亚马逊开源I/Q、I/R工具,让AI与Isabelle证明助手实时互检数学证明
亚马逊科学博客称,其AutoCorrode验证套件中的新工具可让AI智能体直接与Isabelle证明助手对话:I/Q允许AI临时接管证明会话,I/R让AI在后台子进程中并行开发证明。博客演示所用的多个证明由Claude Opus 4.6生成,并经Isabelle自动检查。
AI解读:这篇博客要回答的问题是:AI写数学证明容易“编造”,怎么防止?亚马逊给出的办法是把证明生成与机器证明检查交替进行——证明必须写成Lean、HOL Light、Isabelle等证明助手能识别的形式化语言,由证明助手逐步校验,AI不能只靠自然语言蒙混过关。
适用对象是使用Isabelle的数学研究者和AWS内部的验证工作。亚马逊称Isabelle已被用于验证Nitro Isolation Engine,HOL Light被用于验证高性能密码代码(含后量子密码)。工具通过MCP协议连接AI智能体与证明助手,部分证明助手如HOL Light只需命令行接口即可接入,而Isabelle有复杂用户界面,因此需要专门的连接工具。
三种工具的能力边界不同:I/Q让AI临时接管用户正在运行的Isabelle会话;I/R让AI在独立子进程中开发证明,不触碰用户文档,双方可同时工作;Isabelle Assistant基于I/Q,提供聊天窗口,能力弱于完整I/Q与I/R,但开箱即用。
博客说明,Claude Opus 4.6不仅生成了文中全部证明,还挑选了大部分示例。其中一个例子是经典题“存在N个连续合数”:作者故意给Claude一个只覆盖N-1个数的错误证明,Claude指出了缺口并给出修正后的定理。作者称这些证明“意外地地道”,但比严格需要的更啰嗦,可通过后续打磨阶段部分自动去除。
需要区分主张与验证:证明本身经Isabelle自动检查,但“AI是数学发现的有价值伙伴”“最难的问题仍需人类思考”等评价来自亚马逊博客作者。博客没有给出这些工具在更大规模研究问题上的成功率或效率数据,因此目前只能支持“这几个演示例子被机器验证通过”的范围。
作者称,在AWS的日常工作中AI证明已用于处理庞大且技术复杂的问题;当AI无法独立完成时,可以解释选项、暂停等待人类修复或建议,然后继续。作者明确表示这项技术“不替代人,而是辅助人”。
亚马逊科学博客发布文章,介绍其AutoCorrode验证套件中三个已公开的工具:I/Q、I/R和Isabelle Assistant,用于让AI智能体与Isabelle证明助手协作生成并检查形式化数学证明。
博客称,AI智能体常出现“幻觉”,而证明助手可以自动校验AI写出的证明;把检查与生成交替进行,能让证明保持在正确轨道上。文章演示的证明由Claude Opus 4.6生成,并交由Isabelle检查。
工具如何连接AI与Isabelle
博客解释,要让AI生成可检查的证明,证明必须写成某种逻辑形式化语言。Lean、HOL Light和Isabelle都是证明助手,原本为人类用户编写和检查形式化证明而设计,现在“用户”可以是AI智能体。
亚马逊称,AI智能体与证明助手之间通过Model Context Protocol(MCP)通信,主流AI智能体都支持该协议。HOL Light这类提供命令行REPL的证明助手容易接入;Isabelle有面向人类的复杂界面,因此需要专门工具。
三个工具的分工是:I/Q让AI与用户计算机上运行的Isabelle会话通信,可临时把证明助手的控制权交给AI;I/R让AI在独立子进程中开发证明或其他形式化材料,不触碰用户正在编辑的文档;Isabelle Assistant基于I/Q,提供聊天窗口,能力弱于完整I/Q和I/R包,但开箱即用。
- I/Q:AI直接接管活跃的Isabelle会话,可填充形式化内容或评估上下文给出建议
- I/R:AI在后台子进程中工作,用户可同时使用证明助手;博客称I/Q作为通用问题求解器时可调用I/R来证明定理
- Isabelle Assistant:基于I/Q的聊天窗口,可观察和修改用户会话,用于开发或修复证明
博客演示的三个证明例子
第一个例子是证明 2 的平方根是无理数。博客展示了Claude Opus 4.6为Isabelle形式化的证明,并给出阅读指引:assume引入假设,have和show声明公式为真,obtain声明某些值存在,by给出理由。作者称这个AI生成的证明“意外地地道”,但比严格需要的更详细。
第二个例子是证明对任意整数N>0,存在N个连续合数。博客称这个例子不太知名,作者向Claude提供了一个有缺陷的证明:取N!,则N!+2 能被 2 整除、N!+3 能被 3 整除,依此类推。作者称Claude注意到该证明只覆盖N-1个连续整数,并给出了修正后的定理。
第三个例子涉及微积分:计算sin x在区间 [0, π] 上的定积分,结果为 2。博客称,用户只需用自然语言要求“一个简单的微积分例子”,Claude就生成了Isabelle证明,连注释也由它写出;证明中包含 -cos x的导数是sin x这一事实。作者称计算比必要的更长,但由于生成与检查交替进行,没有错误。
作者对协作方式和局限的说明
博客称,上述例子较容易,更难的问题仍需要I/Q和I/R。通过I/Q,终端中的智能体可直接编辑Isabelle会话;通过I/R,智能体可在后台静默工作。作者称这是一种新型团队合作,但“我们仍需要弄清如何让它最好地运作”。
作者写道,最难的问题仍需要人类思考,但思考很累,人也会疲劳;把冗长而繁琐的任务交给智能体,例如重构混乱的证明开发过程或研究诊断问题的跟踪记录,可以让人在需要做关键决定时保持精力。
文章结尾称,Claude不仅生成了文中全部证明,还选择了大部分示例;证明按Claude输出的原样给出。作者承认计算机生成的材料常包含人类会避免的复杂绕路,但可通过部分自动化的打磨阶段删除。作者还称,AI证明是AWS的日常工作之一,这项技术“不替代我们,而是辅助我们”。
- 证明由Isabelle自动检查,这是防止AI幻觉的机制
- 博客未给出这些工具在更大规模开放问题上的成功率、耗时或效率数据
- “AI是数学发现的有价值伙伴”等评价属于博客作者的主张,不是独立评测结论