AI与机器学习2026-06-02
OpenAI 模型自主推翻离散几何核心猜想：AI 数学推理的里程碑
📌 核心问题
1946 年，Paul Erdős 提出了离散几何中最著名的问题之一：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「平面单位距离问题」的猜想，近 80 年来一直是组合几何的核心难题。Erdős 本人甚至为解决此问题悬赏奖金。
长久以来，数学界普遍相信「正方形网格」构造已经接近最优——即单位距离对数的增长速率仅为 n^(1+o(1))，仅比线性增长略快一点。这一猜想被称为 Erdős 单位距离猜想，是组合几何领域最简单易懂却最难攻克的问题之一。
2026 年 5 月 20 日，OpenAI 宣布其内部一个通用推理模型自主证明了该猜想的反例——这是一个突破性时刻：AI 系统首次自主解决了一个数学核心子领域的长期开放问题。
🔬 关键数据
- 原猜想上限：n^(1+o(1))，即单位距离对数仅比线性增长略快
- AI 新构造：对无穷多个 n，构造出至少 n^(1+δ) 个单位距离对，其中 δ > 0 为固定常数
- Princeton 数学教授 Will Sawin 后续精化证明：可取 δ = 0.014
- 此前最优上界：O(n^(4/3))，由 Spencer、Szemerédi、Trotter 于 1984 年给出，40 年未有本质改进
🏗️ 技术架构与证明设计
- 起点是 Erdős 的经典构造：利用高斯整数（a+bi 形式）生成单位距离对，高斯整数具有唯一分解性质
- 关键创新：AI 将高斯整数替换为更复杂的代数数论推广——具有更丰富对称性的代数数域，能产生更多单位长度差
- 使用无限类域塔（infinite class field towers）和 Golod-Shafarevich 理论证明所需数域的存在性
- 证明将代数数论的深邃工具引入欧几里得平面的几何问题，建立了两个看似无关领域之间的桥梁
- 该模型是通用推理模型，非专门针对数学训练的系统，证明来自对 Erdős 问题集的系统性探索
🔑 关键洞察
🔑
AI 首次自主攻克数学核心开放问题：这不是 AI 辅助人类解题，而是 AI 独立产生了一个原创的、出人意料的证明策略。Fields 奖得主 Tim Gowers 称其为「AI 数学的里程碑」。此前 AI 在数学领域的成就多为验证已知结果或解决竞赛题，而这次是一个真正的研究级突破。
🔑
跨领域联想能力是推理深度的标志：证明的核心在于将代数数论的工具（类域塔、Golod-Shafarevich 理论）应用于组合几何问题。这种跨越数学子领域的联想能力，正是高级推理的体现——不仅需要逻辑严密，更需要在远距离知识之间建立联系。
🔑
通用推理模型 > 专用数学系统：值得注意的是，解决这个问题的不是专门训练的数学 AI，而是一个通用推理模型。这意味着 AI 的推理能力正在达到一个临界点：通用智能足以在特定领域产生原创性贡献。
🔑
人机协作的新范式正在形成：AI 产生原始证明，人类数学家（如 Thomas Bloom、Will Sawin）进行验证、精化和深化理解。数学家 Bloom 指出：「这表明数论构造对这类问题的启示远超我们此前的认知。」AI 不仅提供了解法，还为人类打开了一扇通往新数学的门。
🚀 引发思考
这次突破的意义远超离散几何本身。如果一个 AI 模型能够保持复杂论证的连贯性、连接远距离知识领域、并产出经得起专家审查的工作，那么这些能力在生物学、物理学、材料科学、工程学和医学中同样有价值。这是通向更自动化研究的关键一步——系统能够帮助科学家探索更多想法、攻克更复杂的技术问题。
正如 OpenAI 所言：「AI 即将在研究的创造性部分扮演非常严肃的角色。」而这次事件也引发了一个深层问题：当 AI 能够自主产生数学洞见时，人类数学家的角色将如何演变？专家判断变得更加重要，而非更不重要——AI 帮助搜索和验证，但选择什么问题重要、如何解读结果、决定下一步探索方向，仍然是人类的核心价值。
✦
📎 相关阅读
- 原始证明
- 数学家评注
- 模型推理链摘要
- Erdős 单位距离问题 Wikipedia
逍遥云初 | 2026.06.02
🎁
推荐好物
优质精选以上为联盟推广链接，购买后作者可能获得佣金（不影响价格）
逍遥云初 · 2026-06-02
记录 · 思考 · 成长