[论文解读] Developments in Formal Proofs

Thomas Hales|arXiv (Cornell University)|Aug 24, 2014

Logic, programming, and type systems参考文献 31被引用 12

一句话总结

本文综述了形式化证明系统近年来的进展，重点关注 HOL Light 在基础可靠性方面的应用、Coq 对费伊-汤普森奇阶定理的形式化，以及 Mizar、Coq、Isabelle 和 HOL Light 等证明助手中的自动化进展。结果表明，大规模形式化证明如今已具备可行性，并通过严格的验证和自动化手段日益可信。

ABSTRACT

This report describes three particular technological advances in formal proofs. The HOL Light proof assistant will be used to illustrate the design of a highly reliable system. Today, proof assistants can verify large bodies of advanced mathematics; and as an example, we turn to the formal proof in Coq of the Feit-Thompson Odd Order theorem in group theory. Finally, we discuss advances in the automation of formal proofs, as implemented in proof assistants such as Mizar, Coq, Isabelle, and HOL Light.

研究动机与目标

• 考察以 HOL Light 为代表的底层证明助手的可靠性与设计原则，作为可信形式化系统的范例。
• 展示 Coq 中费伊-汤普森奇阶定理的形式化证明，作为形式化高级群论的里程碑式成就。
• 探讨通过将机器学习与自动定理证明集成到 Mizar、Coq 和 Isabelle 等系统中，实现形式化证明自动化的最新进展。
• 评估使用现代证明助手形式化大量高级数学内容的可行性与实用性。
• 在标准集合论（ZFC）基础上，建立高阶逻辑（HOL）的一致性，为形式化系统提供既定基础。

提出的方法

• 使用 HOL Light 作为基于高阶逻辑（HOL）的轻量级基础系统，具备形式化类型系统和证明的语法验证。
• 在策梅洛-弗兰克尔选择集合理论（ZFC）中建模 HOL，通过递归类型解释和赋值函数，证明其在 ZFC 一致的前提下的一致性。
• 应用柯里化将函数和关系（如等价关系）表示为高阶函数，而非集合，以契合函数式编程原则。
• 通过序列演算验证形式化证明：若所有前提 $ L $ 为真时，结论 $ t $ 的赋值恒为真，则序列 $ L \vdash t $ 有效。
• 利用 Coq 等证明助手，通过依赖类型理论和归纳推理，形式化复杂定理（如费伊-汤普森奇阶定理）。
• 集成自动化推理工具（如 Isabelle 中的 Sledgehammer、HOL(y)Hammer）和机器学习技术（如 Mizar 和 Flyspeck 系统），以增强证明搜索与合成能力。

实验结果

研究问题

• RQ1 如何设计证明助手以确保高可靠性与极小的可信代码基，如 HOL Light 所示？
• RQ2 形式化证明系统在多大程度上能够处理大规模、高级的数学定理，如费伊-汤普森奇阶定理？
• RQ3 自动化与机器学习在多大程度上可减少构建形式化证明所需的人工投入？
• RQ4 如何在标准集合论（ZFC）中形式化地证明 HOL 的一致性，以确保其逻辑基础的稳固性？
• RQ5 当前证明助手在形式化整个数学理论时，面临哪些实际限制与可扩展性挑战？

主要发现

• HOL Light 因其极小的可信代码基和核心逻辑的形式化验证，成为高度可信的证明助手，适用于基础性探索。
• Coq 中完成于 2013 年的费伊-汤普森奇阶定理形式化证明是里程碑式成就，证明了在有限群论中形式化深刻结果的可行性。
• Mizar、Coq、Isabelle 和 HOL Light 等证明助手现可通过与外部 ATP 及基于学习的工具集成，支持高级自动化，显著缩短证明构建时间。
• HOL 的一致性已相对于 ZFC 建立：若 ZFC 一致，则 HOL 也一致，该结论通过集合论中的形式化模型构造得以证明。
• HOL 中使用柯里化函数与类型化 λ 演算，相比集合论提供了更结构化且类型安全的基础，可避免无意义表达如“图灵机是否是最小曲面？”
• 在 HOL(y)Hammer 和 Flyspeck 等系统中集成机器学习，已实现可扩展的证明搜索与自动化，为未来复杂数学的形式化展现出巨大潜力。