人工智能与数学证明的未来:费马大定理形式化的革命性突破

加密初创公司与风险投资

费马大定理是人类数学史上最令人着迷的未解之谜之一。这个由皮埃尔·德·费马在1637年提出的猜想,声称不存在三个正整数a、b、c能够满足a的n次方加b的n次方等于c的n次方,其中n大于2。这个看似简洁的命题困扰了数学家们整整三百五十多年,直到1995年安德鲁·怀尔斯才给出了完整的证明。如今,人工智能再次在这一领域取得了突破性进展,通过自动化形式化证明技术,在极短的时间内完成了这一数学里程碑的计算机可验证证明。怀尔斯的工作无疑是20世纪最伟大的数学成就之一。他那长达129页的证明凝聚了代数几何、模形式、椭圆曲线等多个数学分支的深刻理论。

证明的验证过程同样艰辛,1993年怀尔斯首次宣布证明时,一位审稿人的提问暴露了证明中的关键漏洞,这促使他花费了近一年时间与前学生理查德·泰勒一起修复这一问题。1995年发表的最终版本标志着费马大定理的正式解决,这一成果深刻影响了数论和代数几何的发展方向。然而,传统数学证明的验证方式面临着前所未有的挑战。随着数学研究的日益复杂化,证明的长度不断增长,所需的专业知识也越来越精深。从托马斯·黑尔斯1998年提出的开普勒猜想证明,到格里戈里·佩雷尔曼2002年证明庞加莱猜想,再到哈罗德·赫尔弗戈特2013年关于弱哥德巴赫猜想的证明,数学界在验证这些复杂证明时都经历了漫长的审查过程。开普勒猜想的正式验证花了整整四年,一个由十二位审稿人组成的小组最终只能给出「百分之九十九确定」的结论。

黑尔斯后来不得不组织了一个二十人的项目来完成该证明的形式化。这种验证困难不仅延缓了数学知识的传播,还可能导致错误结论在 literature 中长期存在,给后续研究埋下隐患。正是基于这样的背景,数学家们开始探索利用计算机来验证证明的可能性。证明助手就是这样一种工具,其中Lean是最具代表性的系统之一。与人类数学家撰写证明时常常省略显而易见步骤的做法不同,Lean要求每一个推理步骤都必须明确呈现。这种严谨性确保了证明的完全正确性,但同时也为形式化工作带来了巨大挑战。

人类数学家可以凭借直觉和经验跳过某些「显而易见」的推导,而形式化系统则需要看到每一个逻辑链条的完整链接。此外,数学证明往往建立在前人数百年的工作基础之上,而形式化工作必须从数学库中已有的有限内容重新构建整个推理体系。2024年,伦敦帝国理工学院的凯文·巴扎德发起了费马大定理形式化项目,这一社区驱动的多年度工作计划预计将耗时数年才能完成。该项目的蓝图仅初始阶段就长达八十六页,可见其工程量之浩大。就在整个数学界为这一长期项目做准备时,Anthropic的研究人员田毅·彭及其团队决定测试人工智能是否能够在这一领域取得突破。彭在哥伦比亚大学的研究小组专注于构建人工智能形式化工具,而这一次测试的结果远超所有人的预期。

在短短十一天内,克劳德人工智能系统以极高的自主性完成了费马大定理的完整形式化证明。整个过程中,它编写了超过一千三百万行Lean代码,证明了多达两万九千五百个中间定理。这一成果不仅是技术上的壮举,更是对人工智能辅助数学研究潜力的一次有力证明。与传统方法相比,人工智能的介入将原本预计需要数年的工作压缩到了不足两周。当然,这一成就并非一蹴而就,研究团队的初期尝试经历了多次失败。早期版本的代理在取得初步成功后,很快便失去了对项目整体状态的追踪,相互之间的协作也逐渐失效。

这些失败的尝试仍然贡献了最终证明中约百分之七的非样板代码。成功的关键在于Prove2Me平台的使用。这个由田毅·彭及其哥伦比亚大学合作者开发的开源协作平台,专门为数学形式化工作而设计。Prove2Me通过维护一个定理陈述的有向无环图,帮助各个代理决定下一步应该尝试证明哪些结论,从而有效缓解了记忆衰减问题,并允许多个代理并行工作。此外,该平台还将定理陈述与证明分离到不同的文件中,既加快了Lean的编译速度,又最大限度地减少了资源消耗。每个定理陈述都配有自然语言描述,便于搜索和重复利用。

借助Prove2Me和基于克劳德代码的多代理系统框架,多个代理协同完成了这项庞大的工作。整个过程消耗了约六十亿个输出标记,使用的是一个与克劳德寓言5.1版本相当的通用内部研究模型。最终产出的证明仅使用Lean的三个标准公理,并经过了Lean的完整验证,同时与Mathlib中费马大定理的陈述进行了对比确认,完全吻合。克劳德的形式化证明遵循了达蒙、戴蒙德和泰勒所著的简化版怀尔斯证明。在整个过程中,人类数学输入仅限于田毅·彭偶尔给出的一些高层指令,比如「雅可比作为方案听起来优先级很高」或「推动马扎尔定理尽快完成」。从技术角度看,这一证明的规模极为庞大,Lean代码量超过Mathlib(主要的社区数学证明库)五倍以上。

然而,这也部分反映了Mathlib的代码极为简洁且经过严格审核,而克劳德的证明很可能远未达到最优状态。Kevin Buzzard在审阅了克劳德的Lean证明后表示,这一非凡的自动形式化成就仅用了十一天就证明了费马大定理,且除了数学公理外没有任何额外假设。在证明过程中,我们见证了代数、调和分析、几何和数论的自动形式化,这表明人工智能形式化产物已经足够强大,可以在其基础上继续构建更加多层次的数学理论。这一成就的意义远远超出了单个定理的证明范畴。如果费马大定理的自动形式化能够在今天成为可能,那么现代数学 literature 的自动形式化也就指日可待了。这种自动形式化技术将催生新的工具,帮助发现当前数学体系中隐藏的错误,减轻审稿人的工作负担。

更重要的是,这些技术将使人工智能生成的数学成果能够得到严格验证,而这一过程目前仍然需要付出昂贵的人力代价。在人工智能和人工智能辅助数学家产出前所未有数量的所谓证明的时代,人工智能辅助形式化能够分担人类评审者的部分工作负担。可以预见,在不久的将来,为人类读者撰写任何论文时同时提供形式化证明将成为一种标准做法。虽然形式化证明不应该取代人类可理解的阐述,但对于数学界跟上人工智能贡献的步伐而言,这可能是唯一可行的途径。有趣的是,编写Lean代码似乎也能帮助克劳德证明新的结果。许多最近的克劳德成果在证明过程中同步进行了形式化,而克劳德似乎能够利用这些部分证明来独立检验其假设,就像它编写数值模拟来验证研究方向是否正确一样。

这表明形式化不仅仅是一种验证工具,更可能成为人工智能数学推理过程中不可或缺的思维辅助手段。为了进一步探索这一方向的潜力,Anthropic研究人员还进行了一项小规模实验,使用三个个人克劳德最大计划订阅来形式化哈代-利特伍德圆法的一些应用。通过Prove2Me平台进行完全协作,这些代理仅用三天就联合完成了维诺格拉多夫三素数定理的形式化。这一实验结果表明,在适当的框架支持下,普通消费者级别的人工智能订阅也能完成重大数学成果的协作形式化。形式化技术的发展也为更广泛的科学研究开辟了新的可能性。Anthropic和其他实验室最近扩大了对外部研究人员的支持力度,包括从事纯数学和形式化工作的数学家,提供免费和折扣订阅以及研究积分。

对于可能涉及形式化其他主要定理或改进Lean或Mathlib的更大规模科学项目,还提供专项资助。这些举措反映出学术界对形式化技术前景的高度重视和积极投入。从更宏观的视角来看,费马大定理的形式化标志着人工智能与数学研究之间关系的一个转折点。它证明了人工智能不仅能够协助数学家进行计算和符号操作,更能够在需要高度创造性思维的证明构建过程中发挥关键作用。当然,这并不意味着人工智能将取代数学家,而是表明人工智能将成为数学家手中一个越来越强大的工具,帮助他们验证想法、发现错误、构建更加复杂的证明结构。正如怀尔斯的工作整合了数代数学家的智慧结晶一样,人工智能的形式化工作也是在建立在前人开发的理论框架和证明库基础之上。

这种人机协作模式可能代表了数学研究未来发展的方向:人类数学家提供直觉、洞察力和概念性突破,而人工智能则负责确保推理的严谨性和完整性。费马大定理的故事从古希腊数学家丢番图的时代开始,经历了三百五十多年的探索,最终在1995年由怀尔斯给出了人类历史上第一个完整证明。如今,人工智能在短短十一天内完成了这一证明的形式化验证,这不仅是技术上的进步,更是对数学知识信任机制的一次深刻变革。随着形式化技术变得越来越普及,我们有理由对数学知识体系的可靠性和持续演进保持更加坚定的信心。在人工智能迅速改变数学研究面貌的时代,形式化是一个让我们能够明确感到乐观的领域,因为它代表着人工智能与人类智慧之间一种真正互补且富有成效的合作关系。 。