[ArXiv 2026] 数学家的 AI 觉醒：从“嘲笑 LLM”到“研究级证明”的四年剧变
总结
问题
方法
结果
要点
摘要
本文由 ICARM 主管 Jeremy Avigad 撰写，探讨了 AI 在形式化（Formal）与非形式化（Informal）数学证明领域的突破性进展。文章重点分析了 AI 证明助手（如 Lean）与大语言模型（如 Gemini, ChatGPT）如何开始解决研究级数学问题，并探讨了这一趋势对数学职业、教育及科研范式的深远影响。
TL;DR
在过去短短四年里，AI 在数学证明领域完成了从“小学生水平”到“准研究员级别”的跨越。ICARM 主管 Jeremy Avigad 在最新文章中警告：AI 已经开始攻克未发表的研究级课题，数学家若不主动收编 AI，恐将面临职业根基的动摇。
痛点深挖：数学堡垒的瓦解？
长期以来，数学被认为是人类理性的最后堡垒。数学家们曾嘲笑 ChatGPT 连简单的算术都会出错。然而，2024-2025 年成为了转折点：
- 形式化之痛：手动将数学证明转化为计算机可验证的代码（如 Lean）极其单调乏味。
- 直觉之争：人们曾认为 AI 缺乏“深层直觉”和“联想能力”，但最新的模型在处理复杂模式识别上已展现出惊人的潜力。
- 协作危机：商业公司（如文中提到的 Math Inc.）利用强大算力介入开源协作项目，进行所谓的“掠夺式证明（Drive-by proving）”，这种只求结果不重理解的行为正在冲击传统的学术社区。
方法论详解：当神经遇见符号
Avigad 教授指出，当前的突破并非源于单一技术，而是多种路径的合力：
- 神经-符号融合：利用大模型生成非形式化的证明思路（Informal blueprint），再由形式化证明检查器（Proof-checker）提供严谨的正确性反馈。
- Agent 化系统：如 Google DeepMind 的 Aletheia，不再是简单的对话机器人，而是能够自主搜索、推理并纠错的证明代理。
实验与结果：AI 正跑在 SOTA 的路上
文章披露了一组令人警醒的数据：
- 挑战课题：11 名数学家在 arXiv 上发布了 10 个未发表的研究级难题。
- 战绩：Google DeepMind 的 Aletheia 模型成功解决了 6 个，其中一个证明被评价为“相当优美”。
- 进化速度：从 2022 年底 ChatGPT 发布到现在，AI 证明能力从近乎为零演进到能够饱和 Putnam 竞赛基准并冲击科研一线，仅用了不到 4 年。
深度洞察：我们还会需要数学家吗？
Avigad 并没有陷入单纯的悲观，他提出了几个核心观察：
- 数学的定义将改变：如果 AI 能证明一切，那数学的价值将从“发现真理”转向“解释与审美”。
- 教育的焦虑：如果 AI 能完成所有课后作业，工程学院是否还需要数学系提供基础课？这是一个迫在眉睫的生计问题。
- Agency (能动性)：数学是应对 AI 黑盒化的解药。通过严谨的数学定义和可审计的证明，我们可以保持对 AI 决策的控制权。
总结与建议
“我们无法躲藏，唯有面对。” Avigad 呼吁数学界不仅要开发基准测试，更要深度参与 AI 的建模与部署。数学家不应是技术的旁观者，而应是 AI 的“驯兽师”。如果能通过 AI 解决黎曼猜想或 P vs NP，这难道不是数学的又一个黄金时代吗？
局限性：目前 AI 证明出的结果往往过于冗长（Verbose），且缺乏对数学美感的全局把握。如何让 AI 生成像人类一样简洁、深刻的证明，仍是未解之谜。