OpenAI模型颠覆离散几何核心猜想：平面单位距离问题80年终获突破

引言：一个跨越80年的数学谜题

1946年，著名数学家保罗·埃尔德什（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个单位？这个问题被称为“平面单位距离问题”（Planar Unit Distance Problem），是组合几何中最著名也最棘手的问题之一。2005年出版的《离散几何研究问题》一书将其描述为“可能是组合几何中最著名（且最容易解释）的问题”。普林斯顿大学的顶尖组合学家诺加·阿隆（Noga Alon）指出，这是“埃尔德什最喜欢的问题之一”，埃尔德什甚至为解答此问题设立了奖金。

突破性进展：AI推翻近80年猜想

2026年5月20日，OpenAI宣布其内部模型在单位距离问题上取得重大突破。自埃尔德什最初的研究以来，数学界普遍认为“方形网格”构造（下文将展示）在最大化单位距离对数方面基本是最优的。然而，OpenAI的一个通用推理模型推翻了这一长期存在的猜想，提供了一个无限族的例子，实现了多项式级别的改进。该证明已由一组外部数学家验证，他们还撰写了一篇配套论文，解释论证过程并提供更多背景信息。

独特的发现方式：通用推理模型而非专用数学系统

这一结果之所以引人注目，还在于其发现方式。证明来自一个新的通用推理模型，而非专门针对数学训练、搜索证明策略或针对单位距离问题的系统。作为评估高级模型能否为前沿研究做出贡献的一部分，OpenAI在一系列埃尔德什问题上测试了该模型。结果，它成功生成了一个解决开放问题的证明。

数学与AI社区的重要里程碑

这一证明对数学和AI社区来说都是一个重要里程碑。它标志着AI首次自主解决了一个子领域核心的著名开放问题，同时也展示了当前系统支持的推理深度。数学为推理提供了一个特别清晰的试验场：问题精确，潜在证明可验证，长篇论证只有从头到尾逻辑一致才有效。解决该问题的方法也值得注意：证明巧妙地将代数数论中的深刻思想应用于一个初等几何问题。

数学家的评价

菲尔兹奖得主蒂莫西·高尔斯（Tim Gowers）在配套论文中称这一结果为“AI数学的里程碑”。顶尖数论学家阿鲁尔·尚卡尔（Arul Shankar）表示：“在我看来，这篇论文表明当前的AI模型已超越人类数学家的助手角色——它们能够产生原创的巧妙想法，并将其付诸实践。”

诺加·阿隆评论道：“这是埃尔德什最喜欢的问题之一，我曾多次听他本人在讲座中提及。可以说，每一位从事组合几何的数学家都思考过这个问题，许多其他领域的数学家也至少花过一些时间思考它……OpenAI内部模型解决这个问题，在我看来是一项杰出成就，解决了一个长期存在的开放问题。正确答案不是 n^(1+o(1)) 这一事实令人惊讶，其构造和分析巧妙地应用了代数数论中相当复杂的工具。”

雅各布·齐默尔曼（Jacob Tsimerman）补充道：“这是一项非常令人印象深刻的工作，我会毫不犹豫地接受它发表在任何期刊上。我实际上曾短暂研究过这个问题，试图构造反例，但未能取得进展……即使你知道发生了什么，这个构造也令人望而生畏，更不用说自己去探索了。”

单位距离问题详解

令 u(n) 表示平面上 n 个点之间单位距离对的最大可能数量。构造线性增长率的例子很容易：将 n 个点放在一条直线上，得到 n-1 对；而方形网格给出约 2n 对。此前最好的构造来自重新缩放的方形网格，其单位距离对数为 n^(1 + C / log log n)，其中 C 为常数。由于 log log n 随 n 增长而趋于无穷，指数中的附加项趋于0，这意味着这些构造的增长仅略快于线性。

AI证明的意义与未来

这一突破不仅解决了数学问题，更展示了AI在科学研究中的潜力。通用推理模型能够自主发现并证明复杂猜想，预示着AI将越来越多地参与前沿数学研究。未来，AI可能成为数学家的得力伙伴，共同探索未知领域。

结论

OpenAI模型在单位距离问题上的成功，证明了AI在深度推理和创造性思维方面的能力。它解决了埃尔德什最喜爱的难题之一，为离散几何带来了新的见解，并为AI与数学的融合开辟了新道路。随着AI技术的不断发展，我们有望看到更多类似的重要突破。