシンを構築中
&Truthは2026年初めに設立された公益法人(パブリック・ベネフィット・コーポレーション)で、AI安全性とベンチャーキャピタルの関係者から7,000万ドル(約111億円)のシード資金を調達し、表舞台に出ました。Lean証明システムとオープンソースプロジェクトのCSLibを基盤に、独自の証明自動化とAIを組み合わせ、あらゆるプログラミング言語のコードが安全・正確であることを証明する「ユニバーサル検証マシン」を構築しています。共同創業者はスタンフォード大学教授のクラーク・バレット氏、VERSE Lab創設者のイリヤ・セルゲイ氏、クリス・スー氏の3名で、拠点はパロアルトとシンガポールです。バレット氏は、AIが未解決の数学的予想を証明してきた流れと同じ方法論をソフトウェア検証に適用できると述べています。dealroom.co
AnthropicのIPO後にAI関連株が下落、ナスダックは年初来の上昇分を失う
Anthropicの米国上場2日目に株価が下落し、AI関連株の売りが広がりました。Anthropic株は最大12%下落し、83ドルの公開価格水準に近い85.12ドルまで下げています。この影響でナスダック総合指数は2.9%下落、2026年の上昇分を失いました。ダウ平均とS&P500は一時調整局面に入っています。アジア市場でも台湾株が6.7%下落、日経平均は5%、韓国のコスピは5.5%それぞれ下げ、ソフトバンク株は東京市場で14.5%下落しました。背景には、AIへの投資規模の持続可能性に対する懸念があると報じられています。Anthropicの共同創業者7名の資産は1,800億ドル(約28兆7,000億円)に達するとされています。Hacker News Top
編集後記:半日・500ドルという数字が照らす、検証の「対象範囲」という条件
今回の記事で繰り返し出てくる「半日・500ドル未満」という数字は、Signalの暗号化コードの一部という限定された対象で得られた実測です。この数字だけが独り歩きすると、形式検証全体のコストが下がったように読めてしまいますが、出典が証明しているのはあくまで一つの事例です。複数の企業が同じ方向に資金を投じているのは事実として確認できますが、どの範囲のソフトウェアに、どんな料金体系で広がっていくのかは、今回確認した出典のどこにも書かれていません。この「対象範囲」をどう見積もるかが、次にこの分野を追う上での判断材料になりそうです。
