定理出发，按照允许的推理规则，最终得到一个新的结论。
如果把每一个中间状态都记录下来，那麽整个证明就是一条符号序列。
这个序列里的每一步都必须满足一定的条件。
而我们已经知道了，自然语言处理中，可以利用上下文预测接下来可能出现的符号。
那麽，为什麽不能尝试让机器学习数学证明中的类似规律？」
彼得·拉克斯正站在离林燃不远的地方，他听到这里忍不住插话道：「教授，我得提醒你，自然语言和数学证明有一个非常重要的区别。
翻译允许一定程度的不准确，但数学证明不允许。
翻译机器把俄语翻译成英语，即使某个词语不够精确，只要表达的意思大致正确，我们仍然可以接受。
数学不行。
一份证明有一千个步骤，前面九百九十九步都是正确的。
最後一步错误，那麽它仍然不是一个有效的证明。
机器预测下一个符号最有可能是什麽，和证明下一步在逻辑上必然成立，是两回事。」
林燃点头道：「没错，所以万能机出现後，人类数学家依然有工作。
因为万能机的本质还是摇骰子。
当我们把它的概率推到一个阈值後，它可以用来做研究。
当概率到了99.99%，不知道多少个9之後，我们能定义它是万能机。
但即便如此，人类数学家还是要对它的结果进行验证。
二者进行严格的区分。」
西格尔问：「不对，伦道夫，还是不对，因为你所说的，它根据已有的证明，模拟已有的符号和逻辑，去推演数学。
那麽它没办法独立创造新的数学。」
林燃摇头：「不，随着学习的深入，它会发现新的问题，创造新的理论。
当你们看过1001篇论文後就知道，它有非常多的新方法。
并且它没有展示在明面上，但能够被人类数学家总结归纳的新方法、新理论就更多了。」
当福克斯抵达现场的时候，人已经要晕过去了。
2800个人都聚集在一个厅里，密密麻麻人挤人。
从宴会厅到走廊。
还有联邦安保人员。
总人数加在一起超过了三千人的场景。
以至於当天住在T酒店的住客里有一位作家，他在自己後来的作品里提到这一幕的时候
…。。