OpenAI 通用推理模型自主推翻 Erdős 80 年离散几何猜想

📌 核心问题

1946 年,Paul Erdős 提出了一个看似简单的问题:在平面上放置 n 个点,最多能有多少对点恰好相距 1?这就是著名的「平面单位距离问题」(Planar Unit Distance Problem),被誉为「组合几何中最知名、最易表述的问题」。近 80 年来,数学家们普遍认为基于正方形网格的构造已接近最优--即单位距离对数的增长率仅为 n^(1+o(1)),其中 o(1) 趋近于 0。

2026 年 5 月 20 日,OpenAI 宣布其内部通用推理模型自主证明了这一猜想的错误。模型构造了无穷多个反例,使得单位距离对数达到 n^(1+δ)(δ > 0,普林斯顿教授 Will Sawin 后续精化给出 δ = 0.014)。这是 AI 首次自主解决一个数学核心子领域的长期公开问题。

值得注意的是,完成这项证明的并非专门为数学训练的系统,也不是针对该问题做 scaffolding 的专用工具,而是一个通用推理模型。这表明当前 AI 的推理深度已经能够跨越数学子领域的边界,将代数数论中成熟的工具(无限类域塔、Golod-Shafarevich 理论)创造性地应用于欧几里得平面的几何问题。

📊 关键数据

• 问题历史:1946 年由 Erdős 提出,持续近 80 年未被推翻
• 此前最佳下界:n^(1 + C/log log n),源自正方形网格重缩放构造,增长率仅略快于线性
• 此前最佳上界:O(n^(4/3)),来自 1984 年 Spencer-Szemerédi-Trotter 的工作
• 新结果:无穷多个 n 值下可达 n^(1+δ),δ = 0.014(Will Sawin 精化)
• 证明来源:通用推理模型,非专用数学系统

🏗️ 技术架构与设计

• 核心思想:用更复杂的代数数域(algebraic number fields)替换 Erdős 原始证明中的高斯整数,使用具有更丰富对称性的高维数域产生更多单位长度差
• 数学工具:引入无限类域塔和 Golod-Shafarevich 理论,证明所需数域的存在性
• 证明验证:外部数学家团队独立检验,Fields 奖得主 Tim Gowers 称之为「AI 数学的里程碑」
• 模型机制:在 Erdős 问题集上评估推理模型,模型自主生成证明策略,无需人工 scaffolding

🔑 关键洞察

🤔 引发思考

这项成果的意义远超数学本身。如果一个通用推理模型能自主解决 80 年未决的数学猜想,那么在物理、材料科学、生物医学等领域,是否也存在大量「已知但未解」的问题等待 AI 突破?关键转变在于:AI 不再只是加速已有流程的工具,而是能主动探索人类尚未触及的知识边界。

OpenAI 在公告中坦言:「AI 即将在研究的创造性环节扮演非常严肃的角色。」当 AI 能自主产生原创数学发现时,对齐和理解的紧迫性也随之上升。正如 Bloom 所言:「知识的前沿非常参差不齐,未来数月和数年将在数学的许多其他领域看到类似突破。」

📎 相关阅读

• 原始证明:unit-distance-proof.pdf
• 数学家评注:unit-distance-remarks.pdf
• 模型思维链摘要:unit-distance-cot.pdf
• OpenAI 官方博文:https://openai.com/index/model-disproves-discrete-geometry-conjecture/

逍遥云初 | 2026.06.04