OpenAI破解80年数学核心猜想菲尔兹奖得主惊叹突破

又一个划时代的时刻，在数学界悄然降临。

5月21日凌晨，一条来自菲尔兹奖得主、数学巨擘蒂莫西·高尔斯（Timothy Gowers）的简短推文，在国际学术界投下了一枚震撼弹。短短数小时，浏览量突破百万，一场关于人工智能与基础科学未来的风暴就此掀起。

风暴的中心，是OpenAI的一项正式官宣：其内部研发的全新一代通用推理模型，在没有人类数学家干预的前提下，自主攻克并彻底推翻了离散几何学中沉睡近80年的核心猜想——埃尔德什（Erdős）单位距离问题。

这是历史上首次，人工智能独立解决了一个位于数学核心领域、让无数顶尖人类智慧折戟的重大开放性问题。

高尔斯在推文中罕见地提醒同行：“如果你是一位数学家，那么在继续阅读之前，你可能需要确保自己已经坐稳了。”顶级数论学家阿鲁尔·尚卡尔（Arul Shankar）的评论则道出了许多人的震撼：“这个成果表明，当前的AI模型已经超越了人类助手的角色——它们开始具备原创、精妙且极具智慧的独立思想，并能将其付诸实践。”

这场风暴宣告，人工智能正式跨入了科学研究的“无人区”。

极其简单的谜题，与阻挡人类80年的高墙

要理解这项突破的份量，得回到1946年。那一年，传奇数学家保罗·埃尔德什提出了一个连小学生都能听懂的几何问题：在二维平面上任意画下n个点，其中两点之间距离刚好等于1的点对，最多能有多少对？

数学家们将这个最大可能数量记为u(n)。问题看似简单，答案却迷雾重重。你会怎么摆放这些点，来让单位距离点对最多？

摆成一条直线？只有相邻点距离为1，最多得到n-1对。摆成边长为1的正方形网格呢？经过计算，大约能得到2n对。直觉告诉我们，越对称、越整齐的结构，包含的单位距离就越多。

于是，过去几十年里，一个根深蒂固的共识在顶尖数学家中形成：要让单位距离数量最大化，最优解本质上就是类似“方格网格”的结构。

基于此，埃尔德什提出了著名的猜想：u(n)的上限是 n^(1+o(1))（其中o(1)是随n增大而趋于0的项）。换句话说，无论你怎么摆，单位距离点对数量的增长速度，最多只能比线性增长快那么“一丁点儿”，不可能有质的飞跃。埃尔德什深爱此题，甚至为它的解决设立了现金奖励。

然而，这道看似初等的问题，却成了离散几何领域一道80年无法逾越的高墙。

在下界（已知的最好构造）方面，自1946年埃尔德什本人用缩放的正方形网格给出 n^(1+c/log log n) 的结果后，人类数学家再未取得任何实质性进展。在上界（理论极限证明）方面，1984年，斯宾塞、塞梅雷迪和特罗特证明了上界为O(n^{4/3})。此后，包括陶哲轩在内的无数天才尝试了各种微调，这个上界依然坚如磐石。

所有人都以为，正方形网格就是大自然的极限了。直到OpenAI的这个神秘模型出手。

碘伏认知：AI找到了「不存在的结构」

令人震惊的是，AI不仅解答了问题，更直接推翻了猜想。它在平面上创造出了一类人类数学家从未想象过的全新点阵构型家族，一举打破了“网格神话”，实现了多项式级别的超越。

根据OpenAI披露的数据，在n个点的平面上，AI构建的构型让单位距离点对的数量达到了惊人的 n^(1+c)（其中c是一个大于0的固定正常数）。

这意味着单位距离的数量实现了指数级的跃升，彻底打破了埃尔德什当年预测的上限。随后，普林斯顿大学数学教授威尔·萨温（Will Sawin）对AI的证明进行了连夜精细化推导，进一步确认了这个常数c可以明确取到0.014。

显然，n^(1+0.014) 完爆 n^(1+o(1))！近80年来，无数代离散几何学家在这座数学大厦里辛勤耕耘，坚信屋顶就在眼前。而现在，AI直接在墙壁上开辟了一扇暗门，门外是一片从未被人类窥见的新大陆。

震撼数学界，它用高维数论，降维打击了几何学

如果AI只是通过暴力计算找到几个特例，数学家们或许还不至于如此震动。真正让整个学术界感到不安的，是这个证明所展现出的极高“品味”和创造力。

离散几何问题，传统上需要用几何或组合数学的工具来解决。但OpenAI的模型在思考这个初等几何问题时，突然打通了数学宇宙中一条隐秘通道——它从遥远的“代数数论”中借来了重武器。

当初，埃尔德什构建网格时，利用了“高斯整数”（形如a+bi的复数）。而AI展现出了惊人的洞察力，它没有被高斯整数限制，而是将几何构想推向了一个人类未曾设想的极端。

首先，它构建了极其复杂的代数数域拓展，引入了具备更丰富、更高维对称性的代数数域。在这些高维对称空间里，能够产生远比已知网格多得多的“单位长度差”。

其次，它驾驭了顶级的数论工具。为了证明它所设想的复杂数域在数学上确实存在，在长链条推理中，AI极其熟练地调用了“无限阶级域塔”和“高罗德-沙法列维奇理论”。

这些工具是代数数论皇冠上的明珠，即便是专攻此道的人类专家，想将它们天衣无缝地组合也需要数年心血。然而，一个通用推理模型，却在解决几何问题时，自发地完成了这次惊人的跨界“降维打击”。

普林斯顿大学的组合数学泰斗诺加·阿隆（Noga Alon）表示，亲眼看到这个内测模型给出解答时，他被其优雅且聪明的手法深深震撼。英国皇家学会院士、菲尔兹奖得主托马斯·布鲁姆（Thomas Bloom）在配套论文中写道：“当评估AI生成的证明时，我会问：它有没有教会我们关于这个问题的新知识？我们对离散几何的理解加深了吗？答案是一个毫无疑问的‘是的’。它向我们展示了，数论结构在解决这类几何问题上，拥有远比我们想象的要深邃得多的潜力。”

不是偏科战神，而是通才

更惊人的一点在于，OpenAI特别强调：“这个证明来自一个全新的通用推理模型，而不是一个专门为解决数学问题或特定猜想而构建的定制系统。”

过去，AI解决数学问题往往依赖人类精心设计的搜索框架，或在特定领域（如自动定理证明语言Lean）内进行局限试错。但这一次，AI在一个前所未有的广阔空间里，展现出了真正的长链条、高内聚推理能力。

数学是全人类逻辑思维最严苛的试金石：定义不允许半点含糊，每一个中间步骤都必须经得起严格验证。长达数十页的论证，只要有一处逻辑断裂，整个证明就会瞬间崩塌。而AI成功了。它像一个冷静而经验丰富的棋手，在人类甚至无法觉察的知识图谱中，完美把控了数万步的逻辑链条，没有出现一次致命错误。

这种在宏观上跨越数论与几何、在微观上丝丝入扣的推理能力，正是通往通用人工智能（AGI）核心的圣杯。

科学研究的范式转换：人类数学家下岗了吗？

那么，这是否意味着人类学者将沦为旁观者？恰恰相反。这次突破，恰恰凸显了人类不可或缺的重要性。

在AI生成原始证明后，人类顶尖数学家团队迅速介入。他们不仅验证了证明的正确性，还在短时间内撰写了论文，普林斯顿的威尔·萨温教授更是敏锐地提炼出了c=0.014的精确值。AI像是一位探险家，踩出一条路，带回原石；而人类科学家则凭借直觉与经验，将原石打磨成璀璨的宝石。

正如托马斯·布鲁姆所赞叹的：“知识的疆界从来不是平坦的，而是充满了尖锐的峭壁。AI正在帮助我们更全面地探索我们几个世纪以来建立的数学大教堂；在这些宏伟的穹顶之下，还有多少未被看见的奇迹，正在侧翼等待着被唤醒？”

这股风暴，注定将席卷数学之外的整个世界。OpenAI在博客最后描绘了一个宏大图景：如果一个模型能够保持极其复杂的论证前后一致，能够将相距万&里的知识领域融会贯通，并且其产出的成果能够通过最挑剔的人类专家的审视——那么，这样的能力将同样适用于生物学、物理学、材料科学、工程学和现代医学。

人工智能已触及科学研究中最具核心创造力的部分。人类的洞察力与审美，从未像今天这样被如此强大的工具所放大。而这个世界的剧变，才刚刚开始。