新的不是证明,是验证

Claude 没有重新证明费马大定理,它做的是把 1995 年那份人写的证明,翻译成计算机能逐条核对的形式。

费马大定理早在 1995 年就被普林斯顿数学家 Andrew Wiles 证明了。这次 Anthropic 做的是另一件事:让机器来查这份证明对不对。

差别在哪?人写的数学证明是给人读的,大量「显然成立」的步骤会被省掉,而且它建立在几百年积累的已发表成果之上,引用一句定理,等于默认那本教科书是对的。计算机不接受「显然」。它要求每一步都写出来,再琐碎也得写,而且只能建立在已经被形式化过的那一小部分数学之上。

这就是为什么把一份已经被公认正确的证明翻译给计算机看,反而是件极难的事。数学界为费马大定理形式化准备的施工蓝图,光描述项目第一阶段就有 86 页。

✓ Claude 做的是什么 把 1995 年人写的证明 翻译成计算机 能逐步核对的代码 ✕ 不是什么 不是重新证明 费马大定理, 定理 31 年前已被证明
这次新的是验证方式,不是数学结论。费马大定理由 Andrew Wiles 于 1995 年证明。

为什么这事值得较真

数学证明像一条锁链,断一环后面全塌。费马大定理自己就出过这种事。

1993 年 6 月,Andrew Wiles 在剑桥用三天的系列讲座公布了他的证明。几位数学家随即开始逐页核查,两个月后,一位审稿人提的一个问题暴露出一个致命缺口。

接下来的一年,Wiles 先是独自补,后来叫上自己以前的学生 Richard Taylor 一起补。他一度打算放弃,最后才意识到早先被自己丢掉的一个思路正好能补上这个洞。修好的证明 1995 年 5 月发表。

这不是孤例,只是最著名的一例。1908 年有人悬赏 10 万德国金马克(按今天算大约一两百万美元)征集费马大定理的正确证明,光第一年就收到 621 份错误的证明。判断一个新结果是否真的成立,人类要花几个月甚至几年。

621 份 1908 年悬赏第一年 收到的错误证明 129 页 Wiles 1995 年 证明的篇幅 2 个月 审稿人发现致命缺口 所用时间
人类验证一份顶级数学证明的历史代价。'2 个月'那张是重点:即便是最顶尖的几位数学家全力核查,漏洞也是两个月后才浮出来的。

11 天,1300 万行

几十个 Claude agent 协作,11 天写出 1300 万行 Lean 代码,证了 3 万个中间定理,最后拼出费马大定理。

这次形式化用的是 Lean(一种编程语言,专门用来把数学证明写成计算机能自动核验的形式)。发起人是 Anthropic 研究员 Tianyi Peng,他在哥伦比亚大学的小组专门做 AI 形式化工具。他本来只想试试 Claude 能不能推进一点点。

实际过程是几十个 agent(能自己拆任务、连续干活的 AI 程序)分头作业:定义概念、证明中间定理、再拿这些定理去证更难的命题。最终产出 3 万 300 个可被计算机核验的定理,其中 2 万 9500 个进入了最终证明。

1300 万行是什么概念?Mathlib 是数学界共建的公共定理库,这次的证明就架在它上面,Claude 写出来的代码量是整个 Mathlib 的五倍多。

人类在这个过程里提供的指令少得出奇,基本就是 Tianyi 偶尔给的几句方向性提示:

Jacobian 作为概形这块听起来优先级挺高
把 Mazur 那个定理往前赶一赶
Lean 代码行数 Claude 这次写的证明 1300 万行 11 天完成 Mathlib 全库 约 250 万行 数学界多年共建的公共定理库
Claude 这一份证明的代码量,是它所依托的整个社区定理库的五倍多。Mathlib 的行数由原文'5x the size of Mathlib'反推。

第一次没成

最初的尝试失败了。agent 们很快就跟丢了项目进度,彼此不再有效协作。

这段值得说,因为它暴露了多 agent 协作真正的瓶颈不在「会不会做数学」。

早期的 agent 有一些零散进展,但它们很快失去了对项目整体状态的跟踪,停止了有效协作。这些失败的努力最后只贡献了成品证明中约 7% 的实质代码行。

转机是换用了 Prove2Me,Tianyi Peng 和他在哥伦比亚大学的合作者设计的一个开放协作平台,专门用来做数学形式化。配上一套基于 Claude Code 的多 agent 框架之后,一队 agent 在不到两周里完成了证明。

换句话说,卡住项目的是几十个 agent 之间的「工地管理」:谁在干什么、干到哪了、别人证出来的东西我能不能直接用。模型的数学能力反倒不是瓶颈。

对照维度 之前 之后 协作平台 无统一平台 Prove2Me agent 状态 跟丢项目进度 持续有效协作 结果 仅贡献 7% 代码 不到两周完成
同一批 agent,换了协作脚手架后结果完全不同。7% 指早期失败尝试在最终证明中留下的非样板代码行占比。

三个个人订阅,三天

同一套方法换成三个普通 Claude Max 个人订阅,三天形式化完了另一个著名定理。

费马大定理这个项目烧 token 烧得厉害。但 Anthropic 的研究员另外做了个小实验:三个人,各用自己的 Claude Max 个人订阅,全程通过 Prove2Me 协作。

结果这几个 agent 在三天内共同完成了维诺格拉多夫三素数定理的形式化。这是解析数论里的一个经典结果,和费马大定理不是一个量级,但也绝非习题。

这个实验说明的事情是:大规模协作形式化不一定需要实验室级别的算力。真正稀缺的是那套让多个 agent 不互相踩脚的脚手架。Anthropic 和其他几家实验室最近都在给外部研究者提供免费或打折订阅、研究额度,以及面向更大项目的专项资助,做纯数学和形式化的数学家也在其中。

完成形式化所需天数 费马大定理 11 天 内部研究模型, 约 60 亿输出 token 维诺格拉多夫三素数定理 3 天 三个 Claude Max 个人订阅
两个项目难度不在一个量级,放一起是为了看清:轻量版实验用的是普通个人订阅,三天完成。

数学家怎么说

帝国理工学院的 Kevin Buzzard 审了这份证明,他的判断是:自动形式化现代数学文献这件事,门槛刚刚被迈过去了。

Kevin Buzzard 的身份很关键。他是帝国理工学院数学教授,2024 年发起了数学界那个多年期的费马大定理形式化社区项目。也就是说,这次 AI 十一天干的活,正是他自己带着一群人准备干好几年的活。

他看完后的评价:

这次非凡的自动形式化成就——Anthropic 研究员说只花了 11 天——在不假设任何公理之外前提的情况下证明了费马大定理。沿途我们看到代数、调和分析、几何和数论的自动形式化,而且我们了解到,AI 自动形式化的产物现在已经稳固到可以在其上继续搭建了;这份证明是多层的。
如果费马大定理的自动形式化现在就可行,那我们朝着自动形式化现代数学文献已经迈出了一大步。这类技术会催生新工具,清除当前数学语料中的错误,减轻审稿人的负担。这些技术还能让我们严格核验 AI 生成的数学,而这件事目前通常是一个极其昂贵的、由人主导的过程。

「可以在其上继续搭建」这句是重点。它说的不是这次结果对不对,是 AI 产出的形式化代码质量够不够格成为别人的地基。

真正的赌注

这件事的真正意义不在费马大定理,而在于:当 AI 开始大量产出数学证明,人类还审得过来吗?

Anthropic 自己把这个意图说得很直白:AI 和 AI 辅助的数学家正在产出比以往任何时候都多的「证明」,人工审核扛不住。他们预计,以后给人看的论文旁边附一份形式化证明,会变成常态。

还有一个细节:写 Lean 似乎反过来帮 Claude 证新结果。Anthropic 说,最近多个由 Claude 主导的数学结果都是证明和形式化并行推进的,Claude 会用这些写到一半的形式化证明来自查假设对不对,像程序员写个小仿真验证思路没跑偏。

但有几件事这篇文章没解决,读的时候要拎清楚:

  1. 这是 Anthropic 发布的关于自己模型的成果,没有第三方独立复现。Kevin Buzzard 的评价是外部背书,但他审的是这份证明的结论和结构,没有重跑那 11 天。
  2. 「11 天」是墙上时钟的时间,不是成本。60 亿输出 token 的账单没有公开,拿它和「人类几年」直接比,比的是速度,不是代价。
  3. 形式化能保证的是「推导没断链」,不能保证「这个定理值得证」。判断什么问题重要、什么路径有前途,这件事还没有被自动化。

Anthropic 自己的措辞也值得留意:他们说形式化是 AI 在数学里的角色「让人毫不含糊地感觉良好」的地方。这句反着读,等于承认 AI 在数学的其他环节里,数学家的感受并不这么统一。