📌 核心问题

1946 年，Paul Erdős 提出了一个看似简单却困扰数学界近 80 年的问题：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「组合几何中最著名、最容易解释的问题」。

几十年来，数学界普遍认为通过「缩放正方形网格」构造的方式已经接近最优——其增长率仅为 n^{1+C/log(log(n))}，仅比线性增长略快一丝。Erdős 本人猜想上界为 n^{1+o(1)}，即任何构造都不可能显著超越正方形网格。这一猜想长期未被推翻。

今天，这一切被一个通用推理模型改写了。OpenAI 内部的一个非数学专用模型，自主发现了无穷多组反例，每组都能达到 n^{1+δ}（δ > 0）的多项式改进。这是 AI 首次自主解决数学子领域中一个长期悬而未决的中心猜想。

📊 关键数据

  • 问题历史：1946 年由 Erdős 提出，近 80 年未被解决
  • 之前最优构造：缩放正方形网格，n^{1+C/log(log(n))}，仅比线性略快
  • AI 新结果：无穷多组 n 值，达到 n^{1+δ}（δ > 0），多项式级别改进
  • Princeton 数学教授 Will Sawin 后续细化：可取 δ = 0.014
  • 上界记录：O(n^{4/3})，Spencer/Szemerédi/Trotter 1984 年证明，至今未被改善

🏗️ 技术架构与设计

  • 从高斯整数出发：Erdős 的原始下界通过高斯整数（a+bi）构造，利用其唯一因子分解性质生成单位距离对
  • 代数数论推广：AI 的证明用更复杂的代数数域替换高斯整数，这些数域具有更丰富的对称性，能产生更多单位长度差
  • 无限类域塔 + Golod-Shafarevich 理论：证明所需的数域确实存在，这些工具对代数数论学家很熟悉，但用于欧几里得平面的几何问题却令人惊讶
  • 非专用模型：证明来自一个通用推理模型，而非数学专用系统、搜索框架或针对该问题的定向训练

🔑 关键洞察

【AI 首次自主解决数学中心猜想】—— 这不是一个边缘问题，而是组合几何领域 80 年来的核心开放问题。Fields 奖得主 Tim Gowers 称之为「AI 数学的里程碑」。它标志着 AI 从「辅助工具」到「独立研究者」的质变。
【跨领域知识迁移是关键突破点】—— 证明的核心是将代数数论的深奥工具（无限类域塔、Golod-Shafarevich 理论）应用到初等几何问题上。这种「意外的知识桥梁」恰恰是人类数学家可能忽略的路径，AI 的「无偏见」探索展现了独特优势。
【通用推理能力 > 专用数学能力】—— 模型不是为数学而生的，也没有被 scaffold 搜索证明策略或针对该问题定向训练。这暗示了一个重要信号：通用推理模型的天花板可能比我们想象的更高，专用训练未必是唯一路径。
【人机协作的新范式】—— 数学家 Thomas Bloom 指出，AI 的证明揭示了「代数数论构造对离散几何问题远比我们想象的更有发言权」。AI 找到了路，人类在上面建了更丰富的图景。

🤔 引发思考

这次突破最大的启示不是「AI 能做数学」，而是「AI 能做出人类可能永远不会尝试的跨领域连接」。代数数论的工具在组合几何问题上的应用，对任何单一领域的专家来说都是极不寻常的路径。AI 没有「领域边界」的概念，它只是在所有已知数学工具中寻找最有效的组合——这种「无界搜索」可能是它最大的优势，也是人类研究者最难复制的能力。

更深层的问题是：如果通用推理模型就能做到这一步，那么专门针对数学推理优化的模型能走多远？OpenAI 自己也承认，这「不是意外的进展」，并强调了理解下一阶段 AI 发展、对齐非常智能系统的紧迫性。数学是最干净的推理试验场——问题精确、证明可验证、长论证必须全程连贯。如果 AI 在这里都能自主突破，那在生物学、物理学、材料科学、工程学等领域，类似的「意外发现」可能正在酝酿。

📎 相关阅读

逍遥云初 | 2026.06.13