2024 AI 探員入局:AlphaProof 與 AlphaGeometry 勇闖 IMO#
報案人:國際數學奧林匹亞(IMO)。案情:人類金牌選手守擂六十餘年,機器能否破門? 偵探:Google DeepMind 的 AlphaProof + AlphaGeometry 團隊。兇器:Lean 形式化 + 強化學習搜尋。
案發現場#
2024 年之前,AI 證明有兩個難解的對立現場:
- 自然語言的數學 AI(如 GPT 系列)能寫出看似漂亮的證明,卻常藏著幻覺跳步,無法信任。
- 形式化的證明助理(如 Lean、Coq、Isabelle)絕對可信,卻需要人類逐行餵招,自動化程度低。
DeepMind 的判斷是:把兩者銬在一起。用 Lean 當法官,用大語言模型當線人,用強化學習當搜查策略。這就是 AlphaProof 的立案初衷。
同案的另一名探員是 AlphaGeometry,專攻歐氏幾何。它由吳宇懷等人打造,結合神經語言模型與符號演繹引擎,立志解決「輔助線」這種最考驗靈感的難題。
2024 年 7 月,英國巴斯 IMO 賽場成為公開審判庭。DeepMind 宣布:AlphaProof 與 AlphaGeometry 聯手,在 2024 年 IMO 六題中解出四題,總分 28 分,達到銀牌線,距離金牌僅一步之遙。這是 AI 首次在現役 IMO 規則下取得獎牌級成績。
偵查過程#
線索一:AlphaProof——把證明變成強化學習的迷宮#
AlphaProof 的辦案流程可以拆成三步:
- 形式化翻譯:先把 IMO 自然語言題目翻譯成 Lean 4 的形式化命題 \(T\) 。這一步目前仍需人工校對,因為自然語言的一詞多義是最大干擾犯。
- 候選證明搜尋:語言模型不斷提出 tactic 序列 \(s_{1}, s_{2}, \cdots, s_{n}\) ,Lean 核心即時裁判每一步是否合法。若狀態推進,則給予獎勵 \(r\) ;若卡死,則回溯。
- 專家迭代與強化:所有成功與失敗的軌跡都被回收為訓練資料,模型用強化學習更新,形成「越證越強」的迴路。其優化目標可寫為:
其中 \(\pi_{\theta}\) 是策略模型, \(\tau\) 是證明軌跡, \(R(\tau)\) 是 Lean 裁判給出的成功獎勵,外加 FunSearch 風格的程式進化壓力。
關鍵在於 Lean 的二元裁判:證明要麼被內核接受,要麼被拒絕,沒有灰色地帶。這給了強化學習最乾淨的訊號,避免了自然語言評價的模糊與作弊。
AlphaProof 還引入了非正式先行的策略:先用自然語言草擬證明大綱,再逐段形式化,猶如偵探先寫推理假說,再逐條找證據。
線索二:AlphaGeometry——83% 解題率的幾何專家#
幾何題是 IMO 的硬骨頭,人類往往要畫出神來一筆的輔助線。AlphaGeometry 的解法是雙引擎:
- 快思考:語言模型負責「靈感」,提議加入哪些輔助點線圓。
- 慢思考:符號引擎負責「 deducation」,用演繹資料庫把所有可推導的角度 \(A_{ABC}\) 、比例 \(AB / CD\) 、共圓關係窮舉到底。
兩者迴圈直到目標 \(Goal\) 被推出或超時。其在 2000 至 2022 年 IMO 幾何題上的表現是:30 題中解出 25 題,解題率高達 83% ,超過人類金牌選手的平均水準。
2024 年 IMO 的第 4 題幾何,AlphaGeometry 在數分鐘內即給出全形式化證明,而人類選手平均耗時超過一小時。這樁速破案讓幾何教練們既興奮又焦慮。
線索三:SOTA 戰況表與 FunSearch 側翼#
2024 年前後的 AI 證明戰況,可用下表總覽:
| 系統 | 機構 | 戰場 | 戰績 |
|---|---|---|---|
| AlphaProof | DeepMind | IMO 2024 全科 | 6 題中 4 題,銀牌級 |
| AlphaGeometry | DeepMind | IMO 幾何 | 30 題中 25 題,約 83% |
| FunSearch | DeepMind | 組合構造 | 發現 cap set 新上界構造 |
| GPT-f / PACT | OpenAI | mathlib 預測 | tactic 預測先驅 |
| Lean Copilot | 加州理工 | Lean 輔助 | 即時 tactic 建議 |
其中 FunSearch 值得單列一案:它讓大語言模型不斷寫程式、跑測試、留優勝,把數學發現變成進化搜尋。雖然不直接輸出 Lean 證明,但它找到了人類沒見過的構造,證明了「AI 不只能驗證,還能發明」。
專家迭代(expert iteration)則是貫穿全案的手法:模型每解出一題,就把自己的成功6868證明餵回 mathlib 語料,下一輪更強。這正是 2013 年 Lean 播種、2017 年 mathlib 灌溉、2024 年 AI 收割的因果鏈。
結案報告#
IMO 2024 銀牌不是終點,而是一份階段性結案報告:
- 銀牌的含金量:4/6 題、28 分,在 609 名人類選手中可排前 40%,且全程以 Lean 機器可驗形式交卷,人類銀牌選手的紙本證明反而不具備這種保證。
- 剩下的兩題:組合數論題仍是 AI 的滑鐵盧,需要的全局洞察與結構構造,現有搜尋還捉襟見肘。這恰好指出了下一步:更長的規劃、更好的抽象。
- 對數學社群的衝擊:mathlib 的貢獻者開始用 AI 起草證明,審查者變成「AI 證據的覆核官」,協作模式正在改寫。
- 未來展望:全自動形式化翻譯、自然語言與 Lean 的雙向互譯、AI 發現新猜想、乃至重演 2012 年 Odd Order 規模的機器輔助大證明,都是立案在案的下一波行動。終極懸念是:AI 會不會先於人類,拿下第一個由機器主導的新定理菲爾茲級成果?
用探案的話說:2024 年,AI 探員第一次戴上了銀色徽章。金色徽章,還在後頭。
證據與工具#
證據一:IMO 2024 戰績表
| 題號 | 領域 | AlphaProof 結果 |
|---|---|---|
| 1 | 代數 | 解出,Lean 驗證通過 |
| 2 | 組合 | 解出,Lean 驗證通過 |
| 3 | 數論 | 未解出 |
| 4 | 幾何 | AlphaGeometry 解出 |
| 5 | 數論 | 未解出 |
| 6 | 代數 | 解出,Lean 驗證通過 |
總計 4/6,28 分,銀牌線。金牌線為 29 至 30 分,僅一題之差。
證據二:Lean 形式的 IMO 題目骨架
theorem imo2024_p1 (a b : ℕ) (h : 0 < a ∧ 0 < b) : P a b := by
-- AI 生成的 tactic 序列在此展開
-- 每一步都由 Lean 核心即時裁判
sorry
其中 \(P(a, b)\) 是題目的形式化命題, \(sorry\) 是待填的搜尋空間,AlphaProof 的任務就是用合法 tactic 把 \(sorry\) 消滅。
證據三:偵探工具箱
| 工具 | 作用 |
|---|---|
| Lean 4 + mathlib | 唯一的機器法官與證據庫 |
| AlphaProof | 通用證明搜尋 + 強化學習大腦 |
| AlphaGeometry | 幾何專用快慢雙引擎 |
| FunSearch +專家迭代 | 發現構造、自我進化的側翼部隊 |
延伸閱讀:DeepMind "AI achieves silver-medal standard solving International Mathematical Olympiad problems"(2024);Trinh et al., "Solving olympiad geometry without human demonstrations"(Nature,2024);Romera-Paredes et al., "Mathematical discoveries from program search with large language models"(Nature,2024)。