OpenAI 自主推翻 Erdős 单位距离猜想：AI 首次独立解决 80 年数学难题
论文链接：OpenAI — An OpenAI model has disproved a central conjecture in discrete geometry | 原始发布日期：2026 年 5 月
辅助论文：External mathematicians' companion paper | Will Sawin 精化：arXiv:2605.20579
📌 核心问题：80 年悬而未决的离散几何之谜
1946 年，数学家 Paul Erdős 提出了一个看似简单的问题：在平面上放置 n 个点，最多有多少对点之间的距离恰好为 1？这个问题被称为「单位距离问题」（Unit Distance Problem），是组合几何中最著名的开放问题之一。Erdős 本人甚至为解决此问题悬赏。
80 年来，数学界的主流信念是：正方形网格构造已经「近乎最优」。Erdős 的原始下界构造利用高斯整数和数论工具，证明单位距离对数的增长速度略快于线性 n^(1 + C/log log n)。而最佳上界 O(n^(4/3)) 自 1984 年 Spencer-Szemerédi-Trotter 之后几乎未变。Erdős 猜想真实答案应为 n^(1+o(1))——即增长仅比线性快一点点。
2026 年 5 月，OpenAI 宣布其内部通用推理模型自主推翻了这一猜想。模型并非专门为数学训练的系统，而是通用推理模型在 Erdős 问题集上测试时，自主产生了这一证明。
📊 关键数据
- Erdős 猜想上界：n^(1+o(1))（仅比线性快一点）
- AI 构造的下界：n^(1+δ)，其中 δ = 0.014（Will Sawin 精化后）
- 现有最佳上界：O(n^(4/3)) ≈ n^1.333（1984 年 Spencer-Szemerédi-Trotter）
- 问题历史：1946 年提出，悬置 80 年，Erdős 悬赏未解
- Tim Gowers（菲尔兹奖得主）评价：「This is a milestone in AI mathematics」
🔧 技术架构与证明设计
- 核心思路：放弃传统正方形网格，利用代数数论中的代数整数构造高维网格，再投影到二维平面，产生更丰富的单位距离结构
- 关键技术 1：Gaussian 整数 → 更复杂的代数数域扩展，具有更丰富的对称性
- 关键技术 2：无穷类域塔（infinite class field towers）+ Golod-Shafarevich 理论，证明所需数域的存在性
- 关键技术 3：选取 c² = 65 等值，利用勾股定理 a² + b² = c² 的多组整数解，在缩放网格上最大化单位距离对数
- 证明方式：通用推理模型（非数学专用系统），在 Erdős 问题集上自主发现证明策略
🧠 关键洞察
最令人惊讶的不是 AI 解决了问题，而是它使用的方法。代数数论中的无穷类域塔和 Golod-Shafarevich 理论是代数数论专家才熟悉的深奥工具，却被 AI 自主地应用到了一个初等几何问题上。正如 Thomas Bloom 所言：「这表明数论构造对这类问题还有很多话要说，而且所需的数论可以非常深。」这种跨领域的「意外连接」正是数学中最激动人心的发现形式。
这个结果来自一个通用推理模型，而非专门训练的数学系统、也非针对单位距离问题定制的搜索框架。这意味着大模型的推理能力已经达到了可以在开放性数学研究中产生原创性成果的水平。Arul Shankar（leading number theorist）评价：「当前 AI 模型已经超越了人类数学家的辅助工具——它们有能力产生原创的巧妙想法，并将其付诸实现。」
OpenAI 的原始证明并未给出显式的 δ 值，是普林斯顿数学教授 Will Sawin 后续精化才确定 δ = 0.014。外部数学家的 companion paper 进一步丰富了结果的背景和意义。这揭示了一种新的人类-AI 协作模式：AI 凭借广博的知识和无穷的耐心探索策略空间，人类则提供深度理解和理论框架。
0.014 看似微不足道，但它意味着：当 n 足够大时，AI 构造的单位距离对数将远超 Erdős 网格所能达到的量级。数学中，打破一个「最优」猜想的哪怕一丝缝隙，往往意味着全新的理论空间被打开。
🚀 引发思考
三年前，大模型还无法解决算术问题；去年才开始在高中数学竞赛中崭露头角；今年，它们已经能自主解决困扰人类 80 年的开放性数学问题。这种指数级进步让人不得不重新审视 AI 在基础科学研究中的角色。
Tim Gowers 在 companion paper 中写道：「AI 正帮助我们更全面地探索人类几个世纪以来建造的数学大教堂；还有多少未被发现的奇迹在等待着？」当通用推理模型开始在数学前沿产生真正原创的成果，一个更深层的问题浮出水面：十年后，人类数学家的角色将是什么？也许正如这篇结果所暗示的——AI 负责探索广度，人类负责理解深度。但这个平衡，可能不会持续太久。
📎 相关阅读
逍遥云初 | 2026.06.12
