四色問題：数学史上もっとも身近で、もっとも難解なパズル
🖥️「数学の歴史において「シンプルなのに解けない」ことで多くの人々を翻弄してきた「四色問題」について解説します」
四色問題の概要：どんなに複雑な地図でも4色で塗り分けられる？
「四色問題」とは、一言でいうと「どんなに複雑な地図であっても、隣り合う国同士が同じ色にならないように塗り分けるには、4色あれば足りる」という数学のきまりのことです。
1852年にイギリスで生まれ、100年以上もの間、世界中の天才たちが「本当に4色で足りるのか？」と悩み続けてきました。
1.1 「隣り合う」のルール
この問題にはシンプルなルールがあります。
OKな例：長い境界線（線）で接している国同士は、別の色で塗らなければなりません。
例外：ある一点だけで接している場合は、同じ色を使ってもいいことになっています。
1.2 視覚的なイメージ
例えば、1枚の紙をランダムに分割して、迷路のような複雑な地図を作ったとします。どんなに国の数が多くても、赤・青・黄・緑の4色ペンさえあれば、隣同士が同じ色になることなく完璧に塗り分けることができるのです。
2. 数学的証明の基礎
四色問題はグラフ理論の問題として扱われます。地図の各領域を頂点（Vertex）、隣接関係を辺（Edge）に置き換えた「平面グラフ」で考えます。
オイラーの多面体定理
平面グラフにおいて、頂点の数を V、辺の数を E、面の数を F とすると、以下の関係が成り立ちます。
$$
V - E + F = 2
$$
彩色数 χ(G)
グラフ G を塗り分けるのに必要な最小の色数を彩色数 $${\chi(G)}$$ と呼びます。四色定理は、任意の平面グラフ G に対して以下が成り立つことを示しています。
$$
\chi(G) \le 4
$$
この証明は、1976年にアッペルとハーケンによって、コンピュータを用いた膨大なパターンの検証（不可避集合と可約構成の検討）を経て完了しました。
3. コサイン類似度・ベクトル乖離度との関連
現代のデータサイエンスの視点から四色問題を捉え直すと、「境界の識別」という興味深い側面が見えてきます。
ベクトル空間における「隣接」
各領域を特徴ベクトル $${ \vec{A}, \vec{B} }$$ とすると、それらがどれくらい似ている（隣接に近い）かはコサイン類似度で測ることができます。
コサイン類似度が高い（1に近い）： 性質が似ており、地図上でいえば「境界が近い」状態に相当します。
ベクトル乖離度が高い： 属性が大きく異なり、塗り分け（識別のためのラベル付け）の重要性が高いことを示します。
データ分析において「似ているもの同士をグループ化しつつ、異なるグループと明確に区別する」という作業は、まさに四色問題が挑んだ「境界の定義と識別の最適化」に通じているのです。
「よーし、わかった!!この画像の出来について……言いたいことは、それだけか？」⚔️シャキーン
（AIの限界に挑む戦いは続く……）