AI自动验证数学史上最长证明,形式化全部数学迈出关键一步

Axiom Math用AI集群自动形式化CFSG与Stacks,证明全部数学形式化可工程化。
Axiom Math 的 AI 集群先后完成两项形式化壮举:15000 页的有限单群分类定理(CFSG)与 7500 页的 Stacks 项目,分别产出约 4300 万行和 1600 万行代码。CFSG 通过拆解为约 100 个可独立验证的里程碑来应对超长证明的工程难题;Stacks 则依靠分层 AI 代理系统保证数千个定义的一致性。形式化过程还发现并清理了原始证明中的若干错误,但也引发数学家对「错失动手获取知识机会」的担忧。两项成果被视为形式化全部数学的关键一步。

数学形式化长期被视为算力黑洞:把人类写下的证明翻译成机器可检验的代码,往往比证明本身还耗时。Axiom Math 最近用 AI 集群同时啃下两块硬骨头——15000 页的有限单群分类定理(CFSG)和 7500 页的 Stacks 项目,让「形式化全部数学」这个听起来像科幻的目标第一次有了工程路径。
两块硬骨头:一个极长,一个极宽
据 IEEE Spectrum 报道,Axiom Math 的 AI 集群在周日(10 月 25 日)完成了 CFSG 的自动验证收尾工作。CFSG 被俗称为「巨大定理」,是公认的人类写下的最长数学证明。公司创始数学家 Ken Ono 在旁观团队倒计时完成验证时感慨:「我无法告诉你我有多激动。」
圣安德鲁斯大学群论学家 Colva Roney-Dougal 没有参与这项工作,但她对结果感到意外。她曾把 CFSG 当作「极难形式化」的典型例子,认为所需算力根本不可企及。
仅仅九天后,Axiom Math 又宣布自动形式化了 Stacks 项目。这个由哥伦比亚大学数学家 Aise Johan de Jong 于 2005 年发起的开源协作数学教材,聚焦高度抽象的代数几何与代数栈,是数千个相互咬合的定义、构造和引理的集合。
Axiom Math 的 Ken Ono 用一句话概括了两者的互补性:「它们展示了形式化必须扩展的两个方向:一个是非常长的证明,一个是非常宽的联系理论体系。」
有限单群分类定理(CFSG) 是群论乃至整个代数学的基石性成果。它断言所有有限单群——即没有非平凡正规子群的有限群,可类比为整数中的素数——都能被归入约 18 个无穷族或 26 个散在单群之中。该定理的证明横跨 20 世纪后半叶,由百余位数学家接力完成,总篇幅逾万页,且长期存在对某些子证明是否完备的争议。正因为其体量与互锁程度,CFSG 被视为检验形式化工程能力的「珠穆朗玛峰」:任何局部改动都可能牵动全局一致性,这使得自动验证的难度远超普通定理。
长证明的工程难题:先画地图,再拆里程碑
CFSG 的证明分散在 500 多篇期刊论文中,由约 100 位作者在半个世纪里完成。任何个体数学家都无法完整消化这张互锁的知识网。
Axiom Math 的 Niels Voss 领导了 CFSG 形式化。他说最难的挑战是证明的绝对长度:超过 15000 页的密集数学内容,包含大量定理、引理和定义,在所有内容变成机器可读之前,没有任何一个部分能被检验。
团队的做法是先处理全部 CFSG 文献,梳理非形式证明的网络结构,再把 CFSG 的陈述拆成约 100 个里程碑——沿途可独立验证的地标性结果——用它们来引导形式化并保持进度。
最终产出的 CFSG 形式化代码达到 4300 万行,规模大致与 Linux 内核相当。Roney-Dougal 特别欣赏的是,形式化证明发现并清理了原始人类证明中的若干错误。她认为这对群论中任何现代研究的形式化都至关重要。
不过她也指出了一个隐忧:由于验证是自动完成的,目前很少有数学家能从证明中提取信息并分享给社区,新一代数学家可能「错失了从动手过程中获取知识的机会」。
形式化验证 的核心是让计算机逐行检验证明的每一步是否符合公理与推理规则,典型工具包括 Lean、Coq、Isabelle 等证明助手。与自然语言证明不同,形式化代码没有「显然」或「读者自证」的空间,每个定义、引理和推理步骤都必须显式给出并被机器接受。这也解释了为何形式化代码行数往往是原证明的数十倍——4300 万行对应 15000 页正是这种膨胀的体现。形式化的价值在于提供绝对可靠性,并暴露人类证明中隐含的假设或笔误。
宽理论的协调难题:让上千个定义保持对齐
Stacks 项目的形式化由 Vasily Ilin 领导。最终代码「仅」1600 万行,但挑战完全不同:需要在数千个相互咬合的定义和定理之间保持忠实性与一致性。
团队为此设计了一套分层 AI 代理系统,让具有专门职责的代理并行工作,保持库中每个定义对齐,同时通过多代理审计、与来源交叉核对以及硬性测试来检查忠实性。这确保了每个元素和任务在整个项目中保持一致。
Stacks 形式化的影响可能更为深远:它现在是一个高效、通用、可复用且可维护的形式化基础库,任何人和任何机器人程序都可以访问它,并在其上构建新的形式化数学。
Stacks 项目 由 Aise Johan de Jong 发起,旨在为代数几何与代数栈建立一部开放、持续更新的现代教材,被誉为「代数几何的维基百科」。代数栈是概形的推广,用于处理模空间中的商结构等精细问题,其定义层层嵌套、相互依赖极深。形式化这样一个「宽」体系,难点不在单条证明的长度,而在于数千个定义之间的接口必须严丝合缝:一处定义微调,可能波及上百个下游结论。这正是分层多代理系统需要解决的一致性问题。
分层 AI 代理系统 指将形式化任务拆解为由不同专门代理分担的流水线:有的代理负责翻译定义,有的负责校验引理依赖,有的负责与原始文献交叉核对。多个代理并行工作可提升吞吐量,但必须通过共享状态和审计机制保证彼此产出一致。这种架构借鉴了软件工程中的持续集成思想——每次提交都要通过硬性测试,任何偏离来源的「幻觉」都会被拦截,从而在规模化自动化的同时维持忠实性。
形式化之后,人类数学家做什么?
Ono 和 Voss 看到了形式化数学成为核心后的多重优势:为定理和证明盖上橡皮图章式的确认、在专业知识随时间流失时保存知识、以及建立共享库作为创造新数学的基础。
他们对人类角色也保持乐观,把形式化视为人类以新方式使用和理解数学的发射台。「难道我们不应该更广泛地思考数学的未来可以是什么吗?」Ono 说,「我对此感到兴奋,真的非常兴奋。」
从工程角度看,Axiom Math 这两项成果的意义不在于替代数学家,而在于证明了 AI 集群可以处理形式化的两种极端形态——超长单证明和超宽理论库。当这两种能力结合,全部数学的形式化就从一句口号变成了一个可以排期的问题。
相关推荐

Gemini 4 Neon 曝光:或成 Opus 5.5 有力竞争者
Hacker News 讨论帖指出 Gemini 4 Neon 看起来像 Opus 5.5 的竞争者。本文解读这一社区信号背后的产品定位、顶级模型竞争格局变化,以及对开发者模型选型策略的实际意义。

Claude Fable 5.2 独立创作短片《Fable》引热议
Hacker News 上出现由 Claude Fable 5.2 独立完成剧本、画面与导演的短片《Fable》,本文分析全流程 AI 创作的意义、社区反应及对内容创作者的启示。

Anthropic IPO定价:AI巨头上市信号
Anthropic 进行 IPO 定价的消息引发关注。本文分析这一动作对 AI 行业估值、商业化路径和竞争格局的潜在影响,并指出公开市场对 AI 公司的期待与挑战。