AI 攻克 80 年数学难题：自动化定理证明的黎明还是终点

2026 年 5 月，OpenAI 公布了一个令数学界震惊的消息：其 AI 系统成功解决了一个悬而未决 80 年之久的数学难题。这一突破不仅被数学研究者确认为正确证明，更引发了关于AI 是否能真正「理解」数学的激烈讨论。

这个难题属于组合数学领域——具体来说是一个关于图论中特定结构的极值问题。该问题自 1946 年首次提出以来，吸引了多代数学家尝试攻克，包括使用经典数学工具和早期计算机辅助方法，但始终未能取得决定性进展。AI 系统不仅给出了完整证明，还发现了一条人类数学家未曾想到的证明路径。

Anthropic 联合创始人对此做出了一个大胆预测：如果 AI 能够持续解决这类长期悬而未决的数学问题，那么数学领域可能会诞生下一个菲尔兹奖甚至诺贝尔奖级别的突破。这不是夸张——数学作为所有自然科学的基础学科，其证明自动化可能引发科学发现的连锁反应。

**这次突破的关键不在于 AI 替代了数学家，而在于 AI 发现了一条人类数学家从未走过的证明路径。**它不是简单地搜索已有的证明模板，而是创造性地组合了多个数学领域的工具，形成了一条全新的证明路线。这种「跨领域组合创新」正是 AI 在数学证明中最令人兴奋的能力。

更值得关注的是，这一突破发生在 Meta 大裁员 8000 人、特朗普推迟 AI 行政令 的行业背景下。Meta 的裁员被 CEO 扎克伯格明确归因于「AI 转型」，说明越来越多的企业正在用 AI 系统替代人类工作——而数学领域的突破进一步证明了AI 不仅能替代体力劳动和简单的认知工作，甚至能在高度抽象的数学推理中展现超越人类的能力。

要理解这次突破的意义，需要回顾**自动化定理证明（Automated Theorem Proving, ATP）**这一领域的历史。ATP 的目标是让计算机自动生成数学证明——这不仅是 AI 的核心挑战之一，也是数理逻辑和计算机科学交叉领域的圣杯问题。

第一阶段：逻辑主义方法（1950s-1990s）。最早期的 ATP 系统基于形式化逻辑——将数学命题翻译为一阶逻辑公式，然后使用归结原理（Resolution Principle）等逻辑推理规则进行自动推导。Newell 和 Simon 的 Logic Theorist（1956 年）是第一个自动证明系统，成功证明了《数学原理》中的部分定理。但这类方法的致命缺陷是组合爆炸——随着命题复杂度增加，需要搜索的证明空间呈指数级增长，即使是今天最快的计算机也无法在合理时间内完成搜索。

第二阶段：交互式定理证明器（1970s-2010s）。Coq、Isabelle、Lean 等交互式定理证明器改变了范式——不是让计算机全自动证明，而是让数学家逐步指导证明过程，计算机负责验证每一步的正确性。这种方法产生了大量经过机器验证的数学证明（如四色定理、有限单群分类），但高度依赖人类专家的投入，效率有限。

第三阶段：神经网络辅助证明（2010s-2020s）。随着深度学习的兴起，研究者开始用神经网络来辅助证明搜索——用神经网络预测哪些推理规则更可能导向成功证明，从而大幅缩小搜索空间。DeepMind 的 AlphaGeometry（2024 年）在国际数学奥林匹克几何题上达到了金牌水平，标志着神经网络在形式化数学推理上的突破。

第四阶段：大语言模型驱动的证明生成（2024-至今）。这是当前的前沿。大型语言模型通过海量的数学文献训练，学会了数学证明的语言模式和推理结构。结合形式化证明验证器（如 Lean），LLM 可以生成候选证明步骤，由验证器检查正确性，形成生成-验证循环。OpenAI 此次突破正是这一路径的最新成果——LLM 的语义理解能力与形式化验证器的严谨性相结合，实现了人类数学家难以独立发现的证明路径。

理解 OpenAI 系统的技术细节是评估这一突破价值的关键。虽然具体实现细节尚未完全公开，但根据 AI for Science 领域的技术趋势和已有研究，可以推断其核心技术框架。

核心技术一：形式化数学语言训练。要让 AI 进行数学证明，首先需要让它「理解」数学语言。这不仅仅是理解自然语言中的数学描述，而是理解形式化数学语言（如 Lean 的证明语言）。系统需要能够在形式化验证器中表达命题、定义、引理和定理，并生成可以被验证器逐行检查的证明步骤。这意味着训练数据不仅包含数学论文的自然语言描述，还包含大量已经形式化的数学证明。

核心技术二：证明搜索的策略学习。数学证明本质上是一个搜索问题——从已知的前提和公理出发，通过一系列推理规则，推导出目标命题。但这个搜索空间极其庞大。AI 系统需要学会「哪些推理步骤更值得尝试」。这通常通过强化学习来实现：将证明过程建模为马尔可夫决策过程，奖励函数是「距离目标命题有多近」。经过大量训练后，系统学会了评估不同推理步骤的「价值」，从而大幅缩小搜索空间。

核心技术三：生成-验证循环（Generate-and-Verify）。这是当前最前沿的 ATP 架构。LLM 作为「生成器」提出候选证明步骤，形式化验证器作为「验证器」检查每一步的正确性。如果验证通过，继续生成下一步；如果验证失败，回退并尝试替代路径。这种架构结合了 LLM 的创造性和验证器的严谨性——LLM 可以天马行空地提出各种证明思路，但只有被验证器确认正确的思路才能进入最终证明。

核心技术四：跨领域知识组合。这次突破最令人兴奋的一点是，AI 系统组合了多个数学领域的工具来解决一个单一问题。这种跨领域组合创新是人类数学家难以在短时间内完成的——一个图论专家可能不熟悉拓扑学中的某个工具，而 AI 系统可以从其训练数据中提取所有相关领域的知识。这种跨领域的「知识杂交」能力是 AI 在数学证明中最独特的优势。

# 简化的 Generate-and-Verify 循环伪代码
# 展示 AI 定理证明的核心架构

class TheoremProver:
    """生成-验证循环的简化实现"""
    
    def __init__(self, generator, verifier, max_steps=100):
        self.generator = generator      # LLM 生成器
        self.verifier = verifier        # 形式化验证器
        self.max_steps = max_steps
    
    def prove(self, theorem_statement):
        """尝试证明一个定理"""
        proof_state = []  # 当前证明状态（已验证的步骤）
        candidates = [theorem_statement]
        
        for step in range(self.max_steps):
            # 生成候选证明步骤
            next_steps = self.generator.generate(
                proof_state, 
                candidates,
                top_k=5  # 生成 5 个候选
            )
            
            # 验证每个候选
            for candidate in next_steps:
                result = self.verifier.check(
                    proof_state + [candidate]
                )
                
                if result.success:
                    proof_state.append(candidate)
                    
                    # 检查是否完成证明
                    if result.is_complete:
                        return {"status": "proven", "proof": proof_state}
                    
                    candidates = [candidate]
                    break
                else:
                    # 记录失败原因，用于下次生成
                    self.generator.learn_from_failure(
                        candidate, result.error
                    )
            
            if not candidates:
                return {"status": "failed", "steps": step}
        
        return {"status": "timeout", "steps": self.max_steps}

关于 AI 解决数学问题的讨论中，一个最常见的误解是：AI 将取代数学家。这种观点忽略了数学研究的本质——数学不仅仅是证明定理，更是提出问题、理解结构、发现联系、创造新概念。

人类数学家的核心价值不在于「推导能力」——这一点 AI 确实在快速超越——而在于数学直觉和概念创造。陶哲轩（Terence Tao）曾形容数学研究为「在黑暗中摸索」——数学家凭借直觉感知某个数学结构的存在，然后花费数月甚至数年的时间寻找证明这种直觉的正式路径。AI 可以在「寻找正式路径」这个阶段提供帮助，但「感知数学结构的存在」这种深层直觉，目前仍然是人类独有的能力。

AI 在数学中的定位更像是「超级计算器」的进化版。就像计算器没有取代数学家（反而让他们能处理更复杂的计算），AI 定理证明器也不会取代数学家——它会让他们能专注于更高层次的概念创造和问题提出。事实上，最有可能的未来是人机协作模式：人类数学家提出猜想和直觉，AI 系统负责搜索证明路径，双方迭代直到找到完整的证明。

这种协作模式已经在实践中展现出巨大潜力。2021 年，DeepMind 与悉尼大学的数学家合作，在扭结理论（Knot Theory）中发现了新的数学关系。AI 通过大数据分析发现了模式，人类数学家则将这些模式转化为正式的数学定理。这种「AI 发现模式 + 人类证明模式」的协作范式，可能是未来数学研究的标准模式。

要评估 AI 在数学推理上的真实水平，最直观的方法是看它在数学竞赛中的表现。**国际数学奥林匹克竞赛（IMO）**是衡量 AI 数学能力的标准考场——题目难度高、需要创造性思维、且答案有严格的评判标准。

DeepMind 的 AlphaGeometry（2024 年）在 IMO 几何题上达到了金牌水平——在 2000-2023 年 IMO 的 30 道几何题中正确解答了 25 道，超过了 IMO 金牌选手的平均表现（24 道）。这一成绩标志着AI 在特定类型数学问题上的推理能力已经超过了人类最优秀的中学生数学竞赛选手。

但需要清醒认识到：IMO 金牌不等于菲尔兹奖级别的研究能力。IMO 题目虽然难，但每道题都有一个已知的答案和一个相对有限的解题空间——参赛者知道答案存在，只需要找到它。而数学研究中的开放性问题（如黎曼猜想、庞加莱猜想）不仅需要找到答案，甚至需要首先判断「这个问题是否有答案」以及「用什么工具可能有答案」。这是两个完全不同的难度层级。

OpenAI 此次解决的 80 年数学难题，其意义恰恰在于它不是竞赛题，而是一个真实的研究问题——没有预先知道答案，没有已知的解题方向。AI 系统需要自己判断用什么工具、从哪个角度入手、证明路径是否可行。这种「研究方向选择」的能力，是竞赛系统无法测试的。

AI 参与数学研究的路径可能是渐进式的：首先在 IMO 级别的竞赛中证明能力（AlphaGeometry 已经做到）→ 然后解决中等难度的研究问题（本次 80 年难题属于这个层级）→ 最终挑战世界级开放猜想（黎曼猜想、纳维-斯托克斯方程存在性等）。目前 AI 处于第二步的早期阶段，距离第三步还有很长的路要走。但每一步跨越都在缩小人类与 AI 在数学推理能力上的差距。

AI 解决数学难题的意义远远超出数学本身。数学是所有自然科学的基础语言——如果 AI 能自动化数学证明，那么它自动化其他科学发现的能力也将大幅增强。

在物理学中，AI 已经开始展示强大的发现能力。DeepMind 的 AlphaFold 解决了困扰生物学 50 年的蛋白质折叠问题；AI 系统在凝聚态物理中发现了新的材料相变；在量子计算中，AI 帮助优化了量子电路设计。数学证明自动化的突破为这些领域的 AI 应用提供了更强大的基础工具——因为物理定律、化学反应、生物过程本质上都可以用数学方程来描述。

在化学领域，AI 已经能够预测分子的性质、设计新的药物分子、优化合成路径。如果 AI 能够自动证明与分子结构相关的数学定理，那么药物发现的过程可能从「试错实验」转变为「定理推导」——先证明某个分子结构具有期望的性质，再去实验室合成验证，大幅减少实验成本。

在材料科学中，AI 辅助的材料设计已经发现了数百种具有特殊性能的新材料。数学证明自动化可以帮助研究者证明某种材料结构的理论最优性，而不是通过大量实验来寻找近似最优解。

AI for Science 的核心范式转变是：从「实验驱动」到「理论驱动 + AI 加速」。传统科学研究依赖于大量实验和观测，AI 可以在实验之前通过理论推导和模拟缩小实验范围，将科学家从「大海捞针」式的试错中解放出来。

与此同时，NVIDIA Q1 利润 816 亿美元的财报表明，AI 算力基础设施正在高速扩张。这不仅为大模型训练提供了硬件基础，也为 AI for Science 的计算密集型任务（如分子动力学模拟、量子化学计算）提供了更强的算力支持。算力的充裕和 AI 推理能力的提升正在形成正向循环——更强的算力支持更复杂的 AI 模型，更强大的模型产生更有价值的科学发现，科学发现的商业价值反过来驱动更多算力投入。

AI 能够进行数学证明的前提是数学知识必须被形式化——也就是说，数学命题和证明需要用机器可读、可验证的格式来表达。这个看似简单的要求，实际上是 AI for Mathematics 领域最大的基础设施挑战。

**形式化数学库（Formal Math Library）**是将数学知识编码为机器可验证格式的大型项目。最著名的包括 Mathlib（Lean 的形式化数学库，包含超过 15 万条形式化定理）、Isabelle Archive of Formal Proofs、以及 Coq 的标准库。这些库的目标是将整个数学知识体系翻译成机器可理解的格式——定义、公理、引理、定理、证明，每一步都必须被验证器严格检查。

形式化的挑战在于：数学家的「非正式证明」和「形式化证明」之间存在巨大的鸿沟。数学家在论文中写的证明通常跳过大量「显然」的步骤，依赖读者的数学直觉来填补空白。但形式化验证器不承认「显然」——每一步推理都必须被严格证明。将一篇 20 页的数学论文完全形式化，可能需要 200 页甚至更多的形式化代码。

目前全球只有数百名研究者具备将数学论文形式化的能力，这是一个极度稀缺的技能。AI 系统如果要进行大规模的自动化定理证明，必须依赖日益增长的形式化数学库作为训练数据和验证基础。Mathlib 等项目的进展速度直接决定了 AI 定理证明能力的上限。

一个乐观的趋势是：AI 本身可以辅助形式化过程。研究者已经开始探索用 LLM 将非形式化的数学论文自动翻译为形式化代码，大幅降低形式化的门槛。如果这一方向成功，形式化数学库的规模可能在未来几年内呈指数级增长，为 AI 定理证明提供更丰富的知识基础。

-- Lean 形式化数学示例
-- 展示一个简单定理的形式化证明

import Mathlib.Data.Nat.Basic

-- 定义：一个自然数 n 是偶数，如果存在 k 使得 n = 2 * k
def IsEven (n : Nat) : Prop :=
  ∃ k, n = 2 * k

-- 定理：两个偶数之和仍然是偶数
theorem sum_of_even_is_even (a b : Nat) :
    IsEven a → IsEven b → IsEven (a + b) := by
  -- 展开 IsEven 的定义
  intro h1 h2
  -- 从 h1 中提取 k1 使得 a = 2 * k1
  rcases h1 with ⟨k1, ha⟩
  -- 从 h2 中提取 k2 使得 b = 2 * k2
  rcases h2 with ⟨k2, hb⟩
  -- 现在需要证明 a + b = 2 * (k1 + k2)
  -- 代入 ha 和 hb
  rw [ha, hb]
  -- 使用分配律
  ring
  -- 构造见证 k1 + k2
  exact ⟨k1 + k2, by ring⟩

-- 这个证明的每一步都被 Lean 验证器严格检查
-- 没有任何「显然」的跳跃

虽然 OpenAI 的这次突破来自闭源系统，但开源的 AI 数学工具正在快速追赶。这一趋势对于数学研究和教育的民主化至关重要——如果只有少数科技巨头能够使用 AI 定理证明工具，那么数学研究的格局将被严重扭曲。

Lean 4 + AI 插件是最活跃的开源组合。Lean 4 作为形式化证明验证器，正在被全球数学家社区广泛采用。多个研究团队正在开发基于 LLM 的 Lean 4 自动证明生成插件——用开源 LLM（如 Llama、Mistral 系列）作为生成器，Lean 4 作为验证器。虽然目前开源系统的证明能力还不及闭源系统，但差距正在快速缩小。

MiniF2F 和 ProofNet是两个重要的开源基准测试集。MiniF2F 包含来自国际数学奥林匹克竞赛的形式化题目，用于评估 AI 系统的数学推理能力；ProofNet 则包含了大量本科和研究生级别的数学证明题目。这些基准为开源社区提供了统一的评价标准，避免了各团队「各自为战」的局面。

ReProver是一个完全开源的神经符号定理证明系统，结合了神经网络证明搜索和传统符号推理。虽然其性能不及商业系统，但它的开源特性允许研究者深入理解 AI 定理证明的内部机制，这对于学术研究和教育至关重要。

AI 数学工具平民化的关键是降低形式化门槛。如果研究者不需要精通 Lean 或 Coq 就能使用 AI 辅助证明，那么形式化数学和 AI 定理证明的受众将呈指数级增长。当前多个项目正在致力于开发「自然语言到形式化代码」的自动翻译工具，这是实现平民化的核心基础设施。

当 AI 给出一个正确但人类难以理解的证明时，我们面临一个深刻的哲学问题：一个无法被人类理解的证明，在数学上有价值吗？

数学哲学中有两种主要观点。**形式主义（Formalism）**认为，数学的真理性只取决于证明的逻辑正确性——只要证明在形式系统中无矛盾地推导出了结论，它就是有效的数学证明。按照这种观点，AI 的证明与人类证明具有同等价值。

**直觉主义（Intuitionism）**则持有不同看法——数学不仅仅是形式推导，更是人类对数学结构的理解和洞察。如果一个证明不能被人类理解，它就失去了数学的核心价值：增进理解。按照这种观点，AI 的证明更像是一个「黑盒计算器」——它告诉了我们答案，但没有告诉我们为什么这个答案是对的。

AI 证明的独特挑战在于可解释性。传统的数学证明每一步都可以被同行评审——其他数学家可以检查每一步推理是否正确、是否有隐含假设、是否有逻辑跳跃。但对于一个由 AI 生成的、包含数千步推理的证明，人类评审者可能无法逐行理解。这就产生了一个信任问题：我们应该信任一个 AI 给出的、验证器确认正确但人类无法理解的证明吗？

一个务实的立场是：AI 证明的「正确性」和「理解价值」应该分开评价。验证器保证了正确性——这是数学真理的底线。但理解价值需要人类数学家进一步工作——将 AI 证明简化、重构、用人类可理解的方式重新表述。AI 证明了「结论是对的」，人类的任务是理解「为什么是对的」。

这种分工在科学史上并非没有先例。四色定理的第一个计算机辅助证明（1976 年）也曾引发类似的哲学争议——数学家无法逐行检查计算机验证的数千个情况，但仍然接受了这个证明。今天，四色定理已被广泛接受为有效定理。AI 证明可能走同样的道路——先用验证器保证正确性，再用时间来积累理解。

展望未来 5-10 年，AI 在数学领域的角色可能沿三条不同的路径演进，每条路径对数学研究和教育的影响都截然不同。

路径一：证明辅助器（当前方向）。AI 作为数学家的工具，帮助他们搜索证明路径、验证中间步骤、发现反例。这种路径下，AI 的角色类似于一个超级强大的计算器——它不会替代数学家的创造性思维，但会大幅提升他们的工作效率。数学家仍然需要提出问题、提供直觉、理解证明的意义，但繁琐的推导和验证工作可以交给 AI。

路径二：自动猜想生成器（中期方向）。AI 不仅能证明定理，还能自动生成有价值的数学猜想。通过分析大规模的形式化数学库，AI 可以发现未被注意到的模式、相似性和潜在的联系，提出人类数学家尚未想到的猜想。这种能力已经在小规模实验中展现——AI 在扭结理论和表示论中发现了新的数学关系。

路径三：自主数学研究者（远期方向）。这是最具争议但也最激动人心的可能性——AI 系统能够独立完成从问题提出到证明验证的完整数学研究循环。这需要 AI 不仅具备强大的证明能力，还需要具备数学直觉——判断哪些问题值得研究、哪些猜想可能有意义、哪些方向值得深入探索。目前没有任何 AI 系统接近这种能力，但 80 年数学难题的破解表明，这个远期方向可能比我们想象的更近。

**无论哪条路径成为现实，数学研究的范式都将发生根本性变化。**关键是确保这种变化是渐进的和可控的——AI 应该增强数学家的能力，而不是替代他们的判断。数学的核心价值不仅是结论的正确性，更是人类对数学世界的理解和欣赏。任何削弱这种理解的 AI 应用，最终都可能损害数学本身。

AI Master 的最终判断：AI 攻克 80 年数学难题不是终点，而是一个新时代的起点。它证明了 AI 能够在形式化推理中达到甚至超越人类水平，但这只是数学能力的冰山一角。真正的突破将来自 AI 在非形式化数学推理中的表现——当 AI 不仅能验证已有证明，还能像人类数学家一样感知数学结构之美、提出有价值的猜想、创造新的数学概念时，那才是数学研究范式的真正颠覆。在那之前，AI 仍然是数学家的助手，而非替代者。