OpenAI 推理模型破解 80 年懸案:Erdős 離散幾何猜想遭推翻
OpenAI 一款通用推理模型自主推翻了數學家保羅·Erdős 在 1946 年提出的平面單位距離猜想,這是人工智慧首次解決數學領域核心的開放問題。菲爾茲獎得主 Tim Gowers 稱此為「AI 數學的里程碑」,普林斯頓數學家 Will Sawin 則協助完善了證明。
2026 年 5 月 20 日,OpenAI 宣布了一個連數學家都感到震驚的消息:公司一款內部通用推理模型,自主推翻了匈牙利傳奇數學家保羅·Erdős 在 1946 年提出的平面單位距離猜想。菲爾茲獎得主、當代最頂尖數學家之一 Tim Gowers 稱之為「AI 數學的里程碑」。這是人工智慧首次不只是調用現有解答,而是透過產生全新的數學方法,攻破一個數學領域核心的開放問題——而這個問題讓人類研究者苦思了將近 80 年。
讓幾何學家困惑 80 年的問題
單位距離問題乍看簡單:在平面上給定 n 個點,最多有多少對點之間的距離恰好等於一個單位長度?問題的表述清晰,但背後的結構卻異常深邃。數十年來,數學家普遍認為正方形格點排列(square grid)幾乎是最優解——能在有限點集中實現最多的單位距離配對。Erdős 及其合作者雖然建立了嚴格的上下界,但關於真正最優構型的猜想始終未獲證明。
這個問題橫跨組合數學、幾何學與數論的交叉地帶,吸引了全球各地研究者數十年的耕耘。局部結果持續累積,但核心問題仍頑固地懸而未決。到了 2026 年,它已成為「Erdős 問題」系列中最著名的未解難題之一。
AI 的突破:跨領域思維
當 OpenAI 研究人員將一款通用推理模型引向這道題目時,模型採取了一條出人意料的路徑。它沒有沿著人類研究者一再嘗試的直接幾何路線進攻,而是將單位距離問題與代數數論(algebraic number theory)——一個研究超越普通整數的數系的數學分支——建立起連結。這種跨領域的躍遷,正是人類研究者往往力有未逮之處:它需要同時精通兩個歷來各自為政的數學領域。
模型構造出一族新的點集配置,可以證明其單位距離對數超過正方形格點所能達到的密度,並附上了一份嚴謹的數學證明,而非僅是數值驗算。普林斯頓大學數學家 Will Sawin 審閱了模型的輸出,完善了其中若干步驟,並確認了結果的正確性。最終的證明預計將以人機共同署名的形式發表於同儕審查期刊。
「這個方法我自己不會想到,」Sawin 在 OpenAI 分享的聲明中表示,「它需要將兩套通常被視為完全獨立的數學機制連接起來。這正是問題的難點所在,也正是這個結果的非凡之處。」
一個新的 AI 成就類別
OpenAI 特別強調,此次結果與早前若干被過度渲染的 AI 數學突破截然不同。2024 至 2025 年間,有幾個 AI 系統在自動定理證明上聲稱取得成果,後來卻被發現要麼是已知結果以不熟悉的符號重新表述,要麼是存在細微漏洞的證明。對此一直持謹慎態度的 Gowers 明確指出,Erdős 問題的結果不同。
「這是對一個公認猜想的反例,不是對人人都已相信之事的證明,」Gowers 寫道,「模型推翻了一件事。這是質的不同成就。」
這個結果並不意味著 AI 已具備全面的數學創造力。模型在獲得問題陳述、數學文獻存取權限和符號計算工具的條件下運作,任務的成功標準也相當明確。但它能夠在沒有人類指引的情況下,獨立連結代數數論與離散幾何,顯示推理模型已具備在數學領域之間識別非顯然結構關聯的能力。
對 AI 與科學發現的啟示
這一突破的意義遠不止於幾何學本身。對 AI 研究者而言,它提供了具體證據:前沿推理模型正在接近一個新的能力門檻——不只是更快地回答已知問題,而是能對人類知識作出原創性貢獻。對生物學、化學、物理學等其他領域的科學家而言,這引出了一個問題:還有哪些未解問題,可能同樣在代數結構攻擊下瓦解?
OpenAI 未透露負責這一結果的具體模型版本,僅稱其為「內部通用推理模型」,且未針對數學問題求解進行特殊訓練,僅依賴一般預訓練和強化學習流程。如果這一說法屬實,結果便更加意義深遠:一個通用模型,應用於高難度領域,產出了一項數學原創成果。
對整個 AI 產業而言,Erdős 結果的出現,正值各方在推理能力上競爭最激烈的時刻。Google、Anthropic、Meta 以及中國頭部 AI 實驗室都大力投入長程推理研發,數學基準測試已成為核心戰場。解決開放問題——而非僅在封閉基準上取得高分——代表著下一個前沿。
後續發展
對數學界而言,這意味著平面單位距離猜想在原有表述下已告偽,研究者需要重新提問。目前已有學者在探討,類似的代數技術是否能用於攻克其他 Erdős 問題。
OpenAI 表示將發布技術報告,詳述模型的解題方式及人機協作的驗證過程,並考慮將推理軌跡(reasoning traces)公開供數學社群審查,這是一個相當罕見的透明度表態,反映出業界逐漸認識到:AI 生成的數學成果,需要嚴格的社群驗證才能被信任。
Tim Gowers 在自己的文章中對這一結果作了最廣泛的詮釋:「AI 尚未達到能在所有前沿自主從事數學研究的程度。但我們現在已跨越了一個門檻:AI 能夠貢獻真正的新意。問題不再是這件事會不會發生,而是它將以多快的速度改變數學研究的實踐方式。」
對那些畢生思考過單位距離問題的研究者而言,這個謎題以這種方式落幕,大概帶著一絲苦澀:一個縈繞 80 年的懸案,最終被一個語言模型找到了人類從未想到嘗試的連結,就此揭開答案。