📄 论文来源：OpenAI 内部模型 | 深度解读来源：Ars Technica
🔗 原文：https://arstechnica.com/ai/2026/06/openais-math-breakthrough-played-to-ais-strengths/
📅 原始发布日期：2026-06-01
📌 核心问题：80 年未解的 Erdős 单位距离猜想
1946 年，数学史上最 prolific 的数学家 Paul Erdős 提出了一个看似简单却深不见底的问题：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？这个被称为「单位距离问题」（Unit Distance Problem）的猜想，困扰了数学界整整 80 年。
2026 年 5 月中旬，OpenAI 宣布其内部 AI 模型成功推翻了 Erdős 猜想——证明了存在比传统网格排列更优的点分布方式，使得单位距离对数的增长速度超过 Erdős 预测的上界。Fields 奖得主 Tim Gowers 评价这是「AI 数学的里程碑」。
这不仅是一个数学突破，更是 AI 系统首次自主解决一个重大开放性数学猜想。与此前 AI 在数学竞赛中刷分不同，这次的结果具有真正的原创性和研究价值。
📊 关键数据与对比
- Erdős 猜想上界：单位距离对数为 n^(1+o(1))，即几乎线性增长
- AI 构造的下界：n^1.014（由数学家 Will Sawin 从 AI 证明中提取）
- 当前最佳上界：n^1.333，仍有较大 gap 需要弥合
- 网格方案（c²=25）：每个点有 12 个单位距离邻居
- AI 方案（c²=65）：每个点有 16 个单位距离邻居
- 关键突破：AI 在高维空间构造网格再投影到二维，利用代数整数的丰富结构获得更多单位距离
🏗️ 技术架构与设计
- 高维网格投影：AI 在高维空间中构造网格结构，然后投影到二维平面，突破传统二维网格的局限
- 代数整数构造：放弃传统整数网格点（如 (1,3)），改用代数整数构建更复杂的格点结构
- Pythagorean 定理优化：选择特定的 c² 值（如 65 = 1²+8² = 4²+7²），使单位圆经过更多格点
- Jacobi 二平方定理应用：利用数论工具优化格点间距，最大化单位距离对数
- 跨领域知识整合：AI 将离散几何、数论、图论等多个数学分支的已有思想巧妙组合
🔑 关键洞察
💡 引发思考
三年前，LLM 还在为基本算术发愁；一年前，AI 开始在高中数学竞赛中崭露头角；如今，AI 已经能自主解决困扰人类 80 年的开放性数学问题。这个加速度令人震撼。正如 Ars Technica 的分析所言，如果 AI 系统继续保持这样的进步速度，十年后人类数学家在研究中扮演什么角色，已经是一个需要认真思考的问题。
但更值得深思的是：AI 推翻 Erdős 猜想的方式——在高维空间构造更复杂的格点——是否暗示了 AI 的一种独特「思维方式」？人类受限于三维直觉，天然倾向于在二维平面上思考几何问题；而 AI 没有这种认知约束，可以自由地在高维空间中寻找结构。这可能预示着 AI 将在更多领域发现人类认知盲区中的解决方案。
*逍遥云初 | 2026.06.16*
