Memverifikasi Riemann di Lean: Pelajaran untuk Engineer
Bukti Lean 17 juta baris untuk Hipotesis Riemann lolos banyak pemeriksa independen. Ini pelajaran bagi engineer dari proof assistant.

Bagian software paling berani yang dirilis belakangan ini bukan framework, database, atau AI agent. Itu sebuah bukti. Levent Alpöge merilis verifikasi Lean untuk Hipotesis Riemann berupa library sekitar tujuh belas juta baris kode. Dalam kurang lebih sehari, tim relawan yang tersebar sudah mengompilasinya, mencocokkan teorema akhirnya dengan pernyataan kanonis di Mathlib, dan memeriksa ulang proof yang diekspor menggunakan beberapa kernel independen, dua di antaranya membawa argumen terverifikasi mesin bahwa mereka tidak bisa menerima bukti yang salah.
Ini klaim kontroversial saya. Akan saya pertahankan lalu sebagian saya tarik kembali: ini kejadian paling penting di dunia bahasa pemrograman dekade ini, dan hampir tidak ada hubungannya dengan teori bilangan. Hipotesis Riemann nyaris tidak relevan. Yang penting adalah kita sekarang punya contoh nyata, dalam skala riset sungguhan, dari masalah yang terus diputar-putar engineer tanpa pernah benar-benar dihadapi: bagaimana membangun artefak sebesar itu sehingga tidak ada manusia yang bisa meninjaunya, tetapi tetap diperiksa begitu ketat sampai orang asing mau mempertaruhkan reputasi profesionalnya di atasnya?
Apa Arti Sebenarnya dari Tujuh Belas Juta Baris Verifikasi Lean
Lean dibangun di atas gagasan yang dirumuskan Nicolaas de Bruijn di akhir 1960-an dengan Automath, salah satu sistem pertama untuk menuliskan matematika dalam bentuk yang bisa diperiksa mesin. Gagasan ini sekarang disebut kriteria de Bruijn: proof assistant seharusnya menghasilkan objek bukti yang bisa diverifikasi sendiri oleh program pemeriksa yang kecil dan independen. Bagian besar dan pintar dari sistem, yaitu elaborator, mesin tactic, dan otomasi yang mengubah skrip bukti yang ditulis manusia menjadi objek formal, secara eksplisit tidak dipercaya. Itu adalah compiler, dan seperti compiler lainnya, ia boleh saja punya bug. Kepercayaan ada di kernel, yaitu program kecil yang memeriksa tipe dari term bukti yang sudah sepenuhnya di-elaborasi terhadap aturan logika.
Arsitektur inilah yang membuat artefak tujuh belas juta baris itu bermakna. Tidak ada yang membaca bukti itu. Tidak ada yang bisa. Ukurannya setara komponen besar sistem operasi, dan sebagian besar dibuat serta berbentuk oleh mesin. Tetapi alur verifikasinya memperlakukannya seperti build system yang baik memperlakukan binary hasil kompilasi: lusinan orang mengompilasi library itu secara independen dan menghasilkan file ekspor bukti mentah yang sama, byte demi byte. Itu adalah build yang hermetik dan deterministik yang menghasilkan artefak yang dapat dialamatkan berdasarkan isinya. Bagian menariknya baru dimulai di sini, karena yang dikonsumsi para pemeriksa adalah artefak, bukan source.
Bukti yang tidak bisa Anda baca tetap bisa menjadi bukti yang bisa Anda percaya. Pembalikan dari code review biasa inilah inti seluruh cerita ini.
Orang software perlu merenungkan pembalikan ini sejenak. Mekanisme jaminan standar kita adalah manusia yang membuka diff lalu mengerutkan kening. Cara itu mungkin hanya sanggup menangani beberapa ribu baris per reviewer per minggu sebelum kerutan itu berubah jadi sandiwara. Jawaban komunitas Lean adalah memindahkan kepercayaan ke bawah tumpukan: percaya pada kernel yang kecil, percaya pada keragaman implementasi ulang yang independen dari kernel itu, dan perlakukan semua yang ada di atasnya, berapa pun jutaan barisnya, sebagai data yang diperiksa, bukan prosa yang ditinjau. Ini bukan trik matematika. Ini sikap engineering.
Masalah Pernyataan: Membuktikan Teorema yang Tepat
Hal pertama yang diperiksa komunitas bukanlah buktinya, melainkan pernyataannya. Ini bagian yang sering diremehkan orang luar, dan di sinilah proyek formalisasi diam-diam mati. Proof assistant dengan senang hati membiarkan Anda membuktikan hal yang salah dengan ketelitian sempurna, karena logikanya tidak peduli apa yang Anda maksudkan. Contoh klasik dalam mainan adalah rutin sorting terverifikasi yang spesifikasinya menyatakan output terurut tetapi lupa menyatakan bahwa output adalah permutasi dari input. List kosong terurut dengan sempurna. Buktinya lolos. Fungsinya sampah.
Jadi sertifikasi untuk pekerjaan ini bergantung pada fakta yang mudah terlewat: pernyataan RiemannHypothesis sudah ada di Mathlib, tempat ia telah ditelaah oleh orang-orang yang benar-benar memahami teori bilangan analitik dan konvensi pengodean Lean, termasuk di mana saja nol-nol boleh berada, bagaimana nol trivial dikecualikan, dan apa sebenarnya fungsi yang didefinisikan. Lalu komunitas menambahkan sebuah file yang mengisolasi tepat pernyataan itu, hanya mengimpor Mathlib, dan memakai dua alat independen (comparator dan con-leche --compare) untuk memastikan bahwa teorema yang dibuktikan library Alpöge persis pernyataan itu. Bukan hampir mirip, bukan lookalike definisi dengan hipotesis yang diam-diam dilonggarkan. Saya pernah berargumen bahwa celah antara spesifikasi dan implementasi adalah tempat bug bersembunyi, dan matematika formal adalah tempat kebenaran itu berhenti jadi tulisan blog dan berubah menjadi item checklist dengan tooling khusus.
Perhatikan betapa tidak lazimnya disiplin ini menurut standar industri. Kapan terakhir kali Anda melihat tim membangun alat khusus yang satu-satunya tugas adalah membuktikan bahwa hal yang dilakukan sistem mereka adalah hal yang dikatakan kontrak? Kita menulis test yang men-sample kontrak. Kita menulis type signature yang hanya mengisyaratkannya. Komunitas Lean membangun comparator yang mengidentifikasi kontrak itu. Jika Anda hanya membawa satu praktik pulang dari keseluruhan kejadian ini, ambillah yang ini: sebelum merayakan bahwa mesin sudah memeriksa bukti Anda, pastikan mesin memeriksa klaim Anda.

Kepercayaan pada Kernel dan Ekosistem Pemeriksa
Kernel resmi Lean memang kecil, tetapi 'kecil' bukan argumen keamanan dengan sendirinya. Itu undangan untuk mengimplementasikan ulang, dan verifikasi ini sangat mengandalkan undangan tersebut. Bukti yang diekspor diperiksa bukan hanya oleh kernel Lean, tetapi juga oleh con-leche dan con-ron, plus beberapa pemeriksa pihak ketiga yang ditulis dalam bahasa pemrograman berbeda, semuanya mengonsumsi file ekspor pasif yang sama. Kata pasif itu penting: para pemeriksa tidak pernah mengeksekusi kode dari source bukti, jadi snippet jahat yang hipotetis tersembunyi di tujuh belas juta baris tidak punya runtime tempat beraksi. Bedanya seperti membaca dokumen dengan mengeksekusi lampiran.
Dua pemeriksa berat layak disebut khusus, karena con-leche dan con-ron masing-masing datang dengan bukti formal, relatif terhadap teori himpunan, bahwa mereka tidak bisa menerima bukti yang salah. Ini menutup regresi yang biasa terjadi: ya, kernel Lean secara teoretis bisa punya bug soundness, jadi periksa dengan kernel lain; ya, kernel itu juga bisa punya bug; tetapi ketika argumen kebenaran pemeriksa itu sendiri diverifikasi mesin terhadap fondasi yang berbeda, permukaan serangannya menyusut menjadi 'bug yang bertahan di banyak implementasi, banyak bahasa, dan banyak sistem fondasi sekaligus'. Tidak mustahil. Bukan sesuatu yang perlu Anda rencanakan. Saya pernah menulis bahwa borrow checker Rust pun pernah merilis celah soundness, jadi saya tidak mengucapkan 'percaya kernel' dengan enteng. Jawabannya tidak pernah satu komponen tepercaya. Melainkan populasi pemeriksa yang beragam dan format bukti portabel yang sama. Ini N-version programming, yang sudah dipraktikkan dunia avionik selama puluhan tahun, akhirnya diterapkan pada kebenaran itu sendiri.
import Mathlib
-- The statement, maintained and vetted in Mathlib, that the
-- new library proves. Anybody can inspect what the words mean.
#check RiemannHypothesis
-- A trivial kernel-checked proof. The kernel reduces 2 + 2 to 4
-- and accepts rfl; no tactic code runs at check time.
theorem two_add_two : 2 + 2 = 4 := rfl
-- Ask the kernel what this proof's trust base actually is:
#print axioms two_add_two
-- reports that the proof depends on no axioms at all
-- Had someone snuck in `sorry` (Lean's escape hatch) or a custom
-- axiom, this is where it shows up: as `sorryAx` or worse, in
-- the dependency list of the final theorem.
Mekanisme terakhir itu adalah jejak audit yang tidak dimiliki sebagian besar sistem. #print axioms menanyakan kepada kernel, setelah kejadian, asumsi apa yang sebenarnya menopang sebuah bukti. Setiap kecurangan di Lean, seperti sorry, axiom yang dideklarasikan pengguna, atau penggunaan unsafe yang keliru, meninggalkan jejak di daftar itu. Bayangkan jika build Anda bisa menjawab 'apa yang kamu asumsikan?' dengan presisi yang sama: layanan ini mengasumsikan jam monoton, yang ini mengasumsikan TLS 1.3, yang ini mengasumsikan queue mengirim minimal sekali. Sebagian besar sistem kita membawa asumsi seperti ini. Hampir tidak ada yang bisa mendaftarkannya atas permintaan.
Manajemen Dependensi Skala Mathlib
Satu baris dalam pernyataan komunitas adalah puisi manajemen dependensi murni: codebase hanya bergantung langsung pada Mathlib. Tidak ada fork vendored, tidak ada cabang privat dari standard library, tidak ada patch yang ditahan di luar tree. Tujuh belas juta baris matematika riset duduk di atas satu upstream bersama yang terus diintegrasikan. Itu hanya mungkin karena Mathlib beroperasi lebih seperti badan standar dengan CI daripada repositori paket: review yang ketat, cache bersama agar kontributor tidak perlu membangun ulang seluruh alam semesta setiap pull, dan budaya di mana mengunggah definisi Anda ke upstream adalah default, bukan kebaikan yang Anda berikan kepada komunitas.
Dan urutan itu, yaitu pernyataan dulu lalu bukti, adalah bagian yang sering dibalik oleh tim engineering. Definisi Hipotesis Riemann sudah di-merge, direview, dan dikeraskan di library bersama sebelum bukti tiba. Ketika payload tujuh belas juta baris itu masuk, tidak ada perdebatan tentang apa yang diklaimnya, karena klaim itu sudah menjadi infrastruktur. Bandingkan dengan cara sebagian besar codebase besar menyerap kontribusi besar: interface didefinisikan oleh kontribusi itu sendiri, review berlangsung di bawah tekanan waktu, dan saat ada yang menyadari kontraknya bergeser, tiga tim lain sudah bergantung pada versi yang bergeser itu. Disiplin Mathlib, yaitu mengkanonisasi kosakata secara publik lalu membiarkan pekerjaan dibangun di atasnya, adalah hal yang persis dilakukan tim platform yang sehat terhadap API internal mereka. Bedanya, mereka benar-benar melakukannya.

Di Mana Klaim Kontroversial Saya Goyah
Sekarang bagian penarikan kembalinya, karena klaim itu layak diuji dengan jujur. Pemeriksa independen tidak seindependen retorikanya. Mereka berbagi metateori, beberapa berbagi garis desain, dan penulis pemeriksa saling berbicara. Keragaman bahasa pemrograman bukan keragaman logika. Ada juga preseden tergelincir: sebuah sanggahan palsu terhadap konjektur Collatz pernah lolos dari salah satu pemeriksa independen ini sebelum ada yang menangkapnya. Formulasi yang jujur dari argumen keyakinan ini adalah yang ditawarkan seorang pengamat yang cermat: agar bukti itu salah, satu bug harus memengaruhi sekaligus konsistensi internal bukti para pemeriksa dan bukti spesifik ini, di setiap implementasi. Sangat kecil kemungkinannya. Tetapi 'sangat kecil' adalah probabilitas, dan pernyataan komunitas berkata 'keyakinan penuh', yang merupakan sosiologi.
Ada juga dinding penopang manusia yang tidak disebut oleh keempat kriteria yang dipublikasikan. Menurut banyak pihak, bukti ini dihasilkan dengan bantuan AI yang sangat besar, dengan Alpöge sebagai pengendali: memecah masalah, mengenali jalan buntu, dan tahu lemma mana yang terasa salah. Keahlian manusia itu melakukan kerja epistemik yang nyata, dan sertifikat seperti yang tertulis sama sekali tidak bergantung padanya, dan itu mengganggu saya. Saya pernah membahas pemisahan antara pembangkitan konjektur oleh LLM dan pemeriksaan bukti secara mekanis, dan ini adalah pemisahan itu pada taruhan maksimum: mesin mengusulkan dalam skala yang belum pernah ada, mesin memeriksa dalam skala yang belum pernah ada, dan seorang manusia langka duduk di persimpangan membuat semuanya bisa dibaca. Menghapus manusia itu dari cerita resmi membuat ceritanya lebih rapi, tetapi kurang benar.
Pelajaran Engineering untuk Software yang Diverifikasi Mesin
- Jaga trusted computing base tetap kecil dan membosankan. Setiap baris kode yang harus Anda percaya adalah kewajiban; setiap baris yang hanya Anda periksa adalah data.
- Ekspor ke format pasif dan portabel. Verifikasi sebaiknya berjalan pada dokumen, bukan pada proses hidup yang bisa mengeksekusi kejutan.
- Verifikasi klaimnya, bukan hanya argumennya. Bangun comparator-nya. Buktikan artefak Anda cocok dengan kontrak sebelum merayakan buktinya.
- Diversifikasi pemeriksa Anda secara serius. Bahasa yang berbeda membantu; fondasi yang berbeda membantu lebih banyak; satu pemeriksa dengan bukti konsistensi lebih berharga daripada dua yang saling menyontek PR.
- Buat build yang reproducible dan artefak yang dapat dialamatkan berdasarkan isinya. 'Lusinan orang mereproduksi file ekspor yang sama' adalah kalimat yang seharusnya dicita-citakan setiap release pipeline.
- Kanonisasi kosakata bersama di upstream sebelum kontribusi besar masuk. Definisi dulu, kepahlawanan kemudian.
- Daftar asumsi Anda secara mekanis. Jika sistem Anda tidak bisa menjawab 'apa yang kamu andalkan?', Anda tidak tahu apa yang sudah Anda kirim.
Di bawah daftar ini ada satu gagasan: test mengambil sampel dari sebuah ruang, bukti menguras habis ruang itu, dan titik tengah yang menarik seperti property-based testing, model checking, dan symbolic execution adalah industri yang perlahan dan enggan merangkak dari kubu pertama menuju kubu kedua. Tidak ada yang meminta Anda memformalkan aplikasi CRUD Anda. Tetapi batas dari 'apa yang harus diperiksa mesin' terus bergeser: primitif kriptografi, protokol konsensus, smart contract, flight software, dan verifier eBPF kernel. Setiap komunitas itu pernah mengalami momen 'seharusnya kita melakukan ini dengan cara Lean', biasanya tepat setelah insiden mahal. Verifikasi Riemann adalah demonstrasi bahwa tooling, budaya, dan ekosistem pemeriksa bisa menanggung beban sesuatu yang benar-benar sangat besar. Alasan untuk tidak melakukannya sudah habis.
Seratus Tahun Mencoba
Sebagai orang yang berfokus pada bahasa, saya tidak bisa tidak melihat ini sebagai buah dari taruhan lama. Hilbert memasukkan Hipotesis Riemann ke dalam daftarnya di tahun 1900. De Bruijn memulai Automath di tahun 1967. Robin Milner membangun ML di tahun 1970-an, khususnya sebagai metabahasa untuk menulis tactic bukti. Seluruh keluarga pohon ML, yang mengalir melalui OCaml dan Haskell hingga sistem tipe Rust, berasal dari tooling untuk bukti yang diperiksa mesin. Manifesto QED di tahun 1990-an bertanya mengapa seluruh matematika belum diformalkan dan sebagian besar hanya mendapat bahu terangkat. Lalu Four Colour Theorem masuk ke Coq, kemudian teorema Feit–Thompson, lalu Liquid Tensor Experiment membuktikan bahwa matematika riset modern, bukan hanya yang klasik, bisa bertahan saat bersentuhan dengan kernel. Masing-masing disebut aksi pamer oleh seseorang. Masing-masing melatih komunitas dan memperkeras library yang menjadi pijakan berikutnya.
Jadi, apakah klaim pembuka saya benar? Sebagian. Para matematikawan mendapat sebuah teorema, dan pada pagi hari mereka sudah bertanya pertanyaan yang lebih baik: apa yang diajarkan bukti itu, sesuatu yang tidak otomatis dilakukan tujuh belas juta baris yang sudah diperiksa. Para engineer mendapat sesuatu yang lebih langka: cetak biru, yang divalidasi di bawah pengawasan maksimal, untuk membangun artefak yang terlalu besar untuk dibaca manusia mana pun dan tetap mempertaruhkan nama komunitas di atasnya. Lain kali seseorang dalam design review bilang bahwa verifikasi sungguhan tidak bisa diskalakan, Anda sudah tahu build log mana yang harus ditunjukkan kepadanya.


