有趣的事

剔除大模型语料的数学知识,AI还能从公理开始恢复数学的成果吗?或者构建出新的体系?

可以,但要先区分“恢复已有定理”和“恢复人类数学的全部成果”。如果把语料中的数学内容都拿掉,只留下足够清楚的公理、定义和推理规则,一个系统仍能从这些起点推出许多结论;证明搜索、符号计算和形式化证明助手已经说明,机器可以在明确的规则下检查甚至发现证明。对于有限、局部的问题,枚举候选命题、搜索证明,再把结果化简成可读论证,是一条可行路径。

难点在于,公理本身并不会自动告诉系统“该研究什么”。数学家选择定义、提出猜想、识别值得证明的结构,往往借助例子、反例、类比和其他领域的启发。没有这些线索,盲目搜索会遇到组合爆炸:即使每一步推理都合法,候选命题和证明路径也可能多到无法筛选。语料还包含了大量隐含约定、问题背景和失败路线;删掉它们,不只是删掉答案,也删掉了导航信息。

“从公理恢复”也取决于给了什么公理。欧几里得几何、公理化集合论、类型论等起点并不相同;在一个体系里可证的命题,在另一个体系里可能需要额外假设。若要求机器连公理和推理概念都不能从任何地方获得,任务就不再是单纯推导:它必须先自行提出形式语言、判断哪些规则可靠,并决定怎样评价不同体系。逻辑无法仅凭自身保证选出的基础就是人类原先使用的那套。

至于构建新体系,原则上可行:机器可以尝试提出定义和公理,检查一致性证据、模型、可导结论及其与已知结构的联系。不过,有限范围内找不到矛盾不等于证明体系绝对一致;新体系是否有用,也不能只看它能否产生定理,还要看是否能表达有趣对象、产生可理解的结果,并与其他知识建立联系。

因此,更现实的设想不是让 AI 在完全真空里重造全部数学,而是给它一个明确的形式基础和计算资源,让它在局部领域自主探索,再由形式验证保证证明正确、由人或其他评价机制筛选有价值的发现。它有机会重新推导部分成果,也可能提出新结构;但“仅从公理必然重现整部数学史”并没有逻辑保证。

相关阅读