[控场AI]
· 5 分钟阅读· 2,656 字

AI用24天写出4310万行代码,人类最大数学证明获机器验证

AI用24天写出4310万行代码,人类最大数学证明获机器验证

Exium用AI Agent集群24天将有限单群分类定理转为4310万行LEAN代码并通过机器验证,发现34处论文错误。

Exium公司利用AI Agent集群,在24天内将长达15000页、散落在500多篇论文中的有限单群分类定理转化为4310万行LEAN代码,并已通过计算机验证。该定理被称为“巨型定理”,其分类结果类似一张包含无穷家族和26个散在单群的“元素周期表”。Agent集群采用分而治之策略,将论证拆解为108个里程碑和380个小任务,由主Agent分解审查、其他Agent搜索并编写LEAN代码。形式化过程中AI发现34处与原始论文不符之处,包括一个被引用40年的关键推理的反例,并协助找到新证明路线。全部代码已开源,但外部尚未独立复现,仍需社区复核。这一工作标志着AI作为“形式化工程师”在超大规模数学验证中的潜力。

从15000页论文到4310万行代码:一场数学证明的工程化革命

有限单群分类定理(Classification of Finite Simple Groups)常被称为“巨型定理”,是20世纪数学的巅峰成就之一。几十年来,上百位数学家接力论证,成果散落在500多篇论文中,总计约15000页——长到没有人能完整读完。如今,一家名为Exium的公司用AI Agent集群,在24天内将其转化为4310万行LEAN代码,并已通过计算机验证。这不仅是AI辅助数学的里程碑,更意味着人类最庞大的证明终于可以被机器逐行检查。

让它看起来还是原来的样子

什么是有限单群分类定理?

群论研究对称性与变换规则。以一个正方形为例,旋转或翻转后让它看起来还是原来的样子,这些操作就构成一个群。若变换操作数量有限,则为有限群。复杂的有限群可以按特定规则逐层分解,直到不能再拆——这些不可再分的“基本原子”就是有限单群。分类定理的目标,就是穷尽所有可能的有限单群,证明没有遗漏。数学圈内将其尊称为“巨型定理”,足见其规模与难度。

数学圈内都把它尊称为巨型定理

终极答案类似一张“元素周期表”:每个蓝色格子代表一个家族,内含无穷多个不同的群;另有26个散在单群,其中最大的模群(Monster Group)约包含8×10^53个元素。如此庞大的结构,传统人工验证几乎不可能完成。

大约包含8×10的53次方个元素

LEAN 是一种交互式定理证明器,同时也是一门编程语言,由微软研究院的 Leonardo de Moura 于 2013 年发起。它基于依赖类型论(dependent type theory),允许用户将数学定义、定理和证明写成代码,再由计算机内核逐行检查每一步推理是否逻辑有效。与 Coq、Isabelle 等同类工具相比,LEAN 近年来因数学库 mathlib 的快速扩张而受到数学界关注。mathlib 是一个社区维护的庞大形式化数学库,已覆盖从基础代数到分析的大量内容。将一项证明“形式化”为 LEAN 代码,意味着把纸面上的自然语言论证翻译成机器可验证的符号推导,任何跳步或隐含假设都会被内核拒绝。因此,LEAN 代码通过验证,在逻辑上等价于证明的每一行都经过了独立检查。

散在单群(sporadic simple groups)是有限单群分类中不属于任何无穷家族的 26 个例外个体。它们大多与高度对称的组合结构或代数系统相关,例如 Mathieu 群、Conway 群、Fischer 群等。其中最大的散在单群被称为 Monster Group(魔群),其阶约为 8×10^53,包含的对称变换数量远超宇宙原子总数。魔群之所以著名,还因为它与模形式、弦论中的月光猜想(monstrous moonshine)存在深刻联系,这一联系由 Conway 和 Norton 在 1979 年提出,后由 Borcherds 证明。散在单群的存在性和唯一性是分类定理中最困难的部分之一,许多散在单群的构造和验证耗费了数学家数十年时间。

Agent集群如何拆解“巨型定理”?

Exium组建了一支Agent集群,将庞大的数学论证网络转化为逐个单一任务,最终拆成108个里程碑和380个小任务。主Agent负责分解与审查,其他Agent则搜索现有成果并写成LEAN可检查的代码。这种“分而治之”的策略,让AI能够并行处理海量证明片段,同时保持逻辑一致性。24天完成4310万行代码,展现了Agent协作在超大规模形式化验证中的潜力。

AI Agent 集群指的是一种多智能体协作架构:多个由大语言模型驱动的智能体各自承担特定角色,通过任务分解、结果审查和迭代反馈共同完成复杂目标。在这种架构中,通常有一个“主 Agent”负责将高层目标拆解为子任务、分配任务并审查输出,其他“工作 Agent”则并行执行搜索、编写代码、验证等具体工作。与单次调用大模型不同,Agent 集群可以维持长期上下文、调用外部工具(如 LEAN 编译器)、在失败时重试,并通过交叉检查降低单点错误率。这种模式在软件工程中已有应用,而将其用于超大规模数学形式化,需要解决任务间依赖管理、逻辑一致性和证明片段拼接等额外挑战。

34处论文错误与一个40年的反例

在形式化过程中,AI发现了34处与原始论文对不上的地方。其中一篇数学论文的关键推理过去40年里被数学家无数次引用,AI却找到了反例,证明该推理有误。在人类数学家的帮助下,AI重新找到了一条证明路线。这一发现凸显了形式化验证的价值:机器不依赖权威,只依赖逻辑。

34处和论文对不上的地方

形式化验证(formal verification)是指用计算机程序严格检查数学证明或软件系统是否满足其规格说明的过程。在数学中,形式化验证要求将证明翻译成基于逻辑公理的机器可读代码,由证明助手的内核逐条应用推理规则,只有完全符合规则才接受。与人工同行评审相比,形式化验证不依赖评审者的权威、直觉或领域共识,因此能暴露自然语言证明中隐含的跳步、错误引用或边界条件遗漏。历史上,形式化验证已在四色定理、开普勒猜想等项目中发挥作用,但那些项目规模远小于有限单群分类定理。此次工作表明,形式化验证不仅能确认正确性,还能主动发现长期未被察觉的推理缺陷。

开源与待验证:里程碑后的冷静思考

目前全部代码已公开。但Exium的CEO补充说,外部还没有人重建复现。这意味着机器验证的结果仍需社区独立复核。尽管如此,这一工作已经证明:人类几十年积累的、大到没有人能读完的证明,现在终于可以被机器逐行验证。对于数学界而言,这或许是一个新时代的开端——证明不再只是纸面上的叙事,而是可执行、可检查的代码。

从更广的视角看,AI在这里扮演的不是“证明者”,而是“形式化工程师”:它将人类数学家的集体智慧翻译成机器可理解的语言,并在翻译过程中发现错误。这种模式可能在未来应用于更多大型数学项目,甚至推动数学知识库的全面形式化。

#有限单群分类定理#LEAN代码#AI数学证明#形式化验证#Exium#Agent集群#巨型定理
分享:

相关推荐