
2018年9月,退休的德国数学家迈克尔·阿蒂亚在德国海德堡获奖者论坛上宣读了一份关于黎曼猜想的证明。演讲只有45分钟,幻灯片不过十几页,核心论证依赖一个他称为“Todd函数”的构造,以及物理中精细结构常数的一个类比。现场反应冷淡,会后数学界的公开评论也普遍表示无法评估——不是因为不敢下判断,而是因为那份“证明”没有给出足以让同行逐行检验的细节。这件事后来常被当作“数学界不接受非形式化证明”的典型案例。但真正值得讨论的,不是阿蒂亚的成败,而是一个更结构性的问题:当一份数学证明的篇幅膨胀到二十五万页量级时,数学共同体是否还有能力完成验证?
一、二十五万页是什么概念
先把这个数字放到具体的比较框架里。一本标准的数学专著,比如陶哲轩的《Analysis I》,正文约300页;《数学年鉴》上的一篇典型论文在30到80页之间;怀尔斯证明费马大定理的原始手稿约109页,经过审稿和修订后正式发表时略长一些。格罗滕迪克等人的《代数几何基础》(EGA)全部出版后约1800页,已经被视为“浩大工程”的代名词。
二十五万页大约是EGA的140倍。如果一个人每天读20页数学论文——这已经是相当专注的节奏,因为数学论文不能像小说那样扫读,每一步论证都需要在脑中重建——一年读7300页,读完二十五万页需要超过34年。而且这不是线性阅读的问题:证明中的某一步如果依赖前面第8万页的一个引理,验证者必须回到那里,检查引理的假设是否满足,再跳回来。这种交叉引用在超长证明中会形成复杂的依赖网络,实际验证成本远高于页数乘以阅读速度。
更关键的是,数学证明的验证不是“读一遍觉得有道理”就算通过。审稿人需要独立重建论证逻辑,检查每个推理步骤是否合法,确认没有隐含假设被悄悄引入。对于一篇50页的论文,两三位审稿人花几个月可以完成。对于二十五万页,即使组织一个团队分工阅读,依赖关系也会让分工变得极其困难——你很难把第3万页到第5万页分给一个人而不让他同时掌握第1万页的上下文。
二、数学证明的“社会性验证”机制
数学界没有法庭,没有公证处,也没有一个权威机构宣布“这个证明有效”。一个证明被接受,靠的是一套非正式但运行良好的社会过程:作者将论文提交给期刊,编辑找两到三位领域内专家审稿,审稿人尝试理解并检查论证,如果认为正确则建议发表;发表后,更广泛的共同体在后续工作中使用这个定理,如果某个环节有问题,通常会在使用中暴露出来。
这套机制对“正常尺寸”的证明相当有效。费马大定理的证明在1993年宣布后,审稿过程发现了一个缺口,怀尔斯花了一年多时间与泰勒合作修补,最终在1995年发表。这个案例常被用来说明数学界的自我纠错能力。但它的前提是:审稿人有能力在合理时间内掌握全部论证。怀尔斯的证明虽然长,但核心思路清晰,审稿人尼克·卡茨是领域内专家,能够逐段跟进。
当证明长度超出任何个人或小团队的处理能力时,这套机制就面临失效风险。审稿人可能只能抽查部分段落,或者依赖作者在概述中给出的路线图来判断整体可信度。这就从“验证”退化为“信任”——信任作者的声誉、信任论证的整体风格看起来合理、信任没有人在如此长的篇幅中隐藏错误。这种退化不是数学界独有的问题,但它对数学的打击尤其严重,因为数学的权威恰恰建立在“可验证”而非“可信”之上。
有限群分类定理的证明是这个问题的一个历史先例。这个定理的完整证明分散在数百篇论文中,总计超过一万页,由多位作者在几十年间完成。2012年,一个由多位数学家组成的团队启动了“有限群分类定理的形式化”项目,目标是用证明助手Coq将整个证明重写并机器验证。项目至今仍在进行中,已经完成了相当一部分,但远未结束。这个案例说明:当证明规模超过某个阈值,共同体实际上已经放弃了逐行验证,转而依赖“关键案例被检查过、整体框架被接受”的简化判断。
三、为什么超长证明在增加
二十五万页的证明不是凭空出现的。过去几十年,数学研究的分工化和技术化程度持续加深,一些重大问题的解决需要调用多个分支的工具,每个分支本身就有厚重的知识门槛。一个典型的现代证明可能同时涉及代数几何、表示论、分析估计和组合技巧,作者不得不在论文中铺垫大量背景和中间引理,篇幅自然膨胀。
另一个推手是计算机辅助证明。四色定理在1976年由阿佩尔和哈肯借助计算机完成,当时就引发了“这算不算证明”的争论,因为关键部分依赖程序枚举,人类无法手算检查。此后,计算机在数学证明中的参与度越来越高:开普勒猜想的形式化验证由Flyspeck项目在2014年完成,依赖大量计算;一些组合恒等式的证明依赖符号计算软件的输出。这些证明的“页数”不能简单用纸面篇幅衡量,因为程序代码和运行记录也是证明的一部分。
还有一种情况是:某些证明的构造性部分极其繁琐,每一步都不难,但步数极多。比如一些关于图论中特定图类的分类结果,证明思路是“分情况讨论”,而情况的数量随参数增长呈指数级。这类证明的篇幅膨胀不是概念深度导致的,而是组合爆炸导致的。对于这类证明,人类审稿人即便完全理解思路,也没有精力逐一检查每个分支。
四、形式化验证能解决吗
面对超长证明的验证困境,一个自然的想法是:让机器来检查。证明助手(proof assistant)如Coq、Lean、Isabelle允许数学家将证明写成形式化的代码,由内核逐行检查每一步推理是否符合逻辑规则。如果一份二十五万页的证明被完整形式化,机器可以在几小时或几天内完成验证,且结果不依赖审稿人的精力和耐心。
这个方向已经有实质进展。Lean的数学库mathlib目前包含超过一百万行形式化代码,覆盖了从基础代数到分析的大量内容,由全球数百位贡献者协作维护。2019年,数学家凯文·巴扎德和合作者完成了开普勒猜想的形式化证明,用Lean和HOL Light两个系统分别验证。2021年,彼得·舒尔茨等人发起的“球填充问题形式化”项目也在推进中。这些项目表明,形式化验证在技术上是可行的,至少对特定类型的证明如此。
但形式化不是万能药。首先,形式化的成本极高:将一份常规数学证明翻译成证明助手的代码,通常需要数倍于原始证明的工作量,因为机器要求每一步都明确到逻辑原子层面,人类习惯的“显然”“类似可得”全部要展开。对于二十五万页的证明,形式化的工作量可能大到不现实。其次,形式化验证的是“代码符合逻辑规则”,而不是“代码对应你想要证明的命题”——如果形式化时把命题写错了,机器验证通过也毫无意义。这个“形式化与意图的鸿沟”需要人类来判断。
更根本的问题是:形式化验证本身也是一个社会过程。mathlib的代码由社区维护,谁来决定一个形式化证明是正确的?内核检查通过是必要条件,但引理的选择、定义的合理性、整体架构是否反映了数学家的意图,这些仍然依赖人类共识。形式化把验证的负担从“读论文”转移到“读代码和定义”,并没有消除对专家判断的需求,只是改变了判断的对象。
五、信任的粒度问题
超长证明引发的真正麻烦,不是“我们无法确认它是否正确”,而是“我们失去了对证明内部结构的精细信任”。对于一篇50页的论文,审稿人可以指出“第3节的引理2有问题”或“第5节的估计不够紧”。对于二十五万页的证明,即使有人发现某处可疑,也很难判断这个可疑之处是局部笔误还是影响全局的裂缝。验证的粒度变粗了,纠错的能力也随之下降。
这在实践中意味着:超长证明一旦发表,共同体对它的态度往往是“暂时接受,等待后续使用中暴露问题”。这不是一个令人满意的状态,但可能是当前条件下最务实的选择。有限群分类定理的证明在1980年代基本完成后,共同体接受了“分类成立”这个结论,尽管完整证明从未被一个人或一个团队从头到尾检查过。后来的形式化项目在一定程度上是为了弥补这个缺口,但它本身也还在进行中。
阿蒂亚的黎曼猜想证明之所以被迅速搁置,部分原因是他没有提供足够的细节让共同体进入“验证”状态——连信任的起点都没有建立。而如果一份二十五万页的证明真的出现,数学界面临的将是另一种局面:细节太多,多到没有人能全部消化,信任只能建立在抽样和声誉之上。这两种情况指向同一个问题:数学证明的规模已经触及人类验证能力的边界,而形式化工具虽然提供了理论上的出路,其自身的成本和局限又构成了新的边界。
评论