BT财经

境内金融信息服务备案编号:

【京金信备(2021)5号】

2026年11月23日

注册 / 登录

1700万行代码、17万个模块:AI时代的数学新范式

2026年11月20日,Lean与Mathlib社区发布联合声明:Levent Alpöge完成了黎曼猜想的Lean 4形式化证明,包含1700万行代码,经Lean官方内核、Paranoid内核、nanoda等多个独立验证工具校验全部通过。11月21日,MIT数学家Andrew Sutherland在其验证日志页面列出了精确到秒的时间戳,逐一确认了五大定理编译与内核回放的全链条结果。同日,多家媒体转载了这一消息,马斯克在社交媒体上称其为“超级智能成就”。

一场关于“AI是否已能解决百年数学难题”的讨论迅速发酵。然而,在这个由代码行数和编译模块数量堆砌而成的壮观图景背后,藏着两个必须区分清楚的层次:机器能否读取,与人类能否理解。

机器读得懂的证明,人未必读得懂

黎曼猜想是数学界最著名的未解难题之一,自1859年提出以来已困扰数学家167年。不同于传统意义上的“证明发表后有人阅读并逐步理解”,这次的形式化证明走了一条截然不同的路径。

Alpöge的工作成果不是一个人类读者可以逐页翻阅的手写证明稿,而是一个包含175,187个编译模块、总导出文件达7.7GB的Lean库。这些代码经过了五项准则的严格核查:命题表述正确、代码可编译、代码证的是正确的命题、Lean证明本身有效、以及导出的惰性证明文件能通过多个proof checker的独立校验。

Sutherland的验证日志记录了每一道关卡的时间节点——从11月20日下午4:43全部模块编译通过,到11月21日凌晨2:25 Robin不等式组合导出验证陆续完成。整个过程中,没有任何一个步骤需要人类逐个检查逻辑推演,所有的验证都由自动化工具完成:leanchecker、nanoda(Rust编写)、con-leche、con-ron(Comparator的Rust端口)以及lean4lean。

这听起来像是一个胜利时刻——直到你意识到一个问题:如果证明本身是由1700万行代码构成的,那么谁来验证这1700万行代码背后的人类数学直觉是否正确?

形式化验证回答了一个更窄但更确定的问题:“这段代码是否能被Lean内核接受为有效的证明?”但它并不回答另一个更宽泛的问题:“这个证明的逻辑思路对数学家来说是否有意义?是否引入了新的数学洞察?”

正如Lean社区声明原文所言——他们“期待看到数学共同体进一步解释其中的新思想”。这句话暗示了一个现实:计算机层面的正确性检验已经完成,但人类层面的实质性解读远未开始。

AI在证明中扮演了什么角色

这场风暴中的一个焦点人物是Claude。爱范儿等媒体的报道将此次事件描述为“Claude参与完成的黎曼猜想形式化证明”,暗示AI深度参与了证明过程。

但如果我们回到最原始的材料——Sutherland的验证日志首页——会发现只有一句简短的表述:“Andrew Sutherland (MIT), checks run with Claude Code。”

这意味着Claude Code被用来执行各项自动化检查脚本,而非直接生成了1700万行代码的核心证明部分。至于AI在整个证明中的具体贡献比例,目前没有任何公开的数据支持量化分析。没有一份报告告诉你多少行代码是AI生成的,多少推理步骤是由AI辅助完成的。

这种信息模糊并非偶然。它反映了一个更深层的技术现实:在形式化证明领域,“谁写了代码”已经不再是衡量贡献的主要维度——更重要的是谁能把一段数学直觉翻译成机器可读的语言。

Levent Alpöge本人就是微软研究院前首席研究员,长期主导Lean 3开发并推动Mathlib发展。他是连接人类数学直觉与机器形式化语言的桥梁——这类角色的稀缺性远超任何大模型的参数规模。

从工具到伙伴:AI角色跃迁的真实含义

抛开“AI破解世纪难题”的叙事包装,此次事件真正值得关注的趋势在于AI在科学发现链条中的位置变化。

过去五年里,大语言模型在编程和数学领域的表现呈现出清晰的轨迹:从最初的语法错误频发,到现在的能够处理复杂推导和跨模块调用。Claude Code、DeepSeek-R1等模型已经在引理验证、证明逻辑检查等环节展现出超越人类效率的能力。但这些能力大多停留在“辅助工具”阶段——辅助程序员写代码、辅助数学家检查推导。

而在此次Lean项目中,我们看到了一种不同的模式:当175,187个模块需要被逐一编译、导出、校验时,人类的精力瓶颈在哪里? 不在于某一行代码的对错,而在于管理如此庞大工程的协调能力——而这恰恰是当前AI工具擅长的领域。

这就是为什么1700万行代码这个数字本身就具有标志性意义。它不代表“AI解决了黎曼猜想”,但它代表了一个新的分水岭:当形式化证明的工程复杂度超过人类单凭一己之力所能管理的极限时,协作模式的转型已从“要不要用AI”变成了“不用AI就无法推进”。

这种转型的长期影响可能比任何单一数学成果更为深远。基础科研正在经历一场缓慢但深刻的范式迁移——不是从人类智能转向人工智能,而是从个体智慧转向人机协同网络。在这个过程中,人类学者的角色不是被替代,而是被重新定义。

后续观察的三个指标

1。 同行评审时间表:数学界何时正式接纳这份形式化证明?这是检验形式化验证能否替代传统评审机制的关键节点。 2。 自然语言摘要版本:Alpöge团队是否会发布面向非形式化背景数学家的可读性更强的证明大纲?这将决定该成果能否进入主流数学讨论。 3。 同类项目的复制速度:如果其他数学难题也能采用类似的“人类直觉翻译+AI大规模验证”模式进行形式化处理,这将加速整个基础科学的数字化进程。

目前最保守的判断是:这不是终点,而是一个新的起点。1700万行代码构成了计算机层面无可争议的正确性基础,但通往数学共同体的认可之路,仍需漫长的对话与阐释。



版权声明:本文版权归BT财经所有,未经允许任何单位或个人不得转载,复制或以任何其他方式使用本文全部或部分,侵权必究。
帮助中心
联系我们
联系我们

 

商务合作:

 

公司地址

北京市丰台区汉威国际广场一区一号楼629

 

 

商务合作

周先生

Tel: +86-17743514315

Email: info@btimes.com.cn

官方微信公众号

北京领讯时代信息技术有限公司 | Copyright ©️ 2026 财经时报 版权所有 京ICP备19043396号-7

京公网安备 11010602007380号 | 境内金融信息服务备案编号:京金信备(2021)5号

网信算备110106674807801230011号


声明:未经授权,不得复制、转载或以其他方式使用本网站的内容。BT财经尽最大努力确保数据准确,但不保证数据绝对正确。