AI快速形式化数学证明引担忧,论文与Lean代码不一致暴露验证盲区

Anthropic与OpenAI近期宣称用AI完成费马大定理形式化及纳维-斯托克斯难题求解,均以Lean验证为依据。但数学家发现其论文结论与Lean代码实际验证命题存在偏差,暴露出自动形式化中“忠实性...

人工智能 阅读量: 2660

2026年9月,数学界迎来一场由AI驱动的“闪电式突破”:Anthropic宣布,数十个Claude智能体仅用11天便生成1300万行Lean代码,完整形式化了费马大定理的证明;四天后,OpenAI称动用约1万个智能体、88小时运行,产出160页论文与配套Lean代码,宣称否定了纳维–斯托克斯方程在特定条件下的光滑解存在性。两项成果均强调通过Lean形式化验证,意在赋予结论机器级可信度。

文章配图

然而,剑桥大学与伦敦国王学院的数学家在复核时发现关键问题:OpenAI论文中第8.6号引理要求控制到m+4阶导数,而其Lean代码实际验证的是m+5阶——结论更弱,前提条件被悄然提升。Lean作为形式化证明的“机器审稿人”,只对写入代码的命题负责;若AI在将自然语言论文转译为Lean代码时自行修正或替换条件,即使验证通过,所证命题也可能已非原意。

这一现象并非孤例。2026年7月,曾有研究者利用AI辅助声称推翻考拉兹猜想,并附Lean验证结果;后经核查,该证明利用了Lean 4内核一处未修复的逻辑漏洞,可被构造反例证伪。该漏洞于8月被官方修复,但事件揭示了一个严峻现实:形式化验证的“绿勾”标志,不再天然等同于数学结论的正确性。

形式化证明本为弥补人类审稿局限而生。1998年,托马斯·黑尔斯证明开普勒猜想时,因含大量计算机计算,传统期刊审稿耗时多年仍仅能给出“99%确定”的评价。2003年他启动Flyspeck项目,最终以50万行代码完成形式化验证——这已是当时工程极限。而今,AI将此类工作压缩至数日,效率跃升百倍,却也放大了“翻译失真”风险。

英国帝国理工学院教授凯文·巴扎德原计划用五年、百万英镑经费手动完成费马大定理的形式化,其目标不仅是验证,更是确保每一步推导可被人类理解、修改与复用。他在博客中坦言:“AI抢在了我的前头”,但更担忧的是:当1300万行代码无人能通读,数学知识是否正滑向“不可理解的黑箱”?他强调,数学的价值不仅在于“正确”,更在于“可传承”——一个无法被同行检验、调整或拓展的证明,对学科进步意义有限。

问题核心在于自动形式化的“忠实性”缺失。AI在处理原始证明时,可能识别出作者笔误并“善意修正”,例如将“≤”改为“<”,或将某引理的假设条件放宽以使推导成立。这类改动让Lean顺利通过,却掩盖了原证明的潜在缺陷,甚至误导后续研究者。正如补充材料指出:“自动形式化既要推导通过,也要确保定义、前提和结论忠实于原文。”

与此同时,学术出版生态正同步承压。《科技通报》编辑吴頔观察到,AI生成论文语言更流畅、格式更规范,但内容空洞、引用失实、数据缺失等问题更隐蔽;英国物理学会出版社数据显示,近三年投稿量增55%,但可送审率从63.5%降至44.5%。编辑部不得不投入更多人力核查DOI有效性、原始数据一致性及图像元数据——尤其警惕AIGC生成的实验图片混入真实研究。

笔记本与屏幕对比:手写数学公式与Lean验证界面并置,屏幕显示绿色“VERIFIED”标识

值得注意的是,并非所有AI介入都引发信任危机。2026年10月,大湾区大学许地生教授联合上海人工智能实验室,依托国产书生-S2大模型破解三维Ghys猜想,北京大学团队同步完成形式化验证。其关键差异在于“人机协同”模式:许地生全程参与问题筛选、思路校验与错误诊断,曾精准定位模型内部思维循环的工程bug;模型输出上千页推演时,他在关键节点主动“踩刹车”,避免盲目推进。这种深度介入保障了过程透明与结论可控。

技术层面,Lean自身也在演进。其4.0版本引入更严格的类型检查与模块隔离机制,但复杂证明仍依赖大量第三方库(如mathlib),这些库的正确性同样需层层验证。而AI生成代码的规模(如1300万行)远超人工可审范围,使得“验证通过”沦为概率性担保——只要漏洞未被触发,系统即显示绿勾。

OpenAI论文与Lean代码差异比对截图:自然语言版要求四阶导数,Lean版实际使用五阶

更深层挑战在于责任归属。当一篇论文北京邮电大学鄂海红团队指出,识别问题论文需从“文本-实验-图文-引文”多维度建模,单靠AI率检测已失效;浙江省公共政策研究院高艳东则呼吁,学术诚信治理必须从结果审查转向过程追溯。

回看2026年这场数学AI热潮,其价值毋庸置疑:它极大加速了形式化进程,为解决长期悬置问题提供新路径。但正如巴扎德所警示,若忽视“可理解性”与“忠实性”,高效可能反噬严谨。数学不是竞速游戏,它的生命力在于每一步推导都能被同行复现、质疑与重构。当AI成为“代笔人”,人类仍须牢牢握紧“校对权”与“解释权”。

未来方向或在于建立“可审计的形式化流水线”:AI生成代码时同步输出变更日志,标注所有与原文不一致的修改;验证系统增加“前提一致性检查”模块;学术期刊要求提交“自然语言-形式化映射表”。唯有如此,机器验证才能真正成为数学的延伸,而非替代。