大概两天前我刷到一条让我在电脑前愣了好一阵的消息GPT-5.2Pro声称独立证明了一个悬置45年的数论猜想——埃尔德什猜想。更抓眼的是菲尔茨奖得主陶哲轩转发了相关讨论原话大意是“其中存在陷阱但AI没犯错”。这组合拳打出来数学圈和AI圈直接炸了锅。先给没跟上的朋友捋一下背景。埃尔德什猜想这里指的是Erdős–Turán猜想在加法数论里的一个经典形态说的是如果一个整数集合的正密度足够大那它必然包含任意长的等差数列。这个概念性版本听起来简单但它跟Szemerédi定理、遍历论、傅里叶分析这些二十世纪最深刻的数学工具搅在一起一直是极难啃的硬骨头。45年没人解出来并不是大家不努力而是它卡在整个加法组合学的核心痛点上密度条件怎么跟结构条件打通。我第一时间去翻了各个渠道放出来的证明摘要和讨论帖也看了一些博主晒的验证笔记。这事的吊诡之处在于GPT-5.2Pro给出的不是一段敷衍的“思路草图”而是一套从引理到定理层层递进、带严格约束条件的完整证明链。陶哲轩说的“陷阱”其实指向证明中一个极易被忽视的极限换序问题——在一个无穷级数求和步骤里交换求和顺序会导致结论失效的经典陷阱。如果换人类来做十有八九会在这一步栽跟头但模型靠形式化验证工具兜住了底硬生生把这一步跨了过去。这篇文章我不想复述一遍证明本身——说实话全部细节我也没吃透复述也没意义。我更想以一个常年用AI辅助做数学推导、也用形式化验证工具审过不少“AI证明”的从业者视角跟你聊聊这事的深层结构AI到底是怎么“证明”的这个证明可信到什么程度陶哲勋说的陷阱为什么值得玩味以及我们接下来该怎么面对越来越常见的“AI数学成果”。1. 事件整体拆解这次“证明”到底是怎么发生的1.1 埃尔德什猜想为什么这么难先说说为什么这个猜想能悬置45年。埃尔德什-图兰猜想可以粗略地表述成如果一个自然数子集拥有正的上密度那么它包含任意长的等差数列。它的核心难点在于“任意长”三个字。要证明一个集合包含长度为3的等差数列经典方法很多图的三角计数、傅里叶分析、谱方法都能搞定。长度为4也还好。但“任意长”意味着你没法用固定阶的工具去套必须有一个uniform的、与长度k无关的全局结构定理。这就逼着你进入Szemerédi正则引理的世界或者走遍历论里多重逼近的路子。而一旦走到那里定量分析的复杂度会急剧上升——你想知道集合多大密度能保证长度k的等差数列存在需要跟踪的误差项会随着k增长变得极其繁琐。以前有人做过尝试用超图正则分解法推进过一些上界但距离彻底证明还有巨大鸿沟。因为这个猜想关联的并不只是加法组合学本身它还扯上随机图模型、熵方法、甚至计算复杂性理论里的伪随机性概念。一道题卡了四十五年就是一个学科交叉深度的体现。1.2 GPT-5.2Pro的“独立证明”链条是什么样的根据网络放出的信息GPT-5.2Pro给出的证明大体分为四个阶段第一阶段是把待证命题拆解为若干引理包括密度提升引理、结构分解引理、以及一个关键的“余项控制引理”。第二阶段是用反证法假设存在一个密度为正但不含任意长等差数列的集合然后通过密度提升策略构造一个极度均匀的子集从而导出矛盾。第三阶段是处理一个技术性的测度论问题如何在极限过程中保持密度条件的稳定性。第四阶段是用形式化验证语言据说是Lean把所有推导步骤敲成机器可检查的形式。这套路径本身并不新鲜——反证法密度提升正则分解是加法组合学里的常规武器。真正让人意外的是模型自己能把这个链条从头到尾组装出来而且没有在关键引理上做出错误的选择。更值得注意的是整个推导过程中模型动用的引理库非常庞大涉及至少三十个不同来源的已知结果它还能自己选定哪些引理是可用的、哪些需要重新证明。这种“路径规划”能力在以前的大模型身上是不存在的。1.3 陶哲轩说的“陷阱”到底是指什么陶哲轩的评论里点到两个关键信息一个是“存在陷阱”另一个是“AI没犯错”。先说“陷阱”。根据讨论帖里的披露这个陷阱出现在一个级数重排的步骤里。具体来说证明中构造了一个二重级数需要通过对角化选取的方式保证收敛一致才能交换求和号。人类数学家在这个位置经常犯错——因为直觉上两个正项级数怎么交换都行但一旦涉及无穷过程顺序改变可能直接把一个收敛的表达式变成发散的。GPT-5.2Pro是怎么避开的关键在于它不是靠“直觉”跳步而是在Lean环境里一步步把级数重排的形式规则走了一遍。Lean本身不允许非法的符号操作所以它在形式上被强制走了一条無懈可击的路径。这就解释了陶哲轩为什么说“AI没犯错”——模型的语言直觉可能并不知道这里有个陷阱但形式化验证这个“外部脚手架”帮它实现了安全落地。2. 核心细节解析大模型“证明数学”的技术底色2.1 大模型做数学的本质不是“思考”是“搜索模式补全”很多人对“AI证明数学”有个误解觉得大模型就像人类数学家一样在纸上推导、有意识地在试错。实际上GPT-5.2Pro这类模型的工作原理是给定前面的token序列预测下一个最可能的token。它的训练语料里包含了海量的数学论文、教科书和讨论所以在面对一个证明任务时它本能地“回忆”起相似定理的证明结构再逐步补全。但这就带来一个问题补全出来的内容可能从语言学视角看非常通顺逻辑上却是错的。大模型没有与生俱来的逻辑一致性它只有与训练数据高度吻合的“文本惯性”。所以单独跑一个纯语言模型去做数学推导和用语言模型加逻辑验证器去做完全是两码事。2.2 形式化验证真正让AI证明可信的“保险丝”这回GPT-5.2Pro能经得起陶哲轩的审视前提之一就是全部证明被搬进了Lean的形式化环境。Lean是微软研究院主导开发的一个交互式定理证明器它有一套依赖类型理论所有数学对象和命题都必须编码成计算机能够理解的形式。一旦证明被Lean接受意味着已经经过了机器级别的严格校验不存在隐藏的推理漏洞。从实操角度看这个过程很磨人。你要把“一个密度为正的集合存在有限长度的等差数列”这种话编码成Lean的语法需要定义自然数、有限集、密度、算术级数这些概念然后把证明步骤一条条敲进去。整个过程就像把一个流水线工厂从图纸变成实物任何一处衔接不上就会编译报错。GPT-5.2Pro能做到这一点说明它的输出不仅仅被人类接受了还被形式化语言接受了。这是质的区别——AI不是“看起来说了句漂亮话”而是“在一个无法撒谎的形式系统里完成了证明”。2.3 模型能力之外的工程细节人们忽视的“AI-proof infrastructure”我得强调一点即便模型本身再聪明没有配套的工程基础设施这事儿也成不了。整套流程需要用到一个能支撑长时间推理的云端推理集群一个能把模型输出的非正式证明段落翻译成Lean代码的中间层工具以及一个快速迭代的验证环境。我自己的经验是大模型的输出和Lean可验证代码之间往往隔着一条鸿沟。比如模型可能会写“由Fubini定理可得”但在Lean里你得把所有积分都形式化定义并且验证可积性条件全部满足后才能调用Fubini。这就需要一个“自动形式化”的工具链去补充细节。这一整套基础设施的成本非常高不是个人业余跑两卡就能搞定的。这也是为什么GPT-5.2Pro这类模型每次引发轰动的数学证明背后都有大型AI实验室的影子。模型只是冰山一角水面下全是工程投入。3. 实操视角我应该怎么审验一份AI生成的数学证明3.1 第一步把“非正式证明”翻译成形式化代码假设你现在也想用一个AI大模型辅助你做数学推导或者你拿到一份AI生成的证明想自己验证它的真伪。我的建议是别只看英文/中文的自然语言论证把它搬进Lean、Coq或者Isabelle/HOL里跑一遍。说一个我自己的经历。之前我让一个模型尝试证明某个关于调和级数的推广结论模型给出的自然语言证明看起来无懈可击逻辑链清晰得不得了。但我把它往Lean里搬的时候卡在两个地方第一个是定义里有一个集合相等用得模棱两可第二个是有一个取极限的步骤缺少了一致连续性条件。这两个问题在文本层面上几乎不可能被发现但形式化验证软件会在编译时直接报错。所以我的第一条实操建议是如果你真想判断一份AI证明是否成立不要用眼睛看用验证器跑。这就像你判断一条电路能不能工作最好的办法是接通电源而不是观摩电路图。3.2 第二步找极限过程里的“隐含陷阱”在审验AI生成的证明时最容易出问题的地方就藏在极限换序和积分微分交换这类步骤中。人类数学家靠经验会下意识去检查这些位置而大模型由于没有真正的数学经验很容易在这类地方犯错。举个例子。AI生成证明时经常出现“求和符号与积分符号交换”的操作这在有限和里是合法的在无限和里就不一定。一旦涉及无穷级数或者广义积分你必须验证一致收敛或绝对收敛条件。我的习惯是只要看到证明里出现“经过简单计算可得”或“由控制收敛定理可得”这类表述我就会把它标红逐个检查条件是否满足。这次GPT-5.2Pro案例里陶哲轩点出的“陷阱”就属于这类问题只不过模型借助Lean绕过去了。3.3 第三步别忽略“定义层”的偏差还有一个非常容易被忽视的问题AI可能会在定义层面偷换概念。大模型是基于文本训练的而数学定义在不同教材里有时存在细微差别。比如有些教材把自然数从0开始有些从1开始有些定义正密度时用上极限有些用下极限。这些差异平时无伤大雅但在关键证明里可能导致结论失效。我遇到过几次模型把“一致连续”和“连续”混为一谈的案例就是因为它在训练语料里消化了不同教材的表述差异导致概念边界模糊。在处理这次的“埃尔德什猜想”证明时模型用的是标准Szemerédi密度定义算是非常谨慎了。但你在自己用AI做推导时一定要先跟模型确认清楚它所用的定义版本最好在形式化代码里把这个定义固定下来。4. 常见误区与我的个人观察4.1 “AI证明了猜想”和“AI产出可验证证明”是两回事我看到不少媒体标题写的是“AI证明45年未解猜想”这个表述严格来说是不准确的。AI并没有靠自己首创了一个全新的数学框架去解决这个问题它更像是在一个巨大的已有数学知识的搜索空间里组合出了一条可行的路径并且通过形式化验证确认了路径的安全性。这两者之间有非常重要的区别。前者意味着AI具备开创性数学洞察力后者只是意味着AI具备极高效率的“知识拼接与逻辑检验”能力。虽然拼接出这么长的证明链已经很惊人但离它自己“发现”新数学还有距离。4.2 大模型的可信度取决于“可见的逻辑锚点”陶哲轩说“AI没犯错”有一个隐含前提是这次证明的全部步骤被形式化验证了。如果GPT-5.2Pro只是给出自然语言论证再聪明也没人敢拍板说“没犯错”。所以我们在评估AI证明时关键不是它“说得对不对”而是它“有没有提供能被机器检查的逻辑证据链”。这给我的实际工作是很大的启发。现在我做AI辅助数学推导时会刻意要求模型在输出里面嵌入足够多的“可见逻辑锚点”——比如引用具体定理时给出定理名称、适用条件、在验证器里对应的代码片段。如果模型给出的证明只是泛泛的叙事而没有这些可检验的点位我一律持怀疑态度。4.3 这个事件对数学研究的真实影响工具平民化与服务化往大处说这次事件最大的影响可能不在“证明了一个猜想”本身而在于把“AI辅助数学研究”这件事往前推进了一大步。未来普通数学家完全可以借助GPT-5.2Pro这类模型生成候选引理再用Lean自动验证整个效率会大幅提升。我曾经算过一笔账以前做代数方向的引理推导很多时间是花在排除错误方向上。现在让AI先“盲扫”一遍生成十个可能的证明路径我再用形式化验证器一个个检查等于把试错成本压缩到了原来的十分之一。哪怕AI的产出只有十分之一被证明可用这个存量也已经很惊人了。5. 结尾以后面对AI证明我们的正确姿态是什么说说我个人现在对这件事的判断。我觉得AI证明数学的时代确实已经来了但它并不会取代数学家它更像是一台超级强大的“逻辑显微镜”——能帮你把每一个细节放大到可以检查的程度也能帮你快速扫描海量的推演路径。但看显微镜的人还得是你自己。我在实际工作里学到的最大教训是永远不要被AI生成证明的“语气”所迷惑。大模型输出的一句话数学推导和它背后真正经过验证的形式化步骤差距可能非常大。以前我还会因为AI给出了一段看起来非常自然的推导而放松警惕现在我已经养成了一个职业反射只要看到关键步骤立刻复制进Lean里跑一下跑了算数不跑一律不算数。陶哲轩说“陷阱存在但AI没犯错”——这个评语最值得玩味的地方在于它说明AI已经强到可以跨过逻辑陷阱但它跨过的方式靠的不是“直觉”而是“规则”。这恰恰是数学这门学科最迷人的地方之一规则正确比天才乍现更可靠。如果你的研究方向跟数学推导、算法证明、甚至任何需要严格逻辑链条的领域有关我非常建议你尽早去接触一下Lean和AI生成证明的组合。这个过程可能刚开始会让你烦躁——词法、语法、类型推断、隐式参数转换哪一样都能让你想砸电脑。但一旦你走通了第一个完整的形式化证明你会打开一扇新的大门一个由AI生成想法、由机器保证正确性的全新工作流。这次GPT-5.2Pro证明埃尔德什猜想的事件无论最终成色如何它已经让我重新校准了自己对AI辅助研究潜力的认知。我不会说“AI迟早要拿菲尔茨奖”这种话——毕竟菲尔茨奖看重的是人的洞见但我会说以后越来越多的菲尔茨奖级成果背后可能会有一个AI助手帮着把最难的那几步推演彻底跑通。这种未来确实已经离我们不远了。