OpenAI AI自主推翻80年未解的艾狄胥猜想，人類數學史迎來AI里程碑

八十年來，匈牙利數學大師保羅·艾狄胥（Paul Erdős）在1946年拋出的一道問題，難倒了一代又一代數學家。這個月，一個OpenAI的推理模型回答了它——而且，這個答案可能永遠改變人工智慧與基礎科學研究的關係。

OpenAI公布結果後，一組獨立數學家完成了驗證，並發表了附屬說明論文，供各界研究者參閱。這是AI史上第一次，一個模型在沒有人類引導、沒有預設部分解答、也沒有特製輔助工具的情況下，自主推翻了數學界的重大未解猜想。

一個問題，八十年的困局

艾狄胥猜想的問題核心，簡單到可以寫在餐巾紙上：在一個平面上任意放置 n 個點，最多可以有多少對點的距離恰好等於1？

問題雖簡，內涵卻極深。理論上，點越多，恰好相距一單位的點對就越可能增加——但幾何結構本身限制了能同時存在的這類點對數量。小案例手算即可，但當 n 趨向無窮大時，理論上限的精確刻畫就變得極為困難。

艾狄胥猜測，真正的最大值增長速度只比點的數量 n 稍快一點點——遠比研究者已知的上界更接近下界。八十年來，已知最佳的配置是正方形網格，數學界普遍假設這已接近最優解，卻始終沒有人能證明，也沒有人找到顯著更好的構型。

AI是如何解決的？

OpenAI部署的是一個通用推理模型，而非專門針對數學定理設計的系統，也沒有事先提供部分解題線索。

模型的解題路徑，與人類研究者的直覺截然不同。它沒有嘗試從幾何直覺出發去尋找更好的點配置，而是深入抽象代數的領域——具體來說，運用了Golod-Shafarevich理論與無窮類域塔（infinite class field towers），這是代數數論中連研究生課程都不常觸碰的深水區。

借助這些工具，模型構造出一個無窮族的點配置，達到比正方形網格更好的多項式級改進：形式上表達為 n^(1+δ)，其中 δ ≈ 0.014。這個數字聽起來不大，但從無窮族配置的角度看，代表了對八十年來假設的根本性突破——AI找到了數學家從未踏足的新路。

數學界的反應

國際數學界的回應謹慎而有份量。菲爾茲獎得主提姆·高爾斯（Tim Gowers）——當今最受尊敬的數學家之一——審閱了結果後，公開稱之為「AI數學的里程碑」。高爾斯過去曾對誇大AI數學能力的說法持批評態度，他這次的背書因此格外具有說服力。

一組獨立數學家完成了對這份證明的核驗，並發表了配套說明論文，協助沒有Golod-Shafarevich理論背景的讀者理解其代數機制。專家們最感驚訝的，是模型探索的方向之前沿：它深入一個跟機器學習毫無顯而易見關聯的純數學領域，找到了一扇沒有人知道存在的門。

為什麼這次不一樣？

過去幾年，關於AI解決數學問題的聲索不少，但多數禁不起深究——大型語言模型容易產出聽起來合理、實則有誤的「證明」。即便是AlphaProof等以強化學習為基礎的系統，在競賽數學領域表現突出，但面對的仍是結構已知、有標準解法的問題。

艾狄胥單位距離猜想的性質完全不同。它不是有標準解題路徑的競賽題，而是純數學研究前線多年來毫無進展的真實懸案。如今，外部數學家驗證了結果，而且這份驗證在OpenAI公布後的數週內通過了公開審視。這讓這個結果有別於過去所有AI數學突破的聲索。

此外值得注意的是，這次使用的是通用推理模型，而非針對數學定理專門訓練的系統。

對科學與產業的意義

這個結果的意涵遠超出離散幾何本身。數學之所以被視為科學的語言，正因為其證明具有可驗證的確定性——不同於充滿雜訊的實驗。一個能在研究前線自主生成正確數學證明的AI，代表了科學工具性質的質變。

對台灣的科技與產業讀者而言，這不只是一則抽象的學術新聞。密碼學依賴組合數學，供應鏈最佳化與定價策略依賴幾何推理，金融風控模型同樣如此。若這個推理能力能夠泛化，有一天這些應用的分析時程都可能大幅壓縮。

更深層的是，這個結果重啟了一個長久以來的問題：AI究竟能不能真正「思考」——不只是計算，而是猜想、證明、發現？艾狄胥猜想的推翻沒有給出最終答案，但它已將這場辯論的地基往前移動了顯著的一步。

接下來，數學家將花幾個月研究這件事的邊界究竟在哪裡；AI研究者也將嘗試理解模型是如何找到那個Golod-Shafarevich的連結。但有一件事已無爭議：艾狄胥在1946年提出的問題，由一台機器回答了——而且它走的路，是人類從未走過的。