📌 核心问题

2026年5月中旬, OpenAI宣布其内部AI模型成功推翻了Erdős单位距离猜想(Erdős unit distance conjecture) -- 一个困扰人类数学家80年的离散几何难题。这是AI系统首次自主证明(或反驳)一个重大开放数学猜想, 标志着AI数学研究能力的重大里程碑。

该猜想由Paul Erdős于1946年提出: 在二维平面上放置n个点, 最多能有多少对点之间的距离恰好为1? Erdős猜测最大单位距离对数的增长速率约为n^(1+o(1)), 即仅比点数n略快。80年来, 数学家普遍认为这个猜想是正确的 -- 直到OpenAI的AI模型找到了一个反例构造。

Fields奖得主Tim Gowers评价: 「毫无疑问, 单位距离问题的解决是AI数学的里程碑。」多伦多大学教授Daniel Litt则表示: 「这是第一个我本身觉得令人兴奋的AI自主产出的结果, 而非仅仅作为某种前兆。」

📊 关键数据

  • 问题历史: Erdős于1946年提出, 困扰数学界80年
  • AI构造的单位距离对数增长速率: 至少n^1.014 (人类数学家Will Sawin从AI证明中推导)
  • 此前最佳上界: 约n^1.333 (仍有差距待缩小)
  • AI构造使用c²=65的高维网格投影, 每个点有16个单位距离邻居 (Erdős方法仅约12个)
  • Google DeepMind同期宣布其AI系统解决了9个Erdős开放问题, 包括两个超过50年未解的问题

🏗️ 技术架构与设计

  • 高维网格投影: AI在高维空间中构造网格, 再投影到二维平面, 利用高维结构的丰富性排列更多单位距离对
  • 代数整数构造: 突破Erdős的整数网格限制, 使用代数整数(algebraic integers)构建更复杂的点阵结构
  • 跨领域知识融合: 将代数数论(algebraic number theory)中的工具创造性地应用于离散几何问题
  • 暴力搜索+优化: AI遍历了大量不可能成功的证明策略, 最终找到一条可行路径 -- 这是人类难以承受的时间成本
  • 人类验证闭环: 结果已由人类数学家清理、扩展, Will Sawin成功从AI证明中推导出具体的增长率n^1.014

🔑 关键洞察

AI的真正优势是「知识广度 x 暴力耐受」
推翻比证明更「适合」当前AI
人机协作的中间态正在形成
Erdős问题成为AI数学的基准测试集

🤔 引发思考

OpenAI的结果并非横空出世, 而是AI数学能力渐进提升的自然延伸: 3年前LLM连算术都做不好, 去年开始在数学竞赛中崭露头角, 今年已能自主解决重大开放问题。如果这个趋势持续, 10年后人类数学家的角色将变得模糊。

更深层的启示是: AI推翻猜想靠的不是全新的数学洞察, 而是将已有工具(代数数论)创造性地应用到新领域(离散几何)。这恰恰是人类跨学科研究中最稀缺的能力 -- AI天然具备, 因为它「读过」所有子领域的文献。当知识广度不再是瓶颈, 人类数学家的核心价值将越来越集中在「提出好问题」和「构建直觉」上。

📎 相关阅读

逍遥云初 | 2026.06.15