編按:本文綜合整理自 Anthropic 官方研究文章、Kevin Buzzard 的 Xena Project 部落格、Hacker News 第一手討論,並加入 Siami 編輯部觀點與分析。
從 1637 年的一則註記到 AI 的形式化證明
1637 年左右,法國數學家 Pierre de Fermat 在他《丟番圖算術》一書的空白處寫下一道斷言:「沒有任何正整數 a、b、c 能滿足 aⁿ + bⁿ = cⁿ,其中 n > 2」。他還補上一句流傳千古的註記:「我發現了一個真正驚人的證明,可惜這裡的空白太小,容不下。」
這道「費馬最後定理」(Fermat’s Last Theorem,FLT)困擾了數學界 358 年。直到 1995 年,英國數學家 Andrew Wiles 才提出第一個正確的證明——一份 129 頁、耗時數月才能驗證完畢的艱鉅工程。
2026 年 9 月 4 日,這個故事再添新篇章:Anthropic 旗下的 Claude 在 11 天內,自主完成了 FLT 的端到端電腦可檢查證明,過程中寫下 1,300 萬行 Lean 程式碼、證明了 29,500 個中間定理。
這次的「證明」和 1995 年的證明有何不同?
Wiles 1995 年的證明是寫給人看的。數學家可以逐步檢查邏輯鏈是否完整,但每個環節仍須仰賴專家判斷與直覺。形式化(formalization) 則是另一回事——把所有推理轉換成電腦可以自動驗證的程式語言。證明助手(如 Lean)會逐行檢查每一個推導步驟,任何一處錯誤都會讓整個證明無效。
Anthropic 並非要讓 AI 重新發明 FLT,而是要讓 AI 把 Wiles 已存在的證明翻譯成電腦看得懂的 Lean 程式碼,並由 Lean 自動確認每一步邏輯都正確無誤。這是首次出現的「端到端」完整形式化版本。
特別的是,Claude 的證明選擇了 Darmon-Diamond-Taylor 1995 年的簡化論述,而非 Wiles 的原始現代證明。HN 留言者 glimshe 指出,這份證明只覆蓋 p>=17 的情況,但奇正則 p 的 FLT 早已被數學社群形式化過,因此整體上仍構成完整證明。
「這個非凡的自動形式化成就僅耗時 11 天,並證明了費馬最後定理——除了數學公理之外,別無其他假設。過程中我們看到代數、調和分析、幾何與數論的自動形式化,也學到 AI 自動形式化的產物已足夠穩健,能作為其他證明的基礎。」 — Kevin Buzzard,Imperial College London 數學家
為什麼這件事重要
這不只是一則科技成就報導,而是一個數學研究方法論的分水嶺事件。
傳統數學社群要驗證一份複雜證明,往往需要數月到數年的同儕審查。Anthropic 引用了幾個極端案例:
- Thomas Hales 的 Kepler 猜想(1998):花了四年審查,最終 12 位審查員只能給出「99% 確定」的結論。Hales 後來帶領 20 人團隊完成 Flyspeck 計畫才把證明正式形式化。
- Grigori Perelman 的 Poincaré 猜想(2002):社群花了約四年、靠三份各 300 頁的闡述才接受。
- Harald Helfgott 的弱 Goldbach 猜想(2013):至今仍在審查中。
形式化把「我相信你對」變成「我可以證明你對」。當 AI 開始大量產出新證明,這項技術將決定人類社會能否跟上 AI 的數學貢獻速度。Buzzard 認為,未來「形式化證明」與「人類可讀的證明」會像孿生兄弟一樣同時產出,前者是後者的信用背書。
11 天、1300 萬行 Lean、$300,000 API 費用
Anthropic 在文中揭露了具體的執行細節:
| 指標 | 數字 |
|---|---|
| 證明耗時 | 11 天 |
| Lean 程式碼行數 | 1,300 萬行 |
| 中間定理數 | 29,500 個(過程中共 30,300 個) |
| 使用模型 | 內部研究模型,能力約等同 Claude Fable 5.1 |
| 輸出 token 消耗 | 約 60 億 |
| 預估 API 成本 | 約 30 萬美元(HN 計算) |
| 與 Mathlib 規模比 | 5 倍以上 |
Claude 採用的是「多 agent 協作」架構:數十個 Claude agents 同時分工——有人定義新概念、有人證明中間定理、有人把已完成的定理串接起來。
但這套系統並非一帆風順。Anthropic 坦承,前期的嘗試大多失敗——agents 很快失去對專案狀態的掌握、彼此協作出現混亂,失敗的嘗試最終貢獻了最終證明 7% 的非 boilerplate 程式碼。轉捩點是 Anthropic 研究員 Tianyi Peng(其團隊在哥倫比亞大學開發 AI 形式化工具)切換到他們設計的 Prove2Me 協作平台,這個平台提供了三項關鍵支援:
- 定理 DAG:維護一個有向無環圖,agents 透過它決定下一步該證明什麼
- 編譯加速:把定理敘述與證明分離到不同檔案,降低 Lean 編譯的資源消耗
- 搜尋重用:每個定理都附自然語言描述,方便後續 agent 找到並重用
在切換到 Prove2Me 後,agents 才真正開始有效協作。Anthropic 隨後做了一個小規模實驗:只用 3 個 Claude Max 個人訂閱帳號,就讓 agents 在 3 天內合作完成了 Vinogradov 三質數定理的形式化。
數據解讀與質疑
這項工作值得肯定之外,仍有幾個必須正視的問題。
第一,這不是「AI 發現新數學」,而是「AI 形式化既有數學」。 Anthropic 自己也承認這點——他們的證明只是把 Wiles 1995 年的論述忠實轉譯,數學內容上「幾乎沒有告訴我們任何新東西」(Buzzard 語)。社群早在 2024 年就啟動了 Buzzard 領導的 FLT 形式化計畫,Anthropic 是「搶在他們之前完成」(Buzzard 自嘲:「我被 EPSRC 資助五年,Anthropic 只用了 11 天」)。
第二,目前只有 Lean 的驗證,不能完全取代人類審查。 HN 留言者 KaiserPister 質疑:「1300 萬行 LoC,誰能確定 Lean 證明系統本身沒有被利用漏洞?」這觸及形式化方法的核心限制:驗證工具本身的正確性從未被質疑過。如果 Lean 編譯器有 bug,形式化證明也可能誤導。
第三,Buzzard 提醒,Anthropic 並未承諾把這份程式碼整合回 Lean 社群庫。 Imperial College 的 FLT 計畫原本承諾要「向 Lean 數學庫發送 pull request、加入現代數論的基本物件」,這部分工作仍然未完成。Anthropic 的形式化產出目前是「一次性里程碑」,而不是可重複使用的社群資源。
第四,這份證明的成本不容小覷。 HN 估算的 $300,000 API 成本僅是計算開銷,不含 Anthropic 研究員 Tianyi Peng 的指導時間、Prove2Me 平台的開發成本,以及前期失敗嘗試的算力浪費。形式化 AI 數學的成本曲線還沒有降到「人人可負擔」。
這對台灣讀者意味著什麼?
台灣的 AI 與數學社群長期關注 LLM 在形式化驗證上的進展。陽明交大、清華等校都有 Lean 使用者社群,2024 年起也多次舉辦形式化數學工作坊。Anthropic 這次展示的多 agent + 協作平台(DAG 路由、自然語言索引)的架構,給了兩類人具體的想像空間:
- AI 工程師:可以思考如何把這套模式應用到程式碼驗證、安全審計、合約審查等場景。HN 留言者
crawshaw已經指出:「對軟體工程師把形式方法應用到更多軟體上,這顯然會有幫助。」 - 數學研究者:可以開始認真評估「形式化作為發表前提」的可能性。Buzzard 已經表示,未來可能會只讀 AI 生成的數學的形式化版本,而不是散文式的證明。
但務實地看,形式化要進入主流學術發表流程,至少還需要 5-10 年。原因不是技術,而是制度——期刊、審查員、引用慣例都還沒準備好接納「程式碼作為證明」。
後續發展
Anthropic 已在 GitHub 開源完整程式碼與證明導讀:anthropics/fermats-last-theorem。此外他們也公開了一份補充文件 「Formalizing Fermat’s Last Theorem in Lean: A timeline and selected excerpts」,詳細記錄 Claude 的推理時間軸與思維摘錄。
Buzzard 在 Xena Project 部落格的最後留下一段個人軼事:1993 年 Wiles 宣布證明時,他正在劍橋當研究生,當時正和新女友在愛爾蘭度假,幾乎錯過了這個世紀新聞。2026 年 9 月,他再次在同一個女友(現在的妻子)陪同下,在威爾斯 Green Man 音樂節收到 Anthropic 的電子郵件——這次同樣因為收訊不好,他差點以為是惡作劇。
11 天的 AI 工作,跨越了 358 年的人類歷史。這或許就是數學的奇妙之處。
網友熱門留言 (5)