2024年7月国际数学奥林匹克IMO赛场上出现了一个不在官方参赛名单里的“选手”Google DeepMind 的 AlphaProof 和 AlphaGeometry 2。最终它在六道题目中解决了四道拿到 28 分满分 42 分达到银牌水平。这个结果本身已经足够让数学界讨论一阵但更值得琢磨的是它背后的信号当 AI 能解竞赛题当形式化证明开始替代人工审稿数学研究最核心的“英雄叙事”正在发生结构性松动。数学的“英雄时代”太长了。从笛卡尔到伽罗瓦从黎曼到怀尔斯数学的每一个重大突破几乎都被讲成个人天才的故事一个人在深夜的阁楼里在决斗前夜七年独自一人灵光一现然后改变世界。这种叙事非常迷人但它可能正在成为历史。这篇文章想聊的不是“AI 会不会取代数学家”这种大而化之的议题而是更具体的三层问题AI 到底改变了数学研究的哪些环节哪些变化是真实的、已经成为基础设施哪些还是概念炒作以及一个普通开发者怎么从这个趋势里找到自己能参与的位置。我给出的核心判断是数学正在从“个体天才驱动”转向“人机协作的群体智能驱动”。标题里的“World-Mind”指的不是某一个大模型而是由人类、AI 系统、形式化证明工具和全球协作社区共同构成的一个知识网络。这个网络已经在数学的多个分支里发挥作用并且速度比大多数人想象的要快。1. 这篇文章真正要解决的问题先说一个有意思的现象过去几年AI 领域的热点词轮番变化从大模型到多模态从 Agent 到 AI 编程但“AI 做数学”始终是一个特殊的存在。原因在于数学有着极高的验证门槛——你可以让 AI 写一篇还不错的营销文案但你不能让 AI 证一个定理然后直接宣布它是对的。正因为数学验证困难所以它成了检验 AI 推理能力的试金石。如果你只把 AI 当作文本生成工具那 AI 在数学上的进展对你的实际影响确实有限。但如果你关心的是 AI 的推理能力边界关心长链推理、严谨性、可验证性这些底层问题那么数学是最好的观察窗口甚至是最好的训练场。这篇文章适合三类读者第一类是 AI 工程师和算法工程师。你不需要成为数学家但你会在本文看到强化学习、大语言模型、神经网络与形式化系统是如何在数学任务里协同工作的这对你做 Agent、做 RAG、做推理增强都有参考价值。第二类是软件开发者尤其是对函数式编程、类型理论和验证工具感兴趣的开发者。形式化证明系统 Lean、Coq 等正在成为数学研究的新的基础设施而这套工具链本质上就是编程语言和编译技术的一种延伸。第三类是数学专业的同学或数学爱好者。你可能会关心未来学数学到底在学什么解题能力是不是会被 AI 替代以及人类在数学里的独特价值在哪里。读完这篇文章你至少能回答几个问题AlphaProof 这类系统到底做了什么为什么数学界特别看重形式化证明普通开发者是否能上手 Lean以及 AI 数学这条赛道上哪些是靠谱的方向、哪些是坑。2. 传统数学的“英雄时代”为什么存在把时间拉长一点看数学这门学科的运作方式在几百年里其实变化不大。一个典型的数学研究流程是这样的某个数学家凭直觉和洞察力提出了一个猜想然后花了几个月甚至几年尝试证明写成长长的论文论文提交给期刊两三位同行花数月时间审阅最终少数几个人点头结论就算被接受了。整个过程高度依赖个人的天赋和信用。举两个例子。第一个是伽罗瓦。他 20 岁出头创立的群论是现代代数的基础但在他 1832 年决斗去世之后论文被搁置了十几年直到 1846 年才被刘维尔整理发表又过了很多年数学界才真正理解它的分量。这就是“英雄时代”的极端写照一个人的天赋超越了他所在时代的通信速度成果的传播需要十几年甚至几十年。第二个是怀尔斯证明费马大定理。他在 1993 年宣布证明但在同行审阅时被发现存在一个关键漏洞之后又花了一年时间修复直到 1994 年才正式定稿。这个过程在数学史上被认为是“个体英雄式证明”的巅峰——几乎一个人闭关七年独自完成从思路到论文的全过程。这两个例子有助于我们理解传统数学研究的三条底层特征第一洞察来源高度个体化。数学被认为是“脑袋里的学问”天赋权重极高发现过程缺乏系统性的工程方法。第二验证成本极高。同行评审本质上是几个人用人力去检查另一个人的逻辑。对于超长证明人类审稿人几乎不可能逐行验证只能挑重点检查。第三知识难以增量累积。一个定理证明了但证明本身往往没有结构化后人要复用证明中的某些步骤只能重新读、重新理解、重新推导很难像软件代码那样直接引用。这三条特征恰好就是 AI 和形式化系统最擅长解决的三个问题。于是我们看到了一个有趣的交接数学的“英雄时代”之所以成立是因为个体天才的洞察力远超验证工具的承载力而一旦验证工具变得便宜、可靠、全球化天才个体的“不可替代性”就会不断下降。数学的“英雄时代”不是被某个模型终结的而是被一套新的研究基础设施终结的。维度英雄时代AI 时代洞察来源个体大脑的灵光一现人机协作AI 提供候选路径验证方式少数同行人工评审形式化证明系统逐行验证协作规模小团队甚至个人全球社区 机器共同推进错误发现周期数月甚至数年秒级验证器直接报错知识复用方式重新阅读、重新推导基于 Mathlib 等库直接引用3. AI 正在改变数学的三条技术路径AI 对数学的影响不是单一维度的。如果梳理一下过去几年的进展可以看到三条清晰的技术路径分别对应不同的数学研究环节。3.1 路径一AI 作为解题器这条路径大家最熟悉。AlphaProof、AlphaGeometry 2 在 IMO 2024 上的表现是一个标志性事件两者组合解决了四道题得分达到银牌线。另一个被广泛讨论的成果是 AlphaTensor它在 2022 年通过强化学习发现了更高效的矩阵乘法分解方式突破了人类几十年来在特定矩阵规模上的最优方案。解题器的技术栈其实比很多人想象的要复杂。以 AlphaProof 为例它不是简单地读题然后输出答案而是把数学题编码成一个可以在形式化系统里验证的命题然后用强化学习在大规模的候搜索空间里寻找证明路径每一步都在 Lean 证明助手里进行即时验证。这个过程中神经网络做的是“直觉”——筛选哪些证明步骤大概率有效形式化系统做的是“裁判”——确认每一步推导是否严格合法。这条路径的意义在于AI 第一次在数学发现上脱离了“生成看起来合理的文本”这一层走到了“生成经过逻辑验证的证明”这一层。3.2 路径二AI 作为验证器严格来说这条路径不完全属于“AI”但它是整个 AI 数学浪潮的地基。所谓形式化验证指的是把数学证明写成一种计算机可以逐行检查的推理序列。最常用的工具包括 Lean、Coq、Isabelle/HOL、HOL Light 等。形式化证明的里程碑很早就有了1976 年 Appel 和 Haken 用计算机证明四色定理2005 年 Georges Gonthier 用 Coq 对四色定理做了完整的形式化复证2014 年 Thomas Hales 领导的 Flyspeck 项目用 HOL Light 和 Isabelle 完成了对 Kepler 猜想的完整形式化验证这个猜想的人类证明当年差点把审稿人逼疯。当年这些工作被视为“极客的偏执”因为形式化一个定理的工作量可能比证明这个定理还大。但现在情况正在改变AlphaProof 这类系统本身就在生成形式化验证的证明而 Lean 的数学库 Mathlib 已经积累了大量可复用的数学基础。形式化验证正在从“事后补课”变成“与 AI 发现同步进行”的环节。3.3 路径三AI 作为直觉的扩展者第三条路径没那么显眼但可能是最接近“数学发现”本质的一条。很多数学家私下里已经在用大语言模型做探索性工作让 AI 给出某些定理的变体、在不同数学结构之间发现类比、猜测某个数列的规律再用传统方法验证这些猜测。这条路径的技术本质是让 AI 帮助人类扩展“可能”的空间。人类数学家的直觉往往受限于自己的领域经验和思维惯性机器学习模型可以从大量论文和数据中提取出跨领域的模式为数学家提供反直觉的候选假设。当然这些假设必须经过严格证明才能成为定理——AI 在这里的价值不是代替证明而是提高发现问题的效率。把这三条路径放在一起看会发现它们正好覆盖了数学研究的三个关键环节想出新命题直觉、证明命题推理、验证命题裁判。过去这三个环节都装在人类脑子里现在它们正在被拆开交给不同的系统完成。4. 案例拆解一道数学题如何在 AI 驱动下完成全流程我们先用一个抽象但准确的流程来看 AI 数学系统如何处理一个问题。这个流程不是 AlphaProof 的专属设计而是目前主流 AI 数学系统共同遵循的范式。第一步问题编码。需要把一道数学题从自然语言转换成机器可读的数学命题。以 IMO 题目为例自然语言是“证明存在无穷多个正整数 n 使得……”而机器可读的命题是一个 Lean 里的 statement例如一段关于自然数和不等式的逻辑表达式。第二步搜索证明路径。系统在巨大的搜索空间里尝试不同的推理步骤。这里用到三种技术神经网络模型提供“重点候选”强化学习负责评估不同策略的长期收益蒙特卡洛树搜索或类似算法负责调度搜索过程。第三步形式化验证。每生成一个候选证明系统会把证明的每一步输入到 Lean 等证明助手里。如果某一步推导不合法验证器会直接拒绝。这个机制保证了最终输出的证明是严格可检查的而不是“看起来合理”。第四步人工审查与入库。即使验证器通过了人类数学家仍然需要审查这个证明是不是“有意义的”——是否提供了新的思想、能否推广到其他问题然后决定是否将相关引理加入数学库供后续研究复用。用一个更直观的方式理解这个过程传统数学家解题是在自己的脑子里进行前两步然后用论文向同行展示第三步AI 数学系统则把第二步和第三步交给了机器人类数学家主要把控第一步和第四步。这里真正容易踩坑的地方在于很多人以为“AI 解题”就是把题目丢给 ChatGPT 然后得到答案。实际工程里远不是这样。AI 输出的文本可能是错的甚至错误得很隐蔽只有经过形式化验证系统确认过的证明才算数。所以这一领域的核心哲学是宁可信工具不能信模型。下面是一个极简的可运行示例。利用 Lean 4 和 Mathlib我们可以形式化验证一个非常基础的命题自然数加法满足交换律。-- 文件路径examples/commute.lean -- 用 Lean 4 形式化证明自然数加法的交换律 import Mathlib example (a b : Nat) : a b b a : by exact Nat.add_comm a b这段代码的含义是我们声明一个命题“对任意自然数 a 和 ba b 等于 b a”然后直接调用 Mathlib 里已经证明的定理Nat.add_comm。如果代码运行时不报错说明这个命题已经在形式化系统里得到验证。你可能觉得这不是已经证明过的东西吗没错。但关键是这个“已经证明过”是拿人和论文作为衡量标准在形式化系统里“证明完成”意味着你拥有一台机器可以复查每一行推导这个过程是零信任的。5. 数学家的角色转变从“解题人”到“架构师”如果 AI 真的能在数学解题、证明验证上逐步逼近甚至超越人类那数学家未来还做什么我的判断是人类数学家不会消失但岗位分工会发生迁移类似于软件行业过去二十年发生的变化。先看软件工程里的类比。二十年前程序员需要从内存管理开始学起还要懂汇编、懂操作系统细节今天一个合格的工程师可以用高级语言、框架、编译器、包管理器和自动化测试来构建复杂的应用。数学研究正在经历类似的“分层演化”。未来数学家的核心能力可能不再是“在草稿纸上推出一个精妙的证明”而是下面几项第一问题定义与抽象能力。提出一个值得证明的命题把它抽象成可形式化的数学结构这依然是人的强项。AI 可以搜索证明路径但它不知道该证明什么才重要。第二策略设计与工具选择。面对一个具体问题是用神经网络找直觉还是用穷举搜索找反例还是用符号推理做形式化这需要人来判断和编排。在这个意义上数学家更像一个“研究架构师”。第三结果审查与知识整合。AI 生成一个通过形式化验证的证明之后数学家要判断它是否有思想价值如何融入更大的理论框架。这相当于软件架构师 review 代码之后决定哪些模块进入主库。第四跨领域类比。很多数学突破来自不同分支之间的类比比如把几何问题翻译成代数问题把概率论的方法引入数论。这种跳跃式的联想目前 AI 还远不能稳定地完成而这是人类数学家能够持续贡献价值的地方。你打开一个现代数学研究团队的工作方式也能看到这种趋势。一个研究团队里通常会有纯数学家负责提出问题和理论判断计算数学家负责写数值实验代码形式化专家负责把证明输入到 Lean 里机器学习工程师负责训练神经网络搜索证明路径。他们一起工作形成一个“人机混合”的研究小组。这种转变对教育的影响也很大。现在的数学教育还是以“解题”为中心给你一道题你独立解出来打分。但在 AI 时代“解题者”正是最早被替代的岗位。更有价值的技能变成了“把问题表达清楚”“选择合适工具”“设计验证方案”。这不是说基础计算不重要而是说基础计算应该成为培养抽象思维的载体而不是终极目标。6. 如果想参与开发者与数学爱好者的实践路径看到这里比较有执行力的读者可能会问这些系统我能上手吗我没学过高等数学能参与这个方向吗答案是可以而且门槛比想象中低。原因在于形式化验证和 AI 数学系统本质上是编程问题你可以从很小的例子开始逐步进入这个领域。6.1 安装 Lean 4 并跑通第一个证明Lean 4 是当前形式化数学社区最活跃的工具。它由一个类似 Rust 的工具链管理器elan来安装和管理版本。安装命令以官方文档为准但核心步骤是安装 elan、设置默认工具链然后创建项目。# 安装 Lean 工具链管理器和 Lean 4 # 具体命令以 https://lean-lang.org/ 官方文档为准 elan default stable lean --version然后创建一个 Lean 文件写入最简单的证明。-- 文件路径test.lean -- 第一个形式化证明自然数加 0 等于自身 example (n : Nat) : n 0 n : by rw [Nat.add_zero]# 运行验证 lean test.lean如果没有任何报错说明这行证明通过了验证。你可能已经注意到这个例子比传统数学题要“啰嗦”得多因为机器不会“意会”每一步都必须显式写出。这正是形式化验证的特点用严格换安心。6.2 使用 Python 做数学探索实验在真正进入形式化证明之前很多数学研究者会先用 Python 做数值探索。下面这个例子可以帮助你理解“数学探索”和“数学证明”的区别。我们用 Python 检查哥德巴赫猜想在 1000 以内的局部情况这显然不是证明但它能帮助我们发现规律、生成直觉。# 文件路径explore.py # 演示用数值探索哥德巴赫猜想在 1000 以内成立 def is_prime(n: int) - bool: if n 2: return False for i in range(2, int(n ** 0.5) 1): if n % i 0: return False return True def check_goldbach(limit: int) - bool: for even in range(4, limit 1, 2): found False for p in range(2, even): if is_prime(p) and is_prime(even - p): found True break if not found: print(f找到反例{even}) return False print(f在 {limit} 以内哥德巴赫猜想局部成立) return True # 验证 1000 以内的所有偶数 check_goldbach(1000)python explore.py # 预期输出在 1000 以内哥德巴赫猜想局部成立这个脚本有意义的地方在于任何一条数学猜想,你都可以先写一个数值搜索脚本去“试探”。如果 Python 找到了反例那这条猜想就不成立根本不用浪费时间证明如果没找到反例也只是得到一个“到目前为止没问题”的弱证据并不等于证明。6.3 参与开源数学库社区如果你跑通了上面的例子并且想进一步深入最推荐的路径是参与 Mathlib——Lean 的数学库。Mathlib 是数学界社区协作的规模最大的项目之一贡献者遍布全球。它本质上是一个用形式化语言书写的大型数学知识库任何具备基础编程能力的人都可以从证明一个引理开始贡献。和普通开源项目不同Mathlib 有一套自动化的验证流程每个提交都会经过验证器的检查。正因为如此它比任何一篇论文都更难出错。对开发者来说这意味着你提交的证明会被机器严格检查这让“贡献数学知识”这件事变得异常透明。如果你的兴趣点更偏向 AI 工程也可以关注 AlphaProof 这类系统的底层技术。它的核心不是某个神奇的模型而是“神经网络 强化学习 形式化验证器”的组合。你可以从复现一个小的证明搜索任务开始在自己的机器上跑一个简化版然后逐步扩展。7. 风险与边界哪些不能交给 AI讲完机会必须冷静地讲风险。AI 数学这条路虽然进展很快但盲目乐观会让你在产品或研究里踩坑所以有几条边界需要说清楚。第一AI 幻觉问题在数学里比在自然语言里危险得多。大语言模型生成一个看起来严密的数学证明并不难但其中可能隐藏着“显然易证”的跳步或者完全错误的推论。数学不是靠投票来判定对错的领域如果一个数学结论被生产环境的系统依赖那出错的代价可能极大。所以在正式系统里永远要用形式化验证器而不是模型的自信程度来判断证明是否正确。第二AI 求解器目前还远不能覆盖数学的绝大多数分支。AlphaProof 等系统能解决 IMO 级别的题目但 IMO 题目的特点是表述清晰、结论已知可证、难度集中在技巧层面。真实的数学研究往往方向未知甚至不知道目标命题是否成立这种开放性远超竞赛题。把 AI 在竞赛上的成功线性外推到“AI 即将解决黎曼猜想”是不严谨的。第三形式化验证本身也有成本。把数学证明形式化需要大量工程投入许多现代数学分支还缺少统一的形式化基础。这意味着“AI 生成证明”和“形式化验证”之间的断点依然需要人来填补。短期内大量 AI 生成的未形式化证明只能作为参考不能直接入库。第四教育层面的风险。如果初学者依赖 AI 解题器完成作业而没有被引导去理解证明背后的推理结构那数学教育反而会变得更差。AI 工具应该被用作“陪练”和“验证助手”而不是替代思考过程。综合来看AI 在数学里最健康的用法是AI 负责生成候选、人类负责判断方向、形式化系统负责最终验证。三者各司其职任何一环被跳过都会让系统风险不可控。8. 总结与后续学习方向这篇文章从“2024 IMO 银牌成绩”这个新闻事件切入梳理了传统数学“英雄时代”的三条特征然后拆解了 AI 改变数学的三条技术路径给出了一个完整的 AI 数学系统工作流并讨论了数学家的角色转变。最后还给开发者提供了一条从安装 Lean 到写 Python 探索脚本的实践路径。如果只记住一件事我希望是这句话AI 时代的数学并不是不要人而是对人的要求变了。你不再只是一个孤独的解题者而是一个能够指挥、验证、集成机器成果的架构师。AlphaProof 证明了一道 IMO 题但定义这道题、设计整体策略、判断这个结果的价值、把它放进更大的数学框架里的人依然是数学家。下一步你可以怎么实践先安装 Lean 4跑通一个最简单的证明然后用 Python 做一个数学猜想的数值探索最后去 Mathlib 社区看看有没有自己感兴趣的引理可以认领。不需要一次理解所有技术细节从最小闭环开始跑通一个就往下走一步。如果你对 AI Agent 架构感兴趣也可以把形式化验证理解成一种“外部工具调用的强约束”Agent 生成行动然后外部系统验证行动是否符合规则。这个思路和 Lean 验证数学证明本质上是一回事。工具会更新、模型会迭代但“生成-验证-采纳”这个闭环会长期是 AI 工程的核心范式。数学的“英雄时代”正在结束但数学本身不会结束。它只是在换一种更协作、更可验证、更工程化的方式继续前进。作为开发者现在入场正好能赶上这个范式转换的早期阶段。 AI重塑数学研究：从个体天才到人机协作与形式化验证
2024年7月国际数学奥林匹克IMO赛场上出现了一个不在官方参赛名单里的“选手”Google DeepMind 的 AlphaProof 和 AlphaGeometry 2。最终它在六道题目中解决了四道拿到 28 分满分 42 分达到银牌水平。这个结果本身已经足够让数学界讨论一阵但更值得琢磨的是它背后的信号当 AI 能解竞赛题当形式化证明开始替代人工审稿数学研究最核心的“英雄叙事”正在发生结构性松动。数学的“英雄时代”太长了。从笛卡尔到伽罗瓦从黎曼到怀尔斯数学的每一个重大突破几乎都被讲成个人天才的故事一个人在深夜的阁楼里在决斗前夜七年独自一人灵光一现然后改变世界。这种叙事非常迷人但它可能正在成为历史。这篇文章想聊的不是“AI 会不会取代数学家”这种大而化之的议题而是更具体的三层问题AI 到底改变了数学研究的哪些环节哪些变化是真实的、已经成为基础设施哪些还是概念炒作以及一个普通开发者怎么从这个趋势里找到自己能参与的位置。我给出的核心判断是数学正在从“个体天才驱动”转向“人机协作的群体智能驱动”。标题里的“World-Mind”指的不是某一个大模型而是由人类、AI 系统、形式化证明工具和全球协作社区共同构成的一个知识网络。这个网络已经在数学的多个分支里发挥作用并且速度比大多数人想象的要快。1. 这篇文章真正要解决的问题先说一个有意思的现象过去几年AI 领域的热点词轮番变化从大模型到多模态从 Agent 到 AI 编程但“AI 做数学”始终是一个特殊的存在。原因在于数学有着极高的验证门槛——你可以让 AI 写一篇还不错的营销文案但你不能让 AI 证一个定理然后直接宣布它是对的。正因为数学验证困难所以它成了检验 AI 推理能力的试金石。如果你只把 AI 当作文本生成工具那 AI 在数学上的进展对你的实际影响确实有限。但如果你关心的是 AI 的推理能力边界关心长链推理、严谨性、可验证性这些底层问题那么数学是最好的观察窗口甚至是最好的训练场。这篇文章适合三类读者第一类是 AI 工程师和算法工程师。你不需要成为数学家但你会在本文看到强化学习、大语言模型、神经网络与形式化系统是如何在数学任务里协同工作的这对你做 Agent、做 RAG、做推理增强都有参考价值。第二类是软件开发者尤其是对函数式编程、类型理论和验证工具感兴趣的开发者。形式化证明系统 Lean、Coq 等正在成为数学研究的新的基础设施而这套工具链本质上就是编程语言和编译技术的一种延伸。第三类是数学专业的同学或数学爱好者。你可能会关心未来学数学到底在学什么解题能力是不是会被 AI 替代以及人类在数学里的独特价值在哪里。读完这篇文章你至少能回答几个问题AlphaProof 这类系统到底做了什么为什么数学界特别看重形式化证明普通开发者是否能上手 Lean以及 AI 数学这条赛道上哪些是靠谱的方向、哪些是坑。2. 传统数学的“英雄时代”为什么存在把时间拉长一点看数学这门学科的运作方式在几百年里其实变化不大。一个典型的数学研究流程是这样的某个数学家凭直觉和洞察力提出了一个猜想然后花了几个月甚至几年尝试证明写成长长的论文论文提交给期刊两三位同行花数月时间审阅最终少数几个人点头结论就算被接受了。整个过程高度依赖个人的天赋和信用。举两个例子。第一个是伽罗瓦。他 20 岁出头创立的群论是现代代数的基础但在他 1832 年决斗去世之后论文被搁置了十几年直到 1846 年才被刘维尔整理发表又过了很多年数学界才真正理解它的分量。这就是“英雄时代”的极端写照一个人的天赋超越了他所在时代的通信速度成果的传播需要十几年甚至几十年。第二个是怀尔斯证明费马大定理。他在 1993 年宣布证明但在同行审阅时被发现存在一个关键漏洞之后又花了一年时间修复直到 1994 年才正式定稿。这个过程在数学史上被认为是“个体英雄式证明”的巅峰——几乎一个人闭关七年独自完成从思路到论文的全过程。这两个例子有助于我们理解传统数学研究的三条底层特征第一洞察来源高度个体化。数学被认为是“脑袋里的学问”天赋权重极高发现过程缺乏系统性的工程方法。第二验证成本极高。同行评审本质上是几个人用人力去检查另一个人的逻辑。对于超长证明人类审稿人几乎不可能逐行验证只能挑重点检查。第三知识难以增量累积。一个定理证明了但证明本身往往没有结构化后人要复用证明中的某些步骤只能重新读、重新理解、重新推导很难像软件代码那样直接引用。这三条特征恰好就是 AI 和形式化系统最擅长解决的三个问题。于是我们看到了一个有趣的交接数学的“英雄时代”之所以成立是因为个体天才的洞察力远超验证工具的承载力而一旦验证工具变得便宜、可靠、全球化天才个体的“不可替代性”就会不断下降。数学的“英雄时代”不是被某个模型终结的而是被一套新的研究基础设施终结的。维度英雄时代AI 时代洞察来源个体大脑的灵光一现人机协作AI 提供候选路径验证方式少数同行人工评审形式化证明系统逐行验证协作规模小团队甚至个人全球社区 机器共同推进错误发现周期数月甚至数年秒级验证器直接报错知识复用方式重新阅读、重新推导基于 Mathlib 等库直接引用3. AI 正在改变数学的三条技术路径AI 对数学的影响不是单一维度的。如果梳理一下过去几年的进展可以看到三条清晰的技术路径分别对应不同的数学研究环节。3.1 路径一AI 作为解题器这条路径大家最熟悉。AlphaProof、AlphaGeometry 2 在 IMO 2024 上的表现是一个标志性事件两者组合解决了四道题得分达到银牌线。另一个被广泛讨论的成果是 AlphaTensor它在 2022 年通过强化学习发现了更高效的矩阵乘法分解方式突破了人类几十年来在特定矩阵规模上的最优方案。解题器的技术栈其实比很多人想象的要复杂。以 AlphaProof 为例它不是简单地读题然后输出答案而是把数学题编码成一个可以在形式化系统里验证的命题然后用强化学习在大规模的候搜索空间里寻找证明路径每一步都在 Lean 证明助手里进行即时验证。这个过程中神经网络做的是“直觉”——筛选哪些证明步骤大概率有效形式化系统做的是“裁判”——确认每一步推导是否严格合法。这条路径的意义在于AI 第一次在数学发现上脱离了“生成看起来合理的文本”这一层走到了“生成经过逻辑验证的证明”这一层。3.2 路径二AI 作为验证器严格来说这条路径不完全属于“AI”但它是整个 AI 数学浪潮的地基。所谓形式化验证指的是把数学证明写成一种计算机可以逐行检查的推理序列。最常用的工具包括 Lean、Coq、Isabelle/HOL、HOL Light 等。形式化证明的里程碑很早就有了1976 年 Appel 和 Haken 用计算机证明四色定理2005 年 Georges Gonthier 用 Coq 对四色定理做了完整的形式化复证2014 年 Thomas Hales 领导的 Flyspeck 项目用 HOL Light 和 Isabelle 完成了对 Kepler 猜想的完整形式化验证这个猜想的人类证明当年差点把审稿人逼疯。当年这些工作被视为“极客的偏执”因为形式化一个定理的工作量可能比证明这个定理还大。但现在情况正在改变AlphaProof 这类系统本身就在生成形式化验证的证明而 Lean 的数学库 Mathlib 已经积累了大量可复用的数学基础。形式化验证正在从“事后补课”变成“与 AI 发现同步进行”的环节。3.3 路径三AI 作为直觉的扩展者第三条路径没那么显眼但可能是最接近“数学发现”本质的一条。很多数学家私下里已经在用大语言模型做探索性工作让 AI 给出某些定理的变体、在不同数学结构之间发现类比、猜测某个数列的规律再用传统方法验证这些猜测。这条路径的技术本质是让 AI 帮助人类扩展“可能”的空间。人类数学家的直觉往往受限于自己的领域经验和思维惯性机器学习模型可以从大量论文和数据中提取出跨领域的模式为数学家提供反直觉的候选假设。当然这些假设必须经过严格证明才能成为定理——AI 在这里的价值不是代替证明而是提高发现问题的效率。把这三条路径放在一起看会发现它们正好覆盖了数学研究的三个关键环节想出新命题直觉、证明命题推理、验证命题裁判。过去这三个环节都装在人类脑子里现在它们正在被拆开交给不同的系统完成。4. 案例拆解一道数学题如何在 AI 驱动下完成全流程我们先用一个抽象但准确的流程来看 AI 数学系统如何处理一个问题。这个流程不是 AlphaProof 的专属设计而是目前主流 AI 数学系统共同遵循的范式。第一步问题编码。需要把一道数学题从自然语言转换成机器可读的数学命题。以 IMO 题目为例自然语言是“证明存在无穷多个正整数 n 使得……”而机器可读的命题是一个 Lean 里的 statement例如一段关于自然数和不等式的逻辑表达式。第二步搜索证明路径。系统在巨大的搜索空间里尝试不同的推理步骤。这里用到三种技术神经网络模型提供“重点候选”强化学习负责评估不同策略的长期收益蒙特卡洛树搜索或类似算法负责调度搜索过程。第三步形式化验证。每生成一个候选证明系统会把证明的每一步输入到 Lean 等证明助手里。如果某一步推导不合法验证器会直接拒绝。这个机制保证了最终输出的证明是严格可检查的而不是“看起来合理”。第四步人工审查与入库。即使验证器通过了人类数学家仍然需要审查这个证明是不是“有意义的”——是否提供了新的思想、能否推广到其他问题然后决定是否将相关引理加入数学库供后续研究复用。用一个更直观的方式理解这个过程传统数学家解题是在自己的脑子里进行前两步然后用论文向同行展示第三步AI 数学系统则把第二步和第三步交给了机器人类数学家主要把控第一步和第四步。这里真正容易踩坑的地方在于很多人以为“AI 解题”就是把题目丢给 ChatGPT 然后得到答案。实际工程里远不是这样。AI 输出的文本可能是错的甚至错误得很隐蔽只有经过形式化验证系统确认过的证明才算数。所以这一领域的核心哲学是宁可信工具不能信模型。下面是一个极简的可运行示例。利用 Lean 4 和 Mathlib我们可以形式化验证一个非常基础的命题自然数加法满足交换律。-- 文件路径examples/commute.lean -- 用 Lean 4 形式化证明自然数加法的交换律 import Mathlib example (a b : Nat) : a b b a : by exact Nat.add_comm a b这段代码的含义是我们声明一个命题“对任意自然数 a 和 ba b 等于 b a”然后直接调用 Mathlib 里已经证明的定理Nat.add_comm。如果代码运行时不报错说明这个命题已经在形式化系统里得到验证。你可能觉得这不是已经证明过的东西吗没错。但关键是这个“已经证明过”是拿人和论文作为衡量标准在形式化系统里“证明完成”意味着你拥有一台机器可以复查每一行推导这个过程是零信任的。5. 数学家的角色转变从“解题人”到“架构师”如果 AI 真的能在数学解题、证明验证上逐步逼近甚至超越人类那数学家未来还做什么我的判断是人类数学家不会消失但岗位分工会发生迁移类似于软件行业过去二十年发生的变化。先看软件工程里的类比。二十年前程序员需要从内存管理开始学起还要懂汇编、懂操作系统细节今天一个合格的工程师可以用高级语言、框架、编译器、包管理器和自动化测试来构建复杂的应用。数学研究正在经历类似的“分层演化”。未来数学家的核心能力可能不再是“在草稿纸上推出一个精妙的证明”而是下面几项第一问题定义与抽象能力。提出一个值得证明的命题把它抽象成可形式化的数学结构这依然是人的强项。AI 可以搜索证明路径但它不知道该证明什么才重要。第二策略设计与工具选择。面对一个具体问题是用神经网络找直觉还是用穷举搜索找反例还是用符号推理做形式化这需要人来判断和编排。在这个意义上数学家更像一个“研究架构师”。第三结果审查与知识整合。AI 生成一个通过形式化验证的证明之后数学家要判断它是否有思想价值如何融入更大的理论框架。这相当于软件架构师 review 代码之后决定哪些模块进入主库。第四跨领域类比。很多数学突破来自不同分支之间的类比比如把几何问题翻译成代数问题把概率论的方法引入数论。这种跳跃式的联想目前 AI 还远不能稳定地完成而这是人类数学家能够持续贡献价值的地方。你打开一个现代数学研究团队的工作方式也能看到这种趋势。一个研究团队里通常会有纯数学家负责提出问题和理论判断计算数学家负责写数值实验代码形式化专家负责把证明输入到 Lean 里机器学习工程师负责训练神经网络搜索证明路径。他们一起工作形成一个“人机混合”的研究小组。这种转变对教育的影响也很大。现在的数学教育还是以“解题”为中心给你一道题你独立解出来打分。但在 AI 时代“解题者”正是最早被替代的岗位。更有价值的技能变成了“把问题表达清楚”“选择合适工具”“设计验证方案”。这不是说基础计算不重要而是说基础计算应该成为培养抽象思维的载体而不是终极目标。6. 如果想参与开发者与数学爱好者的实践路径看到这里比较有执行力的读者可能会问这些系统我能上手吗我没学过高等数学能参与这个方向吗答案是可以而且门槛比想象中低。原因在于形式化验证和 AI 数学系统本质上是编程问题你可以从很小的例子开始逐步进入这个领域。6.1 安装 Lean 4 并跑通第一个证明Lean 4 是当前形式化数学社区最活跃的工具。它由一个类似 Rust 的工具链管理器elan来安装和管理版本。安装命令以官方文档为准但核心步骤是安装 elan、设置默认工具链然后创建项目。# 安装 Lean 工具链管理器和 Lean 4 # 具体命令以 https://lean-lang.org/ 官方文档为准 elan default stable lean --version然后创建一个 Lean 文件写入最简单的证明。-- 文件路径test.lean -- 第一个形式化证明自然数加 0 等于自身 example (n : Nat) : n 0 n : by rw [Nat.add_zero]# 运行验证 lean test.lean如果没有任何报错说明这行证明通过了验证。你可能已经注意到这个例子比传统数学题要“啰嗦”得多因为机器不会“意会”每一步都必须显式写出。这正是形式化验证的特点用严格换安心。6.2 使用 Python 做数学探索实验在真正进入形式化证明之前很多数学研究者会先用 Python 做数值探索。下面这个例子可以帮助你理解“数学探索”和“数学证明”的区别。我们用 Python 检查哥德巴赫猜想在 1000 以内的局部情况这显然不是证明但它能帮助我们发现规律、生成直觉。# 文件路径explore.py # 演示用数值探索哥德巴赫猜想在 1000 以内成立 def is_prime(n: int) - bool: if n 2: return False for i in range(2, int(n ** 0.5) 1): if n % i 0: return False return True def check_goldbach(limit: int) - bool: for even in range(4, limit 1, 2): found False for p in range(2, even): if is_prime(p) and is_prime(even - p): found True break if not found: print(f找到反例{even}) return False print(f在 {limit} 以内哥德巴赫猜想局部成立) return True # 验证 1000 以内的所有偶数 check_goldbach(1000)python explore.py # 预期输出在 1000 以内哥德巴赫猜想局部成立这个脚本有意义的地方在于任何一条数学猜想,你都可以先写一个数值搜索脚本去“试探”。如果 Python 找到了反例那这条猜想就不成立根本不用浪费时间证明如果没找到反例也只是得到一个“到目前为止没问题”的弱证据并不等于证明。6.3 参与开源数学库社区如果你跑通了上面的例子并且想进一步深入最推荐的路径是参与 Mathlib——Lean 的数学库。Mathlib 是数学界社区协作的规模最大的项目之一贡献者遍布全球。它本质上是一个用形式化语言书写的大型数学知识库任何具备基础编程能力的人都可以从证明一个引理开始贡献。和普通开源项目不同Mathlib 有一套自动化的验证流程每个提交都会经过验证器的检查。正因为如此它比任何一篇论文都更难出错。对开发者来说这意味着你提交的证明会被机器严格检查这让“贡献数学知识”这件事变得异常透明。如果你的兴趣点更偏向 AI 工程也可以关注 AlphaProof 这类系统的底层技术。它的核心不是某个神奇的模型而是“神经网络 强化学习 形式化验证器”的组合。你可以从复现一个小的证明搜索任务开始在自己的机器上跑一个简化版然后逐步扩展。7. 风险与边界哪些不能交给 AI讲完机会必须冷静地讲风险。AI 数学这条路虽然进展很快但盲目乐观会让你在产品或研究里踩坑所以有几条边界需要说清楚。第一AI 幻觉问题在数学里比在自然语言里危险得多。大语言模型生成一个看起来严密的数学证明并不难但其中可能隐藏着“显然易证”的跳步或者完全错误的推论。数学不是靠投票来判定对错的领域如果一个数学结论被生产环境的系统依赖那出错的代价可能极大。所以在正式系统里永远要用形式化验证器而不是模型的自信程度来判断证明是否正确。第二AI 求解器目前还远不能覆盖数学的绝大多数分支。AlphaProof 等系统能解决 IMO 级别的题目但 IMO 题目的特点是表述清晰、结论已知可证、难度集中在技巧层面。真实的数学研究往往方向未知甚至不知道目标命题是否成立这种开放性远超竞赛题。把 AI 在竞赛上的成功线性外推到“AI 即将解决黎曼猜想”是不严谨的。第三形式化验证本身也有成本。把数学证明形式化需要大量工程投入许多现代数学分支还缺少统一的形式化基础。这意味着“AI 生成证明”和“形式化验证”之间的断点依然需要人来填补。短期内大量 AI 生成的未形式化证明只能作为参考不能直接入库。第四教育层面的风险。如果初学者依赖 AI 解题器完成作业而没有被引导去理解证明背后的推理结构那数学教育反而会变得更差。AI 工具应该被用作“陪练”和“验证助手”而不是替代思考过程。综合来看AI 在数学里最健康的用法是AI 负责生成候选、人类负责判断方向、形式化系统负责最终验证。三者各司其职任何一环被跳过都会让系统风险不可控。8. 总结与后续学习方向这篇文章从“2024 IMO 银牌成绩”这个新闻事件切入梳理了传统数学“英雄时代”的三条特征然后拆解了 AI 改变数学的三条技术路径给出了一个完整的 AI 数学系统工作流并讨论了数学家的角色转变。最后还给开发者提供了一条从安装 Lean 到写 Python 探索脚本的实践路径。如果只记住一件事我希望是这句话AI 时代的数学并不是不要人而是对人的要求变了。你不再只是一个孤独的解题者而是一个能够指挥、验证、集成机器成果的架构师。AlphaProof 证明了一道 IMO 题但定义这道题、设计整体策略、判断这个结果的价值、把它放进更大的数学框架里的人依然是数学家。下一步你可以怎么实践先安装 Lean 4跑通一个最简单的证明然后用 Python 做一个数学猜想的数值探索最后去 Mathlib 社区看看有没有自己感兴趣的引理可以认领。不需要一次理解所有技术细节从最小闭环开始跑通一个就往下走一步。如果你对 AI Agent 架构感兴趣也可以把形式化验证理解成一种“外部工具调用的强约束”Agent 生成行动然后外部系统验证行动是否符合规则。这个思路和 Lean 验证数学证明本质上是一回事。工具会更新、模型会迭代但“生成-验证-采纳”这个闭环会长期是 AI 工程的核心范式。数学的“英雄时代”正在结束但数学本身不会结束。它只是在换一种更协作、更可验证、更工程化的方式继续前进。作为开发者现在入场正好能赶上这个范式转换的早期阶段。