Kiểm chứng bằng Lean: vì sao chưa đủ để tin

Phần mềm16 tháng 11, 2026·7 phút đọc

Bài viết của dự án Xena giải thích bốn câu hỏi cần đặt ra trước khi tin một định lý "đã được kiểm chứng trong Lean", nhất là khi mã do AI sinh ra. Với 722 bài toán OpenAI công bố, khoảng 45% kèm mã Lean, nhưng nhiều bước kiểm tra then chốt vẫn chưa được thực hiện một cách hệ thống.

Kiểm chứng bằng Lean: vì sao chưa đủ để tin
Ảnh minh hoạ do AI tạo

Mệnh đề "định lý này đúng vì đã được kiểm chứng trong Lean" nghe có vẻ tuyệt đối, nhưng thực tế cần thêm vài bước kiểm tra mới có thể tin được — đặc biệt khi mã chứng minh do AI tạo ra. Đó là nội dung chính trong bài viết của dự án Xena, được thảo luận sôi nổi trên Hacker News.

Lean là một trợ lý chứng minh (proof assistant) — công cụ cho phép viết chứng minh toán học dưới dạng mã máy tính để máy kiểm tra tính đúng đắn. Tuy nhiên, một đoạn mã Lean biên dịch thành công không đồng nghĩa với việc nó chứng minh đúng định lý mà con người mong muốn.

Bối cảnh: 722 bài toán và mã Lean do AI sinh

Tháng trước, OpenAI công bố 722 bài báo toán học, trong đó khoảng 45% đi kèm mã Lean. Ba bài báo không được "Lean hóa" sau đó đã bị rút lại vì lỗi dấu. Điều này làm dấy lên hai luồng ý kiến trái ngược:

  • Phe lạc quan cho rằng bài nào có mã Lean thì chắc chắn đúng, vì "Lean hoạt động như vậy".
  • Phe hoài nghi lập luận rằng Lean từng có lỗi về tính nhất quán (soundness bug) và có thể còn nữa, còn AI thì sẽ "reward hack" — tức là tìm cách lách mục tiêu thay vì thực sự đạt được nó.

Bài viết chỉ ra sự thật nằm ở giữa, và đưa ra bốn câu hỏi cần trả lời trước khi đưa ra bất kỳ tuyên bố đúng đắn nào về một kho mã Lean.

Câu hỏi 1: Phát biểu trong Lean có khớp với phát biểu thông thường?

Mã Lean thường chứa một "định lý đầu đề" (headline theorem) — đoạn mã định nghĩa phát biểu của định lý, chứ không phải phần chứng minh. Sự khác biệt này cực kỳ quan trọng.

Ví dụ, đoạn mã sau biên dịch hoàn hảo nhưng lại phát biểu sai Định lý lớn Fermat:

import Mathlib
def FermatsLastTheorem : Prop :=
  ∀ a b c n : ℕ, n ≥ 3 → a^n + b^n ≠ c^n

Sai ở chỗ trong Lean, tập số tự nhiên ℕ bao gồm cả số 0, nên với a = b = c = 0 và n = 3 ta có ngay phản ví dụ. Phát biểu vẫn biên dịch được, chỉ có phần chứng minh mới không biên dịch nổi.

Với một chuyên gia Lean, việc đối chiếu phát biểu thường dễ — nhưng không phải lúc nào cũng vậy. Do thư viện còn thiếu định nghĩa, đôi khi phải đọc hàng nghìn dòng mã chỉ để hiểu một phát biểu. Ví dụ, một PR vào kho Formal Conjectures của DeepMind về giả thuyết Hodge phải dựa trên hơn 10.000 dòng mã nằm trên Mathlib. Tương tự, thông báo của Axiom về chứng minh phân loại các nhóm đơn hữu hạn (classification of finite simple groups) dựa trên thư viện Tau Ceti do AI sinh, với tệp phát biểu nhập hơn 250.000 dòng Lean từ hơn 900 tệp, trong đó khoảng 5.600 dòng chứa định nghĩa thiết yếu. Chưa có ai tuyên bố đã kiểm tra thủ công các định nghĩa về nhóm sporadic trong Tau Ceti.

Đáng chú ý, trong số 290 định lý OpenAI có kèm mã Lean, khoảng 38 trường hợp mã thậm chí không phát biểu — chứ chưa nói tới chứng minh — định lý chính của bài báo. Bản thân OpenAI cũng không tuyên bố điều đó; họ chỉ nói "đây là mã Lean đi kèm bài báo này". Ví dụ, bài số 194 tuyên bố chứng minh giả thuyết bội số Lech trong đại số giao hoán — bài toán mở từ năm 1960 — nhưng định lý đầu đề trong mã Lean chỉ tương ứng Hệ quả 5.4 của bài báo.

Câu hỏi 2: Mã có biên dịch được không?

Sau khi hiểu phát biểu, cần thực sự biên dịch mã. Khi Anthropic hình thức hóa chứng minh Định lý lớn Fermat, họ nhờ tác giả kiểm tra 13 triệu dòng mã. Ông tải về máy, đưa vào sandbox rồi thử biên dịch và nhanh chóng hết bộ nhớ; chỉ khi được cấp tạm một máy 96 lõi, 500 GB RAM mới biên dịch được.

Ở quy mô nhỏ hơn, chứng minh bài toán Navier–Stokes của OpenAI gồm 640.000 dòng mã và biên dịch ổn trên laptop thông thường.

Bài viết nhấn mạnh: đừng chạy mã Lean lạ trên máy cá nhân nếu chưa sandbox. Thư viện toán học của Lean an toàn vì do con người kiểm duyệt, còn mã do AI sinh thì không.

Câu hỏi 3: Mã có chứng minh đúng định lý như đã phát biểu?

Ngay cả khi phát biểu đúng, phần chứng minh vẫn phải nhập hàng nghìn đến hàng triệu dòng mã mà không ai muốn đọc. Làm sao biết không có đoạn mã nào ngầm định nghĩa lại x^n thành 37, hay thêm một tiên đề mới nói rằng định lý là đúng?

Câu trả lời một dòng: lake comparator. Công cụ này kiểm tra rằng định lý phát biểu trong tệp tin cậy và định lý được chứng minh qua các import không tin cậy là giống hệt nhau, đồng thời chứng minh chỉ dùng các tiên đề toán học chuẩn.

Câu hỏi 4: Mã có lợi dụng lỗi trong kernel chính thức của Lean?

Điều này từng xảy ra: một lỗi về tính nhất quán trong kernel Lean được sửa bốn giờ sau khi phát hiện, và một đợt rà soát sau đó của OpenAI tìm thêm vài lỗi nữa, tất cả đều được sửa trước khi công bố.

Tuy vậy, điều này không còn là vấn đề lớn, vì Lean hiện có nhiều kernel do người dùng tạo, viết bằng nhiều ngôn ngữ khác nhau, trong đó ít nhất một kernel được hình thức hóa chứng minh là không có lỗi, xuống tới tận mức hợp ngữ. Để chắc chắn tuyệt đối không có reward hack, dùng lệnh lake comparator --paranoid: mã độc lợi dụng lỗi chưa phát hiện trong kernel chính thức sẽ khó vượt qua vì phải đồng thời lợi dụng lỗi ở nhiều hệ thống độc lập.

Lưu ý cuối: Lean đúng không có nghĩa là PDF đúng

Ngay cả khi mã Lean biên dịch và vượt mọi bài kiểm tra, bản PDF đi kèm vẫn có thể chứa chứng minh sai. Bài báo "Navier–Stokes lost in translation" chỉ ra rằng dù mọi phép thử đã được chạy cho công trình Navier–Stokes, vẫn có chỗ chứng minh trong PDF và trong Lean lệch nhau. Một số chuyên gia hiện dùng AI để "phi hình thức hóa" chứng minh Lean trở lại tiếng Anh nhằm đọc lập luận, thay vì đọc bản PDF.

Góc nhìn

Với các kỹ sư và nhà phát triển Việt Nam đang theo dõi làn sóng AI tạo mã, bài viết này là lời nhắc rằng "máy kiểm tra được" không đồng nghĩa với "đúng như ta tưởng". Nguyên tắc tương tự áp dụng khi dùng AI sinh mã trong sản phẩm: cần kiểm tra đầu vào, đầu ra và ngữ cảnh, chứ không chỉ tin vào việc mã biên dịch thành công hay test pass.

Về mặt kỹ thuật, chuỗi công cụ như Lean, Mathlib và lake comparator cho thấy một hướng đi đáng học: kiểm chứng độc lập, nhiều lớp, và cô lập mã không tin cậy. Những đội nào muốn ứng dụng hình thức hóa trong giáo dục, nghiên cứu hoặc kiểm thử phần mềm nên bắt đầu từ việc hiểu rõ giới hạn của công cụ trước khi cam kết với khách hàng hay đối tác.

Nguồn: xenaproject.wordpress.com · Quy trình biên tập

Chia sẻ:FacebookX