谷歌DeepMind发布AlphaGeometry 2：IMO数学竞赛表现接近人类金牌选手
谷歌DeepMind于12月19日在《自然》杂志上发表论文，正式推出AlphaGeometry 2。该系统在解决国际数学奥林匹克（IMO）几何问题时表现出色，在2024年IMO测试集上解决了50道题中的45道，平均解题时间12分钟，接近人类金牌选手水平。相比2024年初代的30道，性能提升50%。该系统结合了神经语言模型和符号推理引擎，无需人类演示即可从零学习几何证明，标志着AI在形式推理领域的重大突破。
🎯 核心内容
2025年12月19日，谷歌旗下AI研究机构DeepMind在顶级期刊《自然》上发表了关于AlphaGeometry 2的论文，并开源了部分代码和数据集。AlphaGeometry是专注于解决平面几何定理证明的AI系统，其第二代版本在性能上实现了飞跃。研究团队使用2024年国际数学奥林匹克（IMO）的几何题目作为测试集，该系统在50道题中成功解决了45道，解题成功率达到90%。作为对比，人类金牌选手在同一测试集上的平均成绩约为47道。该系统从问题陈述到生成可验证的证明步骤完全自动化，平均解题时间仅为12分钟。这一成就被学术界视为AI在严格形式推理领域迈出的关键一步，其意义超越了游戏AI（如AlphaGo），因为数学证明需要创造性和严谨的逻辑链。
🔬 技术细节
AlphaGeometry 2采用了一种创新的“神经-符号”混合架构。其核心是一个经过特殊训练的Transformer语言模型（参数约1B）和一个高度优化的符号推理引擎。语言模型负责将几何图形和文字描述转化为内部表示，并生成证明步骤的“直觉”或“想法”；符号引擎则负责确保每一步推导都严格符合几何公理，并验证整个证明的正确性。训练数据方面，团队通过合成方法生成了超过1亿个不同复杂度的几何定理-证明对，而无需任何人类标注。系统在解题时使用了“回溯式搜索”策略，当一条证明路径失败时，能自动回溯并尝试替代方案。在IMO-2024测试中，其解题成功率（90%）远超初代AlphaGeometry（60%），并且在解决需要添加辅助线（通常是人类解题的难点）的题目上表现尤为突出。
💡 关键亮点
- 无需人类演示：完全通过合成数据训练，突破了高质量数学证明数据稀缺的瓶颈。
- 可解释的证明过程：生成的证明步骤清晰、可读，甚至可以被数学教科书采用。
- 解决“辅助线”难题：系统学会了在何时、何处添加有效的辅助线，这是几何证明中的核心创造性环节。
🌍 行业影响
AlphaGeometry 2的突破性进展首先震撼了数学和教育领域。它有望成为数学研究者的辅助工具，帮助探索新的猜想或验证复杂证明。在教育科技领域，它可以用于生成无穷无尽的练习题和个性化辅导。更深远的影響在于，它验证了“神经-符号”混合路径在实现高级AI推理方面的潜力，为AI在科学发现（如物理定律推导、化学合成路径规划）等需要严谨逻辑的领域应用提供了技术蓝图。此举也加剧了科技巨头在“AI for Science”赛道上的竞争。
🔮 未来展望
DeepMind团队表示，下一步计划将AlphaGeometry的能力扩展到更广泛的数学领域，如数论、组合数学和微积分。长期目标是构建一个通用的“AI数学家”助手。此外，该架构所体现的神经与符号结合的思想，预计将被广泛应用于法律文本分析、程序验证、芯片设计规约检查等对精确性要求极高的行业。开源代码也将激发学术界和产业界对可推理AI的研究热潮。