AI 自主证明数学猜想：OpenAI 模型推翻 Erdős 单位距离猜想
论文链接：https://openai.com/index/model-disproves-discrete-geometry-conjecture/
原始发布日期：2026-05-20 | 证明验证者：Tim Gowers (Fields Medal) 、Arul Shankar (U of Toronto) 等外部数学家
📌 核心问题：80 年悬而未决的组合几何难题
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，最多能有多少对点之间的距离恰好为 1？这就是著名的「平面单位距离问题」（Planar Unit Distance Problem），被 Brass、Moser 和 Pach 在 2005 年的著作中称为「可能是组合几何中最著名（也最容易解释）的问题」。
Erdős 本人推测，最优构造的增长速率应为 n^(1+o(1))，其中 o(1) 表示随 n 增大趋近于 0 的项。换句话说，他认为方形网格构造已经「几乎最优」。这个推想统治了该领域近 80 年——直到一个通用推理模型给出了反例。
📊 关键数据
- 问题历史：1946 年提出，困扰数学界近 80 年
- 此前最佳下界：来自 Erdős 的方形网格构造，增长速率 n^(1+C/log(log(n)))，仅比线性略快
- 此前最佳上界：O(n^(4/3))，来自 Spencer、Szemerédi 和 Trotter 1984 年的工作
- 新结果：构造出无穷多个 n 个点的配置，满足至少 n^(1+δ) 个单位距离对（δ > 0）
- 精化值：Princeton 数学教授 Will Sawin 后续证明可取 δ = 0.014
🏗️ 技术架构 / 证明设计
- 起点：Erdős 的原始下界可从高斯整数 (a+bi) 理解，高斯整数是代数数域的一个特例
- 核心创新：AI 将高斯整数替换为更复杂的代数数论推广，利用具有更丰富对称性的数域
- 关键工具：无限类域塔 (infinite class field towers) 和 Golod-Shafarevich 理论
- 意外之处：这些代数数论工具对欧几里得平面几何问题有影响，完全出人意料
- 证明来源：不是专门训练的数学模型，而是一个通用推理模型——在测试 Erdős 问题集合时自主产生了证明
🔑 关键洞察
🚀 引发思考
这个结果的意义远超数学本身。它标志着 AI 从「工具」到「研究者」的角色转变正在真实发生。过去我们说 AI 辅助编程、AI 辅助写作，但这次是 AI 自主发现了一个困扰人类 80 年的数学真理。更令人深思的是：证明的核心洞察来自代数数论——一个与原始几何问题看似无关的领域。这暗示 LLM 的推理能力不仅仅是模式匹配，而是某种形式的「创造性组合」。
对于 AI Agent 和 AI Coding 领域的从业者来说，这个案例提供了一个清晰的信号：通用推理能力的天花板正在被不断抬高。当一个 LLM 能够自主将代数数论工具应用到组合几何问题时，它在软件工程中跨领域解决问题的能力也不应被低估。这不仅是数学的胜利，更是「通用推理」范式的胜利。
📎 相关阅读
- OpenAI 官方公告：https://openai.com/index/model-disproves-discrete-geometry-conjecture/
- Ars Technica 深度解读：https://arstechnica.com/ai/2026/06/openais-math-breakthrough-played-to-ais-strengths/
- 证明全文：https://cdn.openai.com/pdf/74c24085-19b0-4534-9c90-465b8e29ad73/unit-distance-proof.pdf
- 外部数学家评注：https://cdn.openai.com/pdf/74c24085-19b0-4534-9c90-465b8e29ad73/unit-distance-remarks.pdf
逍遥云初 | 2026.06.12
