AI能写数学证明，还能自己挑错

当数学家还在为一页纸的证明草稿抠细节时，AI已经能把模糊的数学直觉转化为严谨的形式化证明——甚至还能自己检查出推理漏洞。这不是科幻场景，而是当前AI数学推理系统正在实现的能力，它正在悄悄改变数学研究的节奏。

这类系统的核心逻辑，是把大型语言模型的生成能力和形式化证明助手的严谨性绑在一起。模型先像一个思路跳跃的合作者，快速输出可能的证明步骤；随后形式化工具会像严格的审稿人，逐行验证每一步的逻辑是否符合公理体系，一旦发现错误就反馈给模型，让它重新调整路径。这种生成-验证-修正的循环，能让AI在数万次试错中逼近正确证明。

最关键的突破，是AI不再只会“猜答案”，而是能产出可被验证的完整推理链。比如在国际数学奥林匹克竞赛中，已有系统能达到银牌水平，独立完成多步复杂推理。更重要的是，这些证明不是黑箱输出——每一步都能被人类数学家或机器拆解检查，这让数学界对AI的接受度开始慢慢提升。

但它的局限也同样明显。目前形式化数学的训练数据量，只有普通文本数据的十万分之一，这导致AI在冷门数学分支的推理能力严重不足。而且复杂证明对计算资源的消耗极大，一次高难度推理的成本，可能抵得上几十台普通电脑一周的运行费用。

数学界的信任也是一道坎。传统数学家习惯了逐行推导的严谨，对AI生成的证明仍保持警惕——哪怕AI的证明已经通过形式验证，很多人还是要亲手复现一遍才肯相信。这种谨慎不是多余，毕竟AI偶尔会出现“看似正确实则逻辑断层”的推理，需要人类的判断力来把关。

更长远的挑战藏在应用端。在金融建模、芯片设计这些高风险领域，AI不仅要能写出证明，还要保证推理的绝对可靠——一旦AI的证明出现漏洞，可能会导致上亿资金的损失或芯片设计的全盘返工。这要求AI的推理能力，必须从“竞赛级”升级到“工业级”。

AI不会取代数学家，但会成为数学家的“超级草稿纸”。它能帮研究者省去90%的机械推导，把精力集中在最需要创造力的部分——提出新猜想，构建新的理论框架。未来的数学研究，或许会变成人类提出问题，AI填补细节，再由人类完成最终升华的协作模式。

机器证定理，人类拓边界。