Claude teki Fermat’n viimeisestä lauseesta koneentarkistettavan Lean-todistuksen – Anthropicin mukaan 11 päivässä

Anthropicin mukaan Claude on tuottanut ensimmäisen täydellisen, alusta loppuun koneentarkistetun Lean-formalisoinnin Fermat’n viimeisestä lauseesta. Olennaista on erottaa kaksi asiaa: Claude ei löytänyt lausetta todistavaa uutta matematiikkaa, vaan muutti tunnetun modernin todistusreitin laajaksi Lean-koodiksi, jonka todistusavustaja voi tarkistaa mekaanisesti. Anthropicin raportin mukaan työ kesti noin 11 päivää, suurelta osin autonomisesti, ja synnytti noin 13 miljoonaa riviä Lean-koodia. 215

Mitä oikein formalisoitiin?

Fermat’n viimeinen lause sanoo, ettei yhtälöllä (a^n+b^n=c^n) ole positiivisilla kokonaisluvuilla epätriviaaleja ratkaisuja, kun eksponentti (n) on vähintään 3. Mathlib-kirjaston Lean-muotoilussa sama asia ilmaistaan niin, että mahdollisessa ratkaisussa ainakin yhden luvuista (a), (b) tai (c) on oltava nolla. Tämä on yhtäpitävä tutun positiivisia kokonaislukuja koskevan väitteen kanssa. 31

Projekti seurasi Darmon–Diamond–Taylor-esitystä Wilesin sekä Taylor–Wilesin todistusstrategiasta. Se ei siis keksinyt uutta reittiä lauseen todistamiseen. Valinta on tärkeä, koska formalisoinnissa ei riitä pääargumentin kirjaaminen: myös määritelmät, oletukset, aputulokset ja tavanomaisessa matematiikan tekstissä usein hiljaisiksi jäävät välivaiheet on ilmaistava täsmällisesti. Imperial College Londonin FLT-projekti kuvaa omaa reittiään niin ikään Wilesin/Taylor–Wilesin todistuksen moderniksi muunnelmaksi. 511

Miksi koodia kertyi 13 miljoonaa riviä?

Todistusavustaja ei hyväksy lausetta kuten ”tämä seuraa vakioperustelulla”. Jokainen päättelyaskel on kirjoitettava muotoon, jonka Lean pystyy tyyppitarkistamaan, ja jokaisen tuloksen on nojattava jo formalisoituihin riippuvuuksiin.

Anthropic kertoo, että projektissa tuotettiin noin 30 300 koneentarkistettua lausetta, joista noin 29 500 kuuluu lopulliseen riippuvuussulkeumaan. Kokonaisuus ulottuu algebrasta geometriaan, harmoniseen analyysiin ja lukuteoriaan. 215

Siksi 11 päivää ei tarkoita, että Fermat’n viimeisen lauseen pitkä älyllinen historia olisi korvattu 11 päivässä. Anthropic arvioi järjestelmän tuottaneen noin kuusi miljardia tokenia. Työhön kuului lukuisia todistusehdokkaita, Lean-tarkistuksia, virheistä tehtyjä korjauksia sekä suuren, pitkään käynnissä pysyvän formalisoinnin organisointia. 5

Ratkaiseva käytännön keino: monen agentin ulkoinen koordinointi

Raportoitu tulos ei syntynyt vain yhdestä mallista, joka olisi pitänyt jättimäisen todistuksen muistissaan. Anthropicin mukaan aiemmat yritykset etenivät, mutta yhteisen projektitilan säilyttäminen oli vaikeaa. Onnistuneessa ajossa käytettiin Prove2Me-pohjaista työvaljasta. Prove2Me on alusta, joka on suunniteltu matematiikan yhteistyöhön perustuviin formalisointeihin. 529

Järjestelmän ydin on suunnattu riippuvuusgraafi:

• solmut ovat vielä ratkaisemattomia määritelmiä, lemmoja tai teoreemoja;
• kaaret kertovat, mitä tuloksia myöhemmät tulokset tarvitsevat;
• agentit voivat valita avoimia ja hyödyllisiä osatehtäviä, todistaa niitä Leanissa ja antaa tulokset muiden agenttien käyttöön;
• työ voi edetä perustavanlaatuisista osista kohti lopullista lausetta.

Prove2Me kuvaa mallia formalisointi-”missioina”, joihin agentit tuottavat uudelleenkäytettäviä muodollisia todistuksia. 29 Käytännössä graafi pilkkoo yhden pitkän ja hauraan tehtävän useiksi tarkistettaviksi osatehtäviksi. Samalla se tarjoaa projektimuistin, joka ei ole yhden malliajokerran varassa.

Mitä ”koneentarkistettu” tarkoittaa?

Anthropicin mukaan lopullisessa projektissa ei ole Leanin sorry-paikkamerkkejä, joilla väite voidaan hyväksyä ilman todistusta. Kokonaisuus nojaa vain Leanin kolmeen vakioaksioomaan. 5

Tämä on paljon vahvempaa kuin uskottavan näköisen luonnollisen kielen todistuksen generointi. Leanin ydin tarkistaa, seuraako jokainen koodattu askel järjestelmän loogisista säännöistä, aksioomista ja tuoduista riippuvuuksista. Anthropic kertoo myös varmistaneensa, että lopullinen väite vastaa Mathlibin vakiintunutta FermatLastTheorem-muotoilua. 531

Tarkistuksella on silti tarkka raja: se varmistaa koodatun muodollisen väitteen. Ihmisten on edelleen arvioitava, kuvaavatko muodolliset määritelmät ja väliväitteet uskollisesti sitä epämuodollista matematiikkaa, jota niiden on tarkoitus esittää. Julkaistun kokonaisuuden riippumaton kääntäminen ja asiantuntijoiden tekemä riippuvuusketjun arviointi ovat siksi olennaisia seuraavia testejä.

Miksi Kevin Buzzard piti saavutusta poikkeuksellisena?

Anthropicin raportin mukaan Kevin Buzzard kuvasi tulosta ”poikkeukselliseksi autoformalisointisaavutukseksi”. 21 Merkitys ei rajoitu siihen, että agentit selviytyvät yksittäisistä Lean-harjoituksista. Väite on, että ne kokosivat syvästi kerrostuneen ja uudelleenkäytettävän muodollisen kehitelmän mittakaavassa, jonka on aiemmin odotettu vaativan vuosien koordinoitua ihmistyötä.

Jos tällainen työ osoittautuu toistettavaksi ja kustannuksiltaan hallittavaksi, formalisoinnista voisi olla hyötyä ainakin kolmella tavalla:

• Tiukempi tarkistus: muodollinen järjestelmä voi paljastaa puuttuvan oletuksen, virheellisen muunnoksen tai yhteen sopimattomat määritelmät, jotka jäävät proosamuotoisessa todistuksessa helposti huomaamatta.
• Uudelleenkäytettävä infrastruktuuri: kerran formalisoitu lemma voidaan tuoda myöhempiin projekteihin, jolloin sen looginen pätevyys tarkistetaan ytimen avulla eikä yksityiskohtia tarvitse rakentaa uudelleen.
• Vertaisarvioinnin tuki: koneentarkistettavat todistukset voivat keventää pitkien teknisten argumenttien tarkistamista, vaikka matemaatikoille jää edelleen tehtäväksi arvioida väitteiden merkitys, mielekkyys ja todistusstrategia.

Nämä ovat mahdollisia hyötyjä, eivät automaattinen korvaaja matemaattiselle harkinnalle. Muodollinen todistus voi olla loogisesti pätevä mutta kuvata väärää väitettä, ja 13 miljoonan rivin kokonaisuuden tuottaminen on edelleen mittava tekninen ja laskennallinen ponnistus.

Oikea tapa tulkita väitettä

Raportoitu FLT-tulos on merkittävä AI-avusteisen formalisoinnin vertailukohta, koska kohdeteoreema oli jo tunnettu ja lopullinen artefakti on tarkoitettu riippumattomasti tarkistettavaksi. Sitä ei pidä esittää niin, että Claude olisi ratkaissut Fermat’n viimeisen lauseen uutena löytönä.

Vahvin ja samalla kiinnostavin tulkinta on kapeampi: Anthropic kertoo koordinoidun agenttijärjestelmän muuttaneen suuren tunnetun todistuksen ennennäkemättömän laajaksi Lean-kehitelmäksi. Työssä yhdistyivät graafipohjainen tehtävien pilkkominen ja muodollinen tarkistus jatkuvana palautteena. 21529

Seuraavat käytännön kysymykset ratkaisevat, onko kyse yksittäisestä ohjelmistoteknisestä voimannäytöstä vai kestävästä muutoksesta matematiikan tekemiseen: pystyvätkö ulkopuoliset tutkijat toistamaan käännöksen, tarkastamaan formalisoinnin vastaavuuden tarkoitettuun matematiikkaan, hyödyntämään sen osia ja saavuttamaan vastaavia tuloksia muissa vaativissa matematiikan ongelmissa?