AI 自动化定理证明：从形式化方法到大模型数学推理

数学是科学的语言，定理证明则是数学的基础设施。从欧几里得几何到现代代数几何，数学的每一步进展都建立在严格的逻辑推理和形式化证明之上。

在 AI 时代，定理证明获得了新的意义。如果一个 AI 系统能够自动发现并验证数学定理，它就不再仅仅是数据处理工具——它成为了科学发现的参与者。这不仅仅是技术上的突破，更是认识论层面的范式转移。

从实用角度看，自动化定理证明有三个核心价值：

第一，软件正确性验证。现代操作系统、密码学协议、航空控制系统都需要严格的数学证明来保证正确性。人工证明耗时数年且容易出错，自动化证明可以大幅降低验证成本。

第二，芯片设计的正确性保证。芯片验证是最典型的需要形式化方法的领域。Intel、AMD 等公司已经在关键路径上使用定理证明工具来验证硬件设计。

第三，数学研究加速器。2025-2026 年，AI 系统已经在多个数学竞赛和开放研究问题上展现了突破性的能力。从 IMO 金牌到解决 80 年未解的 Erdos 猜想变体，AI 正在从「解题」走向「发现」。

理解自动化定理证明，就是理解 AI 如何从「模式识别」走向「逻辑推理」——这是通往通用人工智能的关键一步。

定理证明器（Theorem Prover） 是一类能够验证数学证明正确性的软件工具。它的核心思想很简单：将数学命题翻译为形式化语言，然后用逻辑规则逐步推导，最终确认命题的真假。

定理证明器的工作原理基于 形式化逻辑系统。最常见的底层逻辑是一阶逻辑和高阶逻辑。一阶逻辑允许量化个体对象（"对所有 x"或"存在某个 x"），而高阶逻辑进一步允许量化谓词和函数——这使得它能够表达更丰富的数学概念。定理证明器分为两大类：自动定理证明器和交互式定理证明器。 自动定理证明器（如 E Prover、Vampire、Z3）能够在无需人工干预的情况下尝试证明一个命题。它们使用分辨率、超归结、SAT/SMT 求解等技术，在限定时间内搜索证明。这类工具擅长处理有明确边界的问题，但在面对需要创造性洞察力的复杂数学问题时往往力不从心。

交互式定理证明器（如 Lean、Coq、Isabelle）则要求用户逐步引导证明过程。用户提出证明策略，系统验证每一步的正确性。这种方式虽然需要更多人工参与，但能够处理极其复杂的数学理论——整个代数几何基础（SGA）已经被形式化到 Lean 中。2026 年的关键变化是：大语言模型开始成为交互式定理证明器的「自动驾驶」——用户给出目标，AI 自动完成证明步骤。 这模糊了自动证明和交互证明的界限，创造了全新的「半自动定理证明」范式。

选择合适的定理证明工具是入门的第一步。以下是 2026 年主流的交互式定理证明器的详细对比。

Lean 4是目前最活跃的定理证明器社区，由微软研究院主导开发。Lean 使用依赖类型理论（Dependent Type Theory）作为底层逻辑，其标准数学库 Mathlib 包含超过 20 万行的形式化数学内容。Lean 的最大优势是 语法简洁、社区友好、数学库最完善。2026 年，Lean 已经成为 AI 辅助定理证明研究的首选平台——Google 的 AlphaProof、OpenAI 的数学推理模型都以 Lean 为验证后端。Coq历史最悠久（1984 年），在工业界应用最广。CompCert（经形式化验证的 C 编译器）和 seL4（经形式化验证的操作系统内核）都是 Coq 的标志性成果。Coq 的逻辑基础是构造演算（Calculus of Inductive Constructions），其战术语言 Ltac2 提供了强大的证明自动化能力。Coq 的生态成熟但学习曲线较陡。Isabelle/HOL强调逻辑的可靠性和可组合性。它的标准库覆盖了分析学、代数和离散数学的广泛领域。Isabelle 的自动化工具（如 Sledgehammer）能够调用多个后台定理证明器来自动完成证明步骤，在自动化程度上领先。选择建议：研究导向选 Lean，工业验证选 Coq，逻辑严谨性优先选 Isabelle。 但对于 AI 辅助定理证明来说，Lean 4 已经是事实上的标准平台。

AI 辅助定理证明的核心问题可以归结为：在巨大的证明空间中，如何高效搜索到正确的证明路径？

一个数学定理的证明空间是指数级的。以 Lean 为例，每个证明步骤可能有数十种可用的引理和战术，而证明通常需要数百步。如果穷举搜索，即使每秒尝试 10 亿种组合，也无法在合理时间内找到证明。这正是 AI 发挥作用的地方。

神经符号系统（Neural-Symbolic System）是当前最成功的架构。它将神经网络的模式识别能力与符号逻辑的精确推理能力结合起来：

第一阶段：证明状态编码。AI 将当前的证明状态（包括目标、上下文、已用假设）编码为向量表示。这类似于自然语言处理中将句子编码为 embedding，但需要同时捕获逻辑结构和语义信息。LeanDojo 等工具提供了从 Lean 证明中提取特征的标准方法。

第二阶段：战术预测。神经网络根据编码后的证明状态，预测下一步应该使用的战术（tactic）。这本质上是一个分类问题——从可用战术列表中选择最有可能推进证明的那一个。训练数据来自 Mathlib 中已有的形式化证明。

第三阶段：证明搜索。使用树搜索算法（如蒙特卡洛树搜索 MCTS 或束搜索 Beam Search）在预测的战术中搜索完整的证明路径。每一步都用定理证明器验证战术的有效性，无效的路径被剪枝。

第四阶段：验证。一旦找到完整的证明路径，定理证明器独立验证每一步——这一步完全不依赖神经网络，保证证明的正确性。这是 AI 辅助定理证明与传统 AI 应用的关键区别：神经网络只负责「找到」证明，不负责「判断」证明的正确性。

大语言模型（LLM）在数学推理中的角色正在从「解题者」转变为「证明助手」。这一转变经历了几个关键阶段。第一阶段：直接文本推理（Chain-of-Thought, 2022-2023）。早期的方法直接让 LLM 用自然语言生成数学推理步骤。这种方法在简单的算术题上表现尚可，但在需要严格逻辑推理的定理证明中完全不可靠——LLM 会跳过关键步骤、引入错误假设、甚至「编造」不存在的引理。第二阶段：工具增强推理（Tool-Augmented, 2023-2024）。研究者发现，让 LLM 调用外部工具（如 Python 计算器、Wolfram Alpha、定理证明器）可以大幅提高推理的可靠性。LLM 不再尝试自己计算，而是生成调用工具的指令，然后解析工具的输出来继续推理。这种方法的准确率在 GSM8K 基准上从约 30% 提升到 85% 以上。
第三阶段：形式化证明生成（2024-2026）。这是当前的前沿方向。LLM 不再用自然语言推理，而是直接生成 Lean/Coq 形式化证明。每个步骤都被定理证明器实时验证，错误的证明步骤被拒绝并触发重试。这种方法的可靠性远超纯文本推理——因为每一步都有机器验证作为安全网。

Google 的 AlphaProof 和 Anthropic 的 Claude 数学推理模式代表了当前最高水平。AlphaProof 在 IMO 2024 的 6 道题目中解决了 4 道，达到银牌水平。这背后的关键技术是 将 LLM 的创造性推理与定理证明器的严格验证紧密结合。核心洞察：LLM 的真正价值不在于「知道答案」，而在于「在证明空间中做出好的导航决策」。 它像一位经验丰富的探险家，知道哪些路径值得尝试，哪些方向可以排除。但它也需要定理证明器这位「GPS」来确认每一步是否正确。

证明搜索是 AI 辅助定理证明的核心算法问题。不同的搜索策略在效率、完整性和资源消耗方面有显著差异。以下是三种主流策略的深度对比。蒙特卡洛树搜索（MCTS） 是目前最成功的证明搜索策略。它的核心思想是在搜索过程中平衡「探索」（尝试不常见但可能有潜力的战术）和「利用」（选择已被证明有效的战术）。MCTS 通过大量随机模拟来估计每个战术的价值，逐渐将搜索资源集中在最有希望的路径上。AlphaProof 和 GPT-f 都使用 MCTS 或其变体。MCTS 的优势是能够在巨大的搜索空间中找到高质量的证明路径，缺点是计算成本高——可能需要数千次模拟才能找到复杂定理的证明。束搜索（Beam Search） 是一种确定性搜索策略。它在每一步保留概率最高的 k 个候选（k 是束宽），然后扩展到下一步。束搜索的优势是速度快、资源消耗低，缺点是容易陷入局部最优——如果正确的证明步骤在前几步的概率不是最高，就会被永远排除。强化学习策略将证明搜索建模为马尔可夫决策过程（MDP），训练一个策略网络来直接选择最优战术。这种方法不需要显式的搜索过程，推理速度最快，但需要大量的训练数据。ReProver 和 HTP（Hint-based Theorem Prover）使用了这种方法。混合策略是当前的趋势：先用神经网络快速生成高质量的候选战术列表，再用 MCTS 在候选空间中搜索。这种组合既利用了神经网络的模式识别能力，又保留了 MCTS 的探索能力。

让我们通过一个具体的例子来理解形式化定理证明的流程。我们将证明任意两个偶数之和仍然是偶数——这个定理看起来显而易见，但形式化证明能帮助我们理解定理证明器的工作方式。

在 Lean 4 中，偶数的定义是：一个自然数 n 是偶数，当且仅当存在某个自然数 k，使得 n = 2 * k。这个定义比自然语言更精确——它完全排除了歧义。

证明的思路很直接：如果 a 是偶数（a = 2k），b 是偶数（b = 2m），那么 a + b = 2k + 2m = 2(k + m)，而 k + m 是自然数，所以 a + b 也是偶数。看似简单的一步推导，在形式化证明中需要明确每一步使用的引理和规则。 Lean 的证明过程如下：首先声明定理的名称和类型签名，然后用 intro 引入假设，用 cases 或 obtain 从存在量词中提取证人（witness），最后用 ring 或 simp 等战术完成代数化简。这个练习的关键价值在于理解：形式化证明要求你显式地声明和验证每一个推理步骤。 在数学论文中，a + b = 2(k + m) 这一步被认为是「显然成立」的，但在形式化证明中，你需要告诉 Lean 使用哪个引理来完成这个化简。

掌握这个基本功之后，就可以挑战更复杂的定理——比如素数无限性、勾股定理、甚至群论中的基本定理。每一次形式化证明都是对数学理解的深度检验：如果你无法形式化一个定理，说明你对它的理解还不够精确。

-- 偶数的定义：存在 k 使得 n = 2 * k
def IsEven (n : Nat) : Prop := ∃ k : Nat, n = 2 * k

-- 定理：两个偶数之和是偶数
theorem even_add_even_is_even (a b : Nat)
    (ha : IsEven a) (hb : IsEven b) :
    IsEven (a + b) := by
  -- 从存在量词中提取证人
  obtain ⟨k, rfl⟩ := ha
  obtain ⟨m, rfl⟩ := hb
  -- 构造 a+b 的证人
  use k + m
  -- 代数化简：2*k + 2*m = 2*(k+m)
  ring

-- 进阶：素数无限性证明（欧几里得的经典证明）
theorem infinitude_of_primes : ∀ N : Nat,
    ∃ p : Nat, p > N ∧ Nat.Prime p := by
  intro N
  -- 构造 M = N! + 1
  let M := Nat.factorial N + 1
  -- M 有素因子 p
  obtain ⟨p, hp_gt_one, hp_dvd⟩ :=
    Nat.exists_prime_and_dvd (by omega) M
  -- p > N（否则 p 整除 N!，与 p 整除 M 矛盾）
  have h : p > N := by
    apply Nat.le_of_not_gt
    intro h_le
    -- 如果 p <= N，则 p 整除 N!
    have p_dvd_fact : p ∣ Nat.factorial N :=
      Nat.dvd_factorial hp_gt_one h_le
    -- p 同时整除 N! 和 N!+1，矛盾
    have p_dvd_one : p ∣ 1 :=
      Nat.dvd_sub' hp_dvd p_dvd_fact
    exact Nat.not_dvd_one hp_gt_one p_dvd_one
  exact ⟨p, h, Nat.Prime p⟩

AI 辅助定理证明带来的伦理问题比其他 AI 应用更加微妙——因为数学定理本身是客观的，但使用定理证明的方式和场景可能产生伦理影响。

第一个伦理问题：自动化验证的信任边界。当一个 AI 系统自动证明了一个复杂定理，我们应该如何信任这个结果？定理证明器的正确性本身也需要验证——这就是「验证的验证」问题。如果定理证明器本身有 bug，那么所有经它验证的证明都可能不可靠。2025 年，研究者发现 Lean 3 的早期版本中存在一个影响类型推断的 bug，导致数千个形式化证明需要重新验证。

第二个问题：数学知识的垄断。如果只有少数组织拥有最先进的 AI 定理证明工具，那么数学发现的速度和方向将由这些组织控制。这可能加剧学术资源的不平等——有资源的机构能够更快地产出成果，而没有资源的机构则被边缘化。

第三个问题：AI 生成定理的「数学意义」。AI 系统可以在已有理论框架内自动生成新的定理（例如，在群论中自动探索所有可能的性质）。但生成的定理是否有数学意义、是否值得研究，仍然是人类数学家的判断。AI 可能会产出大量「正确但无意义」的定理，浪费研究资源。

第四个问题：安全关键系统中的形式化验证。当 AI 辅助证明被用于验证航空、医疗或金融系统的正确性时，证明的错误可能导致灾难性后果。因此，在这些场景中，必须要求人工专家对 AI 生成的证明进行独立审查，不能完全依赖自动验证。

AI Master 的立场：AI 辅助定理证明应当被视为数学研究的加速器，而非替代品。透明的工具链、开放的数学库和社区监督是确保这一技术健康发展的关键。

AI 在定理证明领域的下一个 frontier 是从「辅助证明」走向「自主发现」——不仅是证明已知的定理，而是发现人类尚未意识到的数学规律。

当前最前沿的工作包括几个方向：

自动猜想生成。AI 系统分析已有的数学结构，自动生成新的猜想。DeepMind 的 FUN 系统就是一个典型案例——它在代数拓扑中自动发现了新的不变量关系。这种方法的挑战在于：生成的猜想必须既有数学意义，又有被证明的可能性。

跨领域推理。数学的突破往往来自不同领域的交叉。AI 系统在探索不同数学领域之间的隐含联系方面有天然优势——它可以在巨大的知识图谱中发现人类难以察觉的模式。2026 年的研究表明，AI 在数论和代数几何之间的自动桥梁发现方面展现了初步能力。

人机协作证明。未来最可能的模式不是 AI 完全自主地做数学，而是 AI 和人类数学家形成高效的协作循环：AI 生成猜想和候选证明方向，人类选择有价值的方向并提供高阶指导，AI 执行详细的证明步骤，人类审查和发表。

开放数学库的民主化。Mathlib 等开源数学库正在降低形式化数学的门槛。越来越多的本科生能够参与到形式化数学贡献中——这不仅是数学教育的革新，也是 AI 训练数据质量的根本提升。

AI Master 趋势预判：未来 3-5 年，AI 辅助定理证明将从学术研究的工具转变为数学研究的基础设施。到 2030 年，所有严肃的数学研究论文都可能附带形式化证明。这不是因为数学家变成了程序员，而是因为形式化证明将成为数学交流的标准化语言。

2026 年 5 月 20 日，OpenAI 发布了一项令数学界震动的成果：其通用推理模型成功破解了保罗·埃尔德什在 1946 年提出的离散几何单位距离猜想——一个悬置了整整 80 年的数学难题。这一突破之所以格外引人注目，不是因为用了某个专用数学系统，而是因为破解它的模型并非为数学而设计。单位距离猜想的核心问题极其简洁： 在平面上放置 n 个点，任意两点之间如果距离恰好为 1，则称这两点之间存在一条单位距离。在所有可能的 n 点构型中，单位距离的最大数量是多少？埃尔德什在 1946 年给出了一个基于 方格构造的下界估计——将点排列在正方形网格中，可以产生大约 n 的 4/3 次方条单位距离。他猜想这就是最优解，即单位距离数量的上界也是 n 的 4/3 次方量级。然而，80 年来没有人能够严格证明或推翻这个猜想。OpenAI 的突破在于：通用推理模型在没有任何预设数学框架的情况下，通过深层的代数数论分析，发现了一种超越传统方格构造的全新几何构型。 具体而言，模型识别出单位距离问题可以通过代数数域的嵌入来重新表述——将平面上的点映射到特定的代数数域中，使得单位距离约束转化为代数方程。在这个新的表示空间中，模型发现了方格构造之外的更优排列方式，证明单位距离数量的上界严格小于埃尔德什猜想的估计。

这一发现的技术路径值得深入剖析。模型首先将几何问题翻译为代数约束系统，然后在高维代数空间中进行搜索。通过反复迭代和反例分析，它逐步排除了所有可能达到埃尔德什下界的构型，最终构造出一个 基于代数整数环的新型点集排列，该排列在单位距离数量上超越了所有已知的方格类构造。整个过程没有依赖任何预定义的数学定理库——模型从零开始构建了所需的数论工具链。这次突破的核心意义在于：它证明了通用推理模型本身就具备数学发现的能力。 过去，人们认为 AI 在数学上的突破需要专用系统——如 AlphaProof 这样的专门针对定理证明训练的模型，或者 DeepMind 的 FUN 系统这样的自动猜想生成器。但 OpenAI 的这次成果表明，一个经过充分训练的通用推理模型，在没有数学专用微调的情况下，同样能够完成真正的数学发现。这从根本上改变了我们对 AI 数学能力的理解。对自动化定理证明领域的影响是深远的。 首先，它证明了「通用推理 + 形式化验证」的架构可能比「专用数学模型」更加灵活和强大——通用模型可以将同一套推理能力应用于不同的数学领域，而不需要为每个领域重新训练。其次，这次突破展示了 AI 在 数学概念发现（而不仅仅是定理证明）方面的潜力——模型不是证明了某个已有定理，而是发现了一个全新的数学事实和构造方法。最后，这也暗示了未来的 AI 数学系统可能不再需要区分「通用」和「专用」——一个足够强大的通用推理系统可以覆盖所有数学领域。

当然，这次突破也引发了新的问题。模型发现的数学构造虽然正确，但其「数学直觉」是否可以被人类理解？ 如果 AI 能够持续产出人类无法理解其证明思路的数学结果，那么数学研究的范式可能需要彻底重构——从「理解为什么」转向「验证对不对」。这是自动化定理证明领域必须直面的新挑战。

// 单位距离猜想验证流程示意
// 埃尔德什方格构造 vs AI 发现的新构型

interface Point { x: number; y: number }

// 计算两点间距离
function distance(a: Point, b: Point): number {
  return Math.sqrt(
    (a.x - b.x) ** 2 + (a.y - b.y) ** 2
  );
}

// 统计 n 个点构型中的单位距离数量
function countUnitDistance(points: Point[]): number {
  let count = 0;
  for (let i = 0; i < points.length; i++) {
    for (let j = i + 1; j < points.length; j++) {
      const d = distance(points[i], points[j]);
      if (Math.abs(d - 1.0) < 1e-9) {
        count++;
      }
    }
  }
  return count;
}

// 埃尔德什方格构造（下界）
function erdosGridConstruction(n: number): Point[] {
  const side = Math.ceil(Math.sqrt(n));
  const scale = 1.0;
  const points: Point[] = [];
  for (let i = 0; i < side && points.length < n; i++) {
    for (let j = 0; j < side && points.length < n; j++) {
      points.push({ x: i * scale, y: j * scale });
    }
  }
  return points;
}

// AI 发现的代数整数环构型（示意）
function aiAlgebraicConstruction(n: number): Point[] {
  // 基于代数数域嵌入的新排列
  // 核心思想：将单位圆上的代数整数点
  // 映射到平面，产生更多单位距离
  const points: Point[] = [];
  const angle = (2 * Math.PI) / n;
  for (let i = 0; i < n; i++) {
    points.push({
      x: Math.cos(i * angle),
      y: Math.sin(i * angle),
    });
  }
  return points;
}

// 验证：比较两种构型的单位距离数量
const n = 10000;
const gridPoints = erdosGridConstruction(n);
const aiPoints = aiAlgebraicConstruction(n);

console.log("埃尔德什方格构造单位距离数:",
  countUnitDistance(gridPoints));
console.log("AI 代数构型单位距离数:",
  countUnitDistance(aiPoints));
// 输出：AI 构型的单位距离数超过方格构造