上週 OpenAI 發表了一個針對 Navier-Stokes 方程的模型。這件事本身不算稀奇——流體力學是 AI for Science 的老戰場,各種 PINN、神經算子早就捲過一輪了。
讓人停下划手機的是另一件事:發表包裡直接附了一份 Lean 4 形式化證明。
不是論文附錄裡輕描淡寫帶一句「可以形式化」,而是 GitHub repo 裡能直接 clone、Lean 編譯器能直接 verify 的那種。這則消息在 Hacker News 首頁拿下 121 分、119 則留言(來源:johndcook.com)。
我把它拆成幾個問題來談:這次具體多了什麼、Lean 4 憑什麼被選中、HN 討論什麼、對工程師意味著什麼,以及——這次真的有那麼重要嗎?
這次發表到底多了什麼
OpenAI 這次發的不是單純一個模型權重,而是一個完整的發表包:模型本身 + 訓練資料說明 + 評估基準 + 一份 Lean 4 證明。
關鍵的界線落在兩點:
第一,Lean 證明證明的是什麼。不是「模型預測誤差小於 epsilon」這種黑盒聲明——那種沒法形式化,也沒意義。這次形式化的是模型架構的不變量:網路層在特定輸入下的良定義性、某些守恆律(如能量守恆)在前向傳播中的保持性。這些是可以寫成型別簽名、放進編譯器檢查的東西。
第二,跟過去「只給自然語言論證」的差別在哪。過去 AI 公司發模型,正確性靠「我們跑了 benchmark,看起來 OK」。現在多了一層:你可以自己跑 lake build,讓 Lean 編譯器告訴你這份證明是不是真的成立。這不是自然語言說服力,而是機器可驗證的事實。
程式碼層面大概長這樣(簡化版,示意證明結構):
import NavierStokes.Model
theorem energy_conservation_preserved
(layer : NavierStokes.Layer)
(input : State with finite_energy) :
has_finite_energy (layer.forward input) := by
-- 證明省略:逐層展開,利用 layer.type_def 裡的
-- 有限能量保持性引理
exact layer.energy_preserving input
實際 repo 裡的證明當然比這複雜得多,但結構就是這個意思——把「模型在數學上不是垃圾」這件事,用型別系統釘死。
Lean 4 是誰的工具,為什麼是現在
Lean 4 是 Microsoft Research 在 Lean 3 基礎上重寫的一門形式化證明語言,核心小但擴展性強,數學社群用得最多。Leonardo de Moura 是主要作者。
過去十幾年,Lean 4 的活躍圈子基本就兩塊:
- 數學家:陶哲軒的 xena 計畫把 IMO 題庫形式化,Lean 社群每年辦 IMO Grand Challenge
- 軟體驗證:編譯器正確性、密碼學協定、作業系統核心證明(例如 seL4)
AI 公司把它裝進模型發表,代表什麼規模的轉變?
我的判斷:這相當於形式化方法從「手工坊」進到「工業產線」。
過去一份完整的工業級形式化證明,成本是幾個月到幾年,需要一個 3-5 人的形式化專家團隊。Lean 4 本身的設計哲學(可擴展的小核心 + 強大的 tactic 框架)本來就在為這種規模鋪路。但真正讓它「工業可用」的,是 LLM——可以自動寫 tactic、自動補引理、自動搜尋證明路徑。
OpenAI 這次的 Lean 證明,大概率不是手寫的,而是模型輔助生成的。但重點是:生成完之後,人類/工具鏈做了一次完整的 verification pass。這才是發表的意義。
HN 留言區在吵什麼
HN 那 119 則留言,大致分四派:
樂觀派——有人在喊「verifiable AI is finally here」。論點是:既然數學可以形式化,物理直覺遲早也可以;LLM + Lean 4 會把所有需要嚴格論證的領域(法律、合規、醫療)重做一遍。
懷疑派——有人指出,形式化證明只能證明「證明裡的引理被正確組裝」,但前提(公理、模型假設)錯了怎麼辦?一份 Lean 4 證明,只能保證你在給定的假設下沒有邏輯錯誤,沒辦法保證假設本身對應現實。
物理派——這是最有意思的一派。Navier-Stokes 方程本身是克雷數學研究所的千禧年問題之一(光滑解的存在性與唯一性)。有人直接質疑:OpenAI 這次發的模型,到底是在數值求解,還是在形式化證明 NS 方程的某個性質?這兩件事差得很遠。如果是前者,Lean 證明只是 wrapper;如果是後者,那才是真的炸裂。從發表的標題與描述來看,基本可以確認是前者——但這層混淆本身就是個問題。
實用派——有人在問「程式碼在哪、license 是什麼、能不能跑」。這派人不在乎哲學,只想知道明天能不能把它接到自己的流體力學模擬管線裡。
對 AI 工程師意味著什麼
形式化方法過去是航太(NASA 用 PVS)、編譯器(CompCert)、高安全性程式碼(seL4 微核心)的專利,跟一般 AI 工程師無關。
這次發表會不會帶動更多團隊把 verifier 當成標配?短期不會,長期會。
短期看,門檻還是高:你需要一個懂 Lean 的人,需要把模型架構用數學語言重新描述,需要跟 Lean 社群的工具鏈整合。對大多數 ML 團隊來說,成本/收益不划算。
長期看,有兩個方向值得關注:
第一個可以馬上借鏡的場景:金融/醫療的決策模型。這些領域對「可解釋、可審計」的需求很硬。如果你的模型是一個決策樹或規則系統,用 Lean 寫一份「這個決策路徑在資料 X 上不會違反法規 Y」的證明,比寫 100 頁文件有用得多。
第二個是編譯器優化與推理引擎。vLLM、ONNX runtime 這些工具,如果能形式化保證「這個 kernel 在所有合法輸入上不會 overflow」,對部署到生產環境是巨大加分。Lean 4 的 tactic 框架已經能處理這類證明。
實務上,如果你想試水,最小可行路徑是:
- 找一個純函式式的模型元件(例如 tokenization、reward shaping)
- 用 Lean 4 寫它的輸入/輸出型別與關鍵不變量
- 讓 LLM 生成證明草稿,人 + Lean 編譯器做 verification pass
門檻比想像的高,但回報是確定的——一旦證明 verify 通過,它就永遠成立,不會因為換了個 PyTorch 版本就失效。
反共識:這次真的有那麼重要嗎
把上面這些都說完,我得潑一盆冷水。
Lean 4 證明附在模型發表裡,比較像是行銷/可解釋性動作,而不是 AI 推理能力的突破。
形式化方法本質上是一種「事後校驗」機制——它告訴你這份證明在邏輯上是對的,但不告訴你這份證明對應的事情是真的。一個模型可以附一份完美的 Lean 4 證明,證明它在某個錯誤的物理假設下完美運作。這種「形式化但錯誤」的情況,在形式化方法圈叫 verified garbage(已驗證的垃圾)。
把形式化證明等同於「AI 真的懂了」,是概念錯置。AI 理解世界的能力(或者它根本沒有理解世界這件事)跟 Lean 4 沒有任何關係。Lean 4 只是給了我們一把更嚴格的尺,用來量已經存在的推理——它不會讓 AI 推理變得更強。
那為什麼這次發表還是值得寫?
因為尺子本身的標準化是大事。過去形式化方法是零散的、論文裡的、學術圈的。現在 OpenAI 這種級別的公司願意把它放進產品發表的標準模板裡,即使動機是可解釋性行銷,客觀上降低了整個產業使用形式化方法的心理成本。當一個 reviewer 看到 Lean 4 檔案,他不會再覺得這是「學術玩具」,而是「這個團隊認真了」。
這件事類比的話,更像是 2018 年各大廠開始把 unit test coverage 寫進發表 checklist——不是單元測試本身有多革命,是把它當預設動作這件事,帶走了整個產業的認知摩擦。
編輯思考
這次的真正訊號不是「AI 能做形式化證明了」——這件事三年前 DeepMind、Anthropic 都在不同場合展示過,只是沒放進正式發表。
真正的訊號是發表的預設形態變了:從「模型 + benchmark + 一篇部落格」,變成「模型 + benchmark + 形式化證明 + 一篇部落格」。
這個變化是 OpenAI 自己在立新標竿,還是會被整個產業抄走?我傾向於前者。理由很簡單:寫 Lean 4 證明需要 Lean 4 專家,而全球能寫工業級 Lean 4 的人不超過幾百個。這種人才密度意味著只有頭部公司能跟進,會變成新的能力門檻。
不確定的部分:OpenAI 這份證明到底證到哪一層。如果是模型架構的不變量,價值有限(任何稍微嚴謹的 ML 工程師都寫得出來);如果證到了物理層面的守恆律在模型輸出上的保持,那才是真正硬的東西——因為這代表你把「模型預測」和「物理實在」之間的橋樑,用 Lean 型別系統釘死了。從目前公開的資訊看,我傾向於前者,但這是接下來 1-2 個月最值得追蹤的點。